CN112183900A - 一种基于聚类分析的用电分析及优化调度方法 - Google Patents
一种基于聚类分析的用电分析及优化调度方法 Download PDFInfo
- Publication number
- CN112183900A CN112183900A CN202011221775.3A CN202011221775A CN112183900A CN 112183900 A CN112183900 A CN 112183900A CN 202011221775 A CN202011221775 A CN 202011221775A CN 112183900 A CN112183900 A CN 112183900A
- Authority
- CN
- China
- Prior art keywords
- power
- utilization
- active power
- clustering
- electricity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000007621 cluster analysis Methods 0.000 title claims abstract description 9
- 230000005611 electricity Effects 0.000 claims abstract description 46
- 230000002159 abnormal effect Effects 0.000 claims abstract description 9
- 230000005856 abnormality Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 2
- 230000002776 aggregation Effects 0.000 description 5
- 238000004220 aggregation Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于用电管理领域,具体涉及一种基于聚类分析的用电分析及优化调度方法。其特征在于步骤如下:步骤一:输入有功功率数据;步骤二:确定最佳聚类数;步骤三:按照最佳聚类数对有功功率数据进行聚类;步骤四:绘制典型类别的小时功率曲线;步骤五:将聚类结果用表格形式展示;步骤六:寻找用电规律;步骤七:识别用电异常日;步骤八:对当前用电模式进行优化调度。使用本发明能够直观地呈现了一台设备的日用电规律,便于对设备进行用电分析,在考虑地方峰谷电价和用电可平移性的基础上,本发明为设备用电优化调度提供了参考,在总用电量不变的前提下对设备用电进行了时间上的平移,不仅实现了错峰用电,还节省了电费。
Description
技术领域
本发明属于用电管理领域,具体涉及一种基于聚类分析的用电分析及优化调度方法。
背景技术
近年来,随着我国经济的快速发展,社会对电力资源的需求量不断提升。在电力资源的使用过程,经常会出现一些用电高峰期,其出现会严重影响电力资源的安全使用,也会对用电客户造成一定的影响。为了避免出现电力资源的使用高峰期,需要采取一定的措施来减少电力高峰期的出现,实现错峰用电。科学合理地开展错峰用电,可以提高电网供电设备的负荷率和利用率,缓和高峰时段的供用电矛盾。
现有错峰用电管理在安排用户错峰时通常不考虑用户的实际用电特点,主要是根据用户的用电性质和负荷等级进行优先排序,这样相对粗放的安排方式往往会使得错峰效果不佳。而且,很多电力部门将错峰用电当成缺电期间的短期工作来对待,在实施上单纯依靠行政手段,无法在长期内持续实行高效的错峰用电。
发明内容
本发明的目的在于提供一种基于聚类分析的用电分析及优化调度方法,其利用历史功率数据,分析用电规律并识别用电异常情况,同时结合用电性质和地方电价,对设备用电进行优化调度。
本发明是通过如下技术方案来实现的:
即一种基于聚类分析的用电分析及优化调度方法,其特征在于步骤如下:
步骤一:输入有功功率数据
步骤二:确定最佳聚类数
(1)设置最大迭代次数,并在样本范围内随机均匀选择p个点作为初始聚类中心,分别记为c1,c2,…,cp,其ck(1≤k≤p)可以表示为ck=(ck(1),ck(2),…,ck(12));
(4)重新计算聚类中心,将被划分到第Ck类的有功功率序列的数量记作Nk,那么新的第k类聚类中心的计算公式如下:
(5)重复步骤(2)、(3)、(4)直到达到最大迭代次数;
计算聚类数为p的误差平方和(sum of the squared errors,SSE),计算公式如下:
绘制SSE和聚类数的关系图,找到这一点所对应的p值,即为最佳聚类数;
步骤三:按照最佳聚类数对有功功率数据进行聚类
步骤四:绘制典型类别的小时功率曲线
根据聚类中心的坐标绘制典型类别的小时功率曲线,将典型类别的小时功率曲线分为低负荷类、中负荷类、高负荷类;
步骤五:将聚类结果用表格形式展示
将聚类结果表示成表格形式,纵坐标是天,横坐标是小时,表格内容记录每个小时有功功率序列所属类别,并将属于同一类别的格子涂成相同颜色;
步骤六:寻找用电规律
