CN112529334A - 面向综合能源用户的用能负荷闭环管控方法及系统 - Google Patents
面向综合能源用户的用能负荷闭环管控方法及系统 Download PDFInfo
- Publication number
- CN112529334A CN112529334A CN202011565238.0A CN202011565238A CN112529334A CN 112529334 A CN112529334 A CN 112529334A CN 202011565238 A CN202011565238 A CN 202011565238A CN 112529334 A CN112529334 A CN 112529334A
- Authority
- CN
- China
- Prior art keywords
- energy
- energy consumption
- scheme
- load
- energy utilization
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000005265 energy consumption Methods 0.000 claims abstract description 110
- 230000008569 process Effects 0.000 claims abstract description 18
- 230000001502 supplementing effect Effects 0.000 claims abstract description 7
- 238000004590 computer program Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000004048 modification Effects 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000009466 transformation Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005338 heat storage Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24553—Query execution of query operations
- G06F16/24558—Binary matching operations
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明属于用能负荷管控领域，提供了一种面向综合能源用户的用能负荷闭环管控方法及系统。其中，面向综合能源用户的用能负荷闭环管控方法包括获取当前用能场景的用户信息及用能信息；将用户信息及用能信息作为输入值，基于日前及实时用能负荷预测模型预测出日前及实时负荷预测值；基于用户历史用能数据及日前及实时负荷预测值，从设定用能方案数据库中查找出匹配度最高的用能方案，推荐给当前用能场景的用户；若用能方案数据库中的用能方案均不匹配，则将接收人工输入的用能方案并补充至用能方案数据库中，实现负荷预测全过程及闭环管控。
Description
技术领域
本发明属于用能负荷管控领域，尤其涉及一种面向综合能源用户的用能负荷闭环管控方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
综合能源包括煤炭、石油、天然气、电能、热能等多种能源。综合能源可在满足系统内多元化用能需求的同时，有效地提升能源利用效率，以及促进能源可持续发展。目前综合能源客户在能源管理及能源服务方面存在问题主要包括：(1)综合能源客户目前在实际生产生活环境过程中耗能较多，能源成本较高，有节能降本增效的需求，但对能源价格、能源政策等不了解；(2)综合能源客户生产生活设备能耗较高，有设备更新或能源替代的需求；(3)综合能源客户有全新的用能需求，需要获取相应的用能设备及用能方案。
发明内容
为了解决上述背景技术中存在的至少一项技术问题，本发明提供一种面向综合能源用户的用能负荷闭环管控方法及系统，其基于日前及实时负荷预测，为用于的能源决策及能源管控提供更精准的决策依据，能够整体实现负荷预测全过程及闭环管控。
为了实现上述目的，本发明采用如下技术方案：
本发明的第一个方面提供一种面向综合能源用户的用能负荷闭环管控方法。
一种面向综合能源用户的用能负荷闭环管控方法，包括：
获取当前用能场景的用户信息及用能信息；
将用户信息及用能信息作为输入值，基于日前及实时用能负荷预测模型预测出日前及实时负荷预测值；
基于用户历史用能数据及日前及实时负荷预测值，从设定用能方案数据库中查找出匹配度最高的用能方案，推荐给当前用能场景的用户；若用能方案数据库中的用能方案均不匹配，则将接收人工输入的用能方案并补充至用能方案数据库中，实现负荷预测全过程及闭环管控；
其中，匹配度是根据日前及实时负荷预测值与用能方案对应的用户历史用能数据之间的差值来确定的。
本发明的第二个方面提供一种面向综合能源用户的用能负荷闭环管控系统。
一种面向综合能源用户的用能负荷闭环管控系统，包括：
数据获取模块，其用于获取当前用能场景的用户信息及用能信息；
日前及实时负荷预测模块，其用于将用户信息及用能信息作为输入值，基于日前及实时用能负荷预测模型预测出日前及实时负荷预测值；