观察表格,如果某一列几乎是同一颜色,说明该列所对应小时的用电规律在每一天内都相似,观察有功功率在每一天24小时内的整体分布,推断出设备在一天内的用电规律;
步骤七:识别用电异常日
观察表格,如果某一天的用电规律跟其他绝大多数日子的用电规律都不一样,判定该日用电异常,进一步查明用电异常的原因;
步骤八:对当前用电模式进行优化调度
参照地方的峰谷电价,判断当前用电模式是否属于较为经济的用电模式;同时,考虑该设备用电是否存在可平移性,即在总用电量不变的前提下,某一时段的用电能否平移到另一时段,如果设备用电存在可平移性,将属于高峰时段的用电最大限度地平移至低谷时段和平时段。
本发明步骤二中,计算聚类数为p的误差平方和时,随着聚类数的增大,样本划分将更加精细,每一类的聚合程度将越高,那么误差平方和SSE也会越小,当p小于一定聚类数时,随着p的增大每一类的聚合程度将大幅增加,SSE的下降幅度也会很大;当p到达一定聚类数以后,再增加p所得到的聚合程度回报将迅速减小,SSE的下降幅度也会骤减并且趋于平缓。
使用本发明能够直观地呈现了一台设备的日用电规律,便于对设备进行用电分析,在考虑地方峰谷电价和用电可平移性的基础上,本发明为设备用电优化调度提供了参考,在总用电量不变的前提下对设备用电进行了时间上的平移,不仅实现了错峰用电,还节省了电费。
附图说明
图1为使用本发明进行用电优化调度的流程图;
图2为本发明聚类分析的流程图;
图3为本发明实施例中SSE随聚类数变化的曲线;
图4为为本发明实施例中典型类别的小时负荷曲线;
图5为本发明实施例中的聚类结果。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
本发明使用时步骤如下:
步骤一:输入有功功率数据
输入有功功率数据,将一个月30天里每小时的有功功率数据表示为其中,代表第一天零时到一时的有功功率序列,代表第一天一时到二时的有功功率序列,代表第二天零时到一时的有功功率序列,以此类推;采样频率为五分钟,则每个序列包含12个有功功率数据,分别记为
步骤二:确定最佳聚类数
(1)设置最大迭代次数,并在样本范围内随机均匀选择p个点作为初始聚类中心,分别记为c1,c2,…,cp,其ck(1≤k≤p)可以表示为ck=(ck(1),ck(2),…,ck(12));
(4)重新计算聚类中心,将被划分到第Ck类的有功功率序列的数量记作Nk,那么新的第k类聚类中心的计算公式如下:
(5)重复步骤(2)、(3)、(4)直到达到最大迭代次数;
计算聚类数为p的误差平方和(sum of the squared errors,SSE),计算公式如下:
随着聚类数的增大,样本划分将更加精细,每一类的聚合程度将越高,那么误差平方和SSE也会越小,当p小于一定聚类数时,随着p的增大每一类的聚合程度将大幅增加,SSE的下降幅度也会很大;当p到达一定聚类数以后,再增加p所得到的聚合程度回报将迅速减小,SSE的下降幅度也会骤减并且趋于平缓;
绘制SSE和聚类数的关系图,找到这一点所对应的p值,即为最佳聚类数;
步骤三:按照最佳聚类数对有功功率数据进行聚类
步骤四:绘制典型类别的小时功率曲线
根据聚类中心的坐标绘制典型类别的小时功率曲线,将典型类别的小时功率曲线分为低负荷类、中负荷类、高负荷类;
步骤五:将聚类结果用表格形式展示
将聚类结果表示成表格形式,纵坐标是天,横坐标是小时,表格内容记录每个小时有功功率序列所属类别,并将属于同一类别的格子涂成相同颜色;
步骤六:寻找用电规律
观察表格,如果某一列几乎是同一颜色,说明该列所对应小时的用电规律在每一天内都相似,观察有功功率在每一天24小时内的整体分布,推断出设备在一天内的用电规律;
步骤七:识别用电异常日
观察表格,如果某一天的用电规律跟其他绝大多数日子的用电规律都不一样,判定该日用电异常,进一步查明用电异常的原因;
步骤八:对当前用电模式进行优化调度
参照地方的峰谷电价,判断当前用电模式是否属于较为经济的用电模式;同时,考虑该设备用电是否存在可平移性,即在总用电量不变的前提下,某一时段的用电能否平移到另一时段,如果设备用电存在可平移性,将属于高峰时段的用电最大限度地平移至低谷时段和平时段。
算法仿真例
采用山东省内的一个公交车充电桩一个月的有功功率数据进行算例仿真,首先按照步骤二所述方法绘制SSE随聚类数变化的曲线,如图3所示,观察图3发现,聚类数大于3后,SSE的下降幅度趋于平缓,因此取聚类数为3。
按照最佳聚类数对数据进行聚类,典型类别的小时功率曲线如图4所示,在图4中,蓝色曲线是第一类曲线,为高负荷类;橙色曲线为第二类曲线,为中负荷类;黄色曲线为第三类曲线,为低负荷类。
按照步骤五所述方法将聚类结果用表格形式展示,如图5所示,通过图5可以观察到,该设备的负荷分布具有很明显的规律性,在绝大多数的日子里,从23时至次日0时为高负荷类,0时至1时为中负荷类,其余时间为低负荷类。
还可以观察到第18天、第19天这两天与其他日期的负荷分布有很大差异,判定这两日用电异常,需要进一步查明用电异常的原因。
该电力设备位于山东省,按照山东省的峰谷电价,8时至11时、18时至23时属于高峰时段,23时至次日7时属于低谷时段,其余时段属于平时段,该设备高负荷类和中负荷类所属的时间段几乎都属于低谷时段,因此可以判断该设备的用电模式属于较为经济的用电模式。
进一步考虑能否对该设备进行用电优化调度,该设备是公交车充电桩,用电在时间上存在一定的可平移性。凌晨的用电已达到最经济的模式,需要进行用电优化调度的是白天的时间段,如第9天属于中负荷类的7时至8时、第10天属于中负荷类的8时至9时等,都是高峰时段的用电,结合历史数据,对下一阶段的设备用电可以给出这样的指导建议:白天充电的车辆,尽可能在早上7时以前完成充电,或者在11时至18时之间进行充电。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (2)
1.一种基于聚类分析的用电分析及优化调度方法,其特征在于步骤如下:
步骤一:输入有功功率数据
输入有功功率数据,将一个月30天里每小时的有功功率数据表示为其中,代表第一天零时到一时的有功功率序列,P1 1代表第一天一时到二时的有功功率序列,P0 2代表第二天零时到一时的有功功率序列,以此类推;
步骤二:确定最佳聚类数
(1)设置最大迭代次数,并在样本范围内随机均匀选择p个点作为初始聚类中心,分别记为c1,c2,…,cp,其ck(1≤k≤p)可以表示为ck=(ck(1),ck(2),…,ck(12));
(4)重新计算聚类中心,将被划分到第Ck类的有功功率序列的数量记作Nk,那么新的第k类聚类中心的计算公式如下:
(5)重复步骤(2)、(3)、(4)直到达到最大迭代次数;
计算聚类数为p的误差平方和(sum of the squared errors,SSE),计算公式如下:
绘制SSE和聚类数的关系图,找到这一点所对应的p值,即为最佳聚类数;
步骤三:按照最佳聚类数对有功功率数据进行聚类
步骤四:绘制典型类别的小时功率曲线
根据聚类中心的坐标绘制典型类别的小时功率曲线,将典型类别的小时功率曲线分为低负荷类、中负荷类、高负荷类;
步骤五:将聚类结果用表格形式展示
将聚类结果表示成表格形式,纵坐标是天,横坐标是小时,表格内容记录每个小时有功功率序列所属类别,并将属于同一类别的格子涂成相同颜色;
步骤六:寻找用电规律
观察表格,如果某一列几乎是同一颜色,说明该列所对应小时的用电规律在每一天内都相似,观察有功功率在每一天24小时内的整体分布,推断出设备在一天内的用电规律;
步骤七:识别用电异常日
观察表格,如果某一天的用电规律跟其他绝大多数日子的用电规律都不一样,判定该日用电异常,进一步查明用电异常的原因;
步骤八:对当前用电模式进行优化调度
参照地方的峰谷电价,判断当前用电模式是否属于较为经济的用电模式;同时,考虑该设备用电是否存在可平移性,即在总用电量不变的前提下,某一时段的用电能否平移到另一时段,如果设备用电存在可平移性,将属于高峰时段的用电最大限度地平移至低谷时段和平时段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011221775.3A CN112183900B (zh) | 2020-11-05 | 2020-11-05 | 一种基于聚类分析的用电分析及优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011221775.3A CN112183900B (zh) | 2020-11-05 | 2020-11-05 | 一种基于聚类分析的用电分析及优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112183900A true CN112183900A (zh) | 2021-01-05 |
CN112183900B CN112183900B (zh) | 2022-08-09 |
Family
ID=73917284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011221775.3A Active CN112183900B (zh) | 2020-11-05 | 2020-11-05 | 一种基于聚类分析的用电分析及优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112183900B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113705710A (zh) * | 2021-09-02 | 2021-11-26 | 国网安徽省电力有限公司营销服务中心 | 电动车充电设施违约用电识别方法及装置 |
CN116307642A (zh) * | 2023-05-19 | 2023-06-23 | 青岛奥利普奇智智能工业技术有限公司 | 一种能源调度分配的控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109146252A (zh) * | 2018-07-25 | 2019-01-04 | 国家电网有限公司 | 基于调节潜力指标的用户用电行为聚类分析方法和系统 |
CN110580585A (zh) * | 2019-09-11 | 2019-12-17 | 东南大学 | 一种基于负荷分解的电力用户聚类用电行为特性分析方法 |