用能方案匹配模块，其用于基于用户历史用能数据及日前及实时负荷预测值，从设定用能方案数据库中查找出匹配度最高的用能方案，推荐给当前用能场景的用户；若用能方案数据库中的用能方案均不匹配，则将接收人工输入的用能方案并补充至用能方案数据库中，实现负荷预测全过程及闭环管控；
其中，匹配度是根据日前及实时负荷预测值与用能方案对应的用户历史用能数据之间的差值来确定的。
本发明的第三个方面提供一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的面向综合能源用户的用能负荷闭环管控方法中的步骤。
本发明的第四个方面提供一种计算机设备。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的面向综合能源用户的用能负荷闭环管控方法中的步骤。
与现有技术相比，本发明的有益效果是：
本发明首先将用户信息及用能信息作为输入值，基于日前及实时用能负荷预测模型预测出日前及实时负荷预测值，实现了用户用能的日前及实时预测，为用户的能源决策及能源管控提供更精准的决策依据，降低可能效业务的整体项目成本；
然后，基于用户历史用能数据及日前及实时负荷预测值，从设定用能方案数据库中查找出匹配度最高的用能方案，推荐给当前用能场景的用户；若用能方案数据库中的用能方案均不匹配，则将接收人工输入的用能方案并补充至用能方案数据库中，不断获取用户真实需求，逐步完善产品库及方案库，在实现负荷预测全过程及闭环管控的同时，提高用能方案推荐效率，提高用户服务速度及质量。
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明实施例的面向综合能源用户的用能负荷闭环管控方法流程图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
参照图1，本实施例的一种面向综合能源用户的用能负荷闭环管控方法，具体包括如下步骤：
S101：获取当前用能场景的用户信息及用能信息。
具体地，获取设定时间的当前用能场景的用户信息及用能信息，比如最近一年的相关信息。
其中，用户信息包括但不限于温度信息(比如：干球、露点)、时间信息(比如：节假日/工作日、周几、日期、小时、分钟)；
用能信息包括但不限于用电量、负荷和功率因数。
S102：将用户信息及用能信息作为输入值，基于日前及实时用能负荷预测模型预测出日前及实时负荷预测值。
在本实施例中，所述日前及实时用能负荷预测模型为XGBoost模型。
具体地，综合分析现行负荷预测分析相关算法的优劣，根据负荷预测方法的机理、适应性、准确性等，结合目前采集的数据量规模(数据量相对较小，包括最近1-2年数据)，选取回归分析法作为本次负荷预测研究的主要方法，综合考虑计算速度、预测精度等选用XGBoost算法构建日前及实时用能负荷预测模型。
选用XGBoost算法构建日前及实时(准实时/实时)电力负荷预测模型。
设置干球温度、露点温度、时间、星期、是否节假日、历史同期负荷(年/月/周/日)、前24小时平均负荷、前24小时96点负荷数据等作为预测变量因子。
加载用户用能数据集(训练集)，设置通用参数、boost参数、学习目标参数等，并通过交叉验证以优化参数，并最终确定模型参数值。
S103：基于用户历史用能数据及日前及实时负荷预测值，从设定用能方案数据库中查找出匹配度最高的用能方案，推荐给当前用能场景的用户；若用能方案数据库中的用能方案均不匹配，则将接收人工输入的用能方案并补充至用能方案数据库中，实现负荷预测全过程及闭环管控。
其中，匹配度是根据日前及实时负荷预测值与用能方案对应的用户历史用能数据之间的差值来确定的。用能方案数据库与其对应的用户历史关联存储在用能方案数据库中。
作为一种具体地实施方式，基于多维方案检索匹配模型从设定用能方案数据库中查找出匹配度最高的用能方案。
其中，所述多维方案检索匹配模型包括并行的至少两种方案检索算法。比如：通过机器归纳学习、解释学习、联接学习、多Agent学习等方法，形成多维方案检索匹配模型。
在具体实施中，用能方案包括用电设备节能改造方案、需求响应代理方案和现货交易方案。电设备节能改造方案包括对分布式光伏、空调节能改造、照明节能改造、变压器节能改造、热泵、蓄热电锅炉等产品的改造。
例如：以需求响应为例，通过确定是否独立户号、是否具有资质、是否工业用户、资源类型(紧急型、经济型)、响应方式(削峰、填谷)、市场机制(容量、电能量)等静态特征，确定用电容量、年用电量、响应量等动态特征，并根据用能负荷预测值，确定日前(D-1)及实时(D)两档需求响应资源储备。根据不同启动条件，启动邀约，并根据实际值与预测值不同进行需求响应效果评估及进行结算。
本实施例首先将用户信息及用能信息作为输入值，基于日前及实时用能负荷预测模型预测出日前及实时负荷预测值，实现了用户用能的日前及实时预测，为用户的能源决策及能源管控提供更精准的决策依据，降低可能效业务的整体项目成本；然后，基于用户历史用能数据及日前及实时负荷预测值，从设定用能方案数据库中查找出匹配度最高的用能方案，推荐给当前用能场景的用户；若用能方案数据库中的用能方案均不匹配，则将接收人工输入的用能方案并补充至用能方案数据库中，不断获取用户真实需求，逐步完善产品库及方案库，在实现负荷预测全过程及闭环管控的同时，提高用能方案推荐效率，提高用户服务速度及质量。
实施例二
本实施例提供了一种面向综合能源用户的用能负荷闭环管控系统，包括：
数据获取模块，其用于获取当前用能场景的用户信息及用能信息；
日前及实时负荷预测模块，其用于将用户信息及用能信息作为输入值，基于日前及实时用能负荷预测模型预测出日前及实时负荷预测值；
用能方案匹配模块，其用于基于用户历史用能数据及日前及实时负荷预测值，从设定用能方案数据库中查找出匹配度最高的用能方案，推荐给当前用能场景的用户；若用能方案数据库中的用能方案均不匹配，则将接收人工输入的用能方案并补充至用能方案数据库中，实现负荷预测全过程及闭环管控；
其中，匹配度是根据日前及实时负荷预测值与用能方案对应的用户历史用能数据之间的差值来确定的。
本实施例面向综合能源用户的用能负荷闭环管控系统中的各个模块，与实施例一中的面向综合能源用户的用能负荷闭环管控方法中的各个步骤一一对应，其具体实施过程相同，此处不再累述。
本实施例首先将用户信息及用能信息作为输入值，基于日前及实时用能负荷预测模型预测出日前及实时负荷预测值，实现了用户用能的日前及实时预测，为用户的能源决策及能源管控提供更精准的决策依据，降低可能效业务的整体项目成本；然后，基于用户历史用能数据及日前及实时负荷预测值，从设定用能方案数据库中查找出匹配度最高的用能方案，推荐给当前用能场景的用户；若用能方案数据库中的用能方案均不匹配，则将接收人工输入的用能方案并补充至用能方案数据库中，不断获取用户真实需求，逐步完善产品库及方案库，在实现负荷预测全过程及闭环管控的同时，提高用能方案推荐效率，提高用户服务速度及质量。
实施例三
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例一所述的面向综合能源用户的用能负荷闭环管控方法中的步骤。
本实施例首先将用户信息及用能信息作为输入值，基于日前及实时用能负荷预测模型预测出日前及实时负荷预测值，实现了用户用能的日前及实时预测，为用户的能源决策及能源管控提供更精准的决策依据，降低可能效业务的整体项目成本；然后，基于用户历史用能数据及日前及实时负荷预测值，从设定用能方案数据库中查找出匹配度最高的用能方案，推荐给当前用能场景的用户；若用能方案数据库中的用能方案均不匹配，则将接收人工输入的用能方案并补充至用能方案数据库中，不断获取用户真实需求，逐步完善产品库及方案库，在实现负荷预测全过程及闭环管控的同时，提高用能方案推荐效率，提高用户服务速度及质量。
实施例四
本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述实施例一所述的面向综合能源用户的用能负荷闭环管控方法中的步骤。
本实施例首先将用户信息及用能信息作为输入值，基于日前及实时用能负荷预测模型预测出日前及实时负荷预测值，实现了用户用能的日前及实时预测，为用户的能源决策及能源管控提供更精准的决策依据，降低可能效业务的整体项目成本；然后，基于用户历史用能数据及日前及实时负荷预测值，从设定用能方案数据库中查找出匹配度最高的用能方案，推荐给当前用能场景的用户；若用能方案数据库中的用能方案均不匹配，则将接收人工输入的用能方案并补充至用能方案数据库中，不断获取用户真实需求，逐步完善产品库及方案库，在实现负荷预测全过程及闭环管控的同时，提高用能方案推荐效率，提高用户服务速度及质量。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种面向综合能源用户的用能负荷闭环管控方法，其特征在于，包括：
获取当前用能场景的用户信息及用能信息；
将用户信息及用能信息作为输入值，基于日前及实时用能负荷预测模型预测出日前及实时负荷预测值；
基于用户历史用能数据及日前及实时负荷预测值，从设定用能方案数据库中查找出匹配度最高的用能方案，推荐给当前用能场景的用户；若用能方案数据库中的用能方案均不匹配，则将接收人工输入的用能方案并补充至用能方案数据库中，实现负荷预测全过程及闭环管控；
其中，匹配度是根据日前及实时负荷预测值与用能方案对应的用户历史用能数据之间的差值来确定的。
2.如权利要求1所述的面向综合能源用户的用能负荷闭环管控方法，其特征在于，所述日前及实时用能负荷预测模型为XGBoost模型。
3.如权利要求1所述的面向综合能源用户的用能负荷闭环管控方法，其特征在于，用能方案数据库与其对应的用户历史关联存储在用能方案数据库中。
4.如权利要求1所述的面向综合能源用户的用能负荷闭环管控方法，其特征在于，基于多维方案检索匹配模型从设定用能方案数据库中查找出匹配度最高的用能方案。
5.如权利要求4所述的面向综合能源用户的用能负荷闭环管控方法，其特征在于，所述多维方案检索匹配模型包括并行的至少两种方案检索算法。
6.如权利要求1所述的面向综合能源用户的用能负荷闭环管控方法，其特征在于，用能信息包括用电量、负荷和功率因数。
7.如权利要求1所述的面向综合能源用户的用能负荷闭环管控方法，其特征在于，用能方案包括用电设备节能改造方案和需求响应代理方案。
8.一种面向综合能源用户的用能负荷闭环管控系统，其特征在于，包括：
数据获取模块，其用于获取当前用能场景的用户信息及用能信息；
日前及实时负荷预测模块，其用于将用户信息及用能信息作为输入值，基于日前及实时用能负荷预测模型预测出日前及实时负荷预测值；
用能方案匹配模块，其用于基于用户历史用能数据及日前及实时负荷预测值，从设定用能方案数据库中查找出匹配度最高的用能方案，推荐给当前用能场景的用户；若用能方案数据库中的用能方案均不匹配，则将接收人工输入的用能方案并补充至用能方案数据库中，实现负荷预测全过程及闭环管控；
其中，匹配度是根据日前及实时负荷预测值与用能方案对应的用户历史用能数据之间的差值来确定的。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的面向综合能源用户的用能负荷闭环管控方法中的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的面向综合能源用户