WO2020067608A1 (ko) * | 2018-09-28 | 2020-04-02 | (주)아이엠 | 생산에너지 저감을 위한 지능형 공장 에너지 관리 시스템 |
-
2020
- 2020-11-05 CN CN202011221775.3A patent/CN112183900B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109146252A (zh) * | 2018-07-25 | 2019-01-04 | 国家电网有限公司 | 基于调节潜力指标的用户用电行为聚类分析方法和系统 |
WO2020067608A1 (ko) * | 2018-09-28 | 2020-04-02 | (주)아이엠 | 생산에너지 저감을 위한 지능형 공장 에너지 관리 시스템 |
CN110580585A (zh) * | 2019-09-11 | 2019-12-17 | 东南大学 | 一种基于负荷分解的电力用户聚类用电行为特性分析方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113705710A (zh) * | 2021-09-02 | 2021-11-26 | 国网安徽省电力有限公司营销服务中心 | 电动车充电设施违约用电识别方法及装置 |
CN116307642A (zh) * | 2023-05-19 | 2023-06-23 | 青岛奥利普奇智智能工业技术有限公司 | 一种能源调度分配的控制方法 |
CN116307642B (zh) * | 2023-05-19 | 2023-08-18 | 青岛奥利普奇智智能工业技术有限公司 | 一种能源调度分配的控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112183900B (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112183900B (zh) | 一种基于聚类分析的用电分析及优化调度方法 | |
CN115048990A (zh) | 基于智慧园区运营管理场景的碳排放计量方法及装置 | |
CN110109971A (zh) | 一种低压台区用户用电负荷特性分析方法 | |
CN103632306A (zh) | 一种基于聚类分析的配电网供电区域划分方法 | |
CN109461096A (zh) | 一种基于电量关联性的户变关系异常判别方法 | |
CN114336651A (zh) | 一种基于削峰潜力的电力调度方法及装置 | |
CN113112099A (zh) | 电网日电量预测模型训练方法和电网日电量预测方法 | |
CN116388245A (zh) | 光储充一体化电站储能容量配置方法及相关设备 | |
CN114611842A (zh) | 一种整县屋顶分布式光伏功率预测方法 | |
Broderick et al. | Accuracy of clustering as a method to group distribution feeders by PV hosting capacity | |
CN113240235A (zh) | 一种电网公司发展状态的评价方法 | |
CN113112177A (zh) | 一种基于混合指标的台区线损处理方法及系统 | |
CN111724049A (zh) | 一种潜在电力能效服务客户的研判方法 | |
CN114676931B (zh) | 一种基于数据中台技术的电量预测系统 | |
CN114611869B (zh) | 一种低压台区台户识别方法 | |
Wang et al. | Application of clustering technique to electricity customer classification for load forecasting | |
CN116502939A (zh) | 一种负荷调节评估方法、装置、设备及介质 | |
CN116384622A (zh) | 基于电力大数据的碳排放监测方法及装置 | |
CN114169790B (zh) | 考虑指标间关联性的用户有序用电潜力综合评估方法 | |
CN106451438B (zh) | 一种考虑智能用电行为的负荷区间预测方法 | |
CN112001551B (zh) | 一种基于大用户电量信息的地市电网售电量预测方法 | |
CN112488360B (zh) | 基于人工智能的配变异常分析预警方法 | |
CN115115470A (zh) | 一种基于排放因子法的绿色数据中心碳排放管理方法 | |
CN116307012A (zh) | 一种用于公共建筑的能效优化方法及系统 | |
Wang et al. | Analysis of user’s power consumption behavior based on k-means |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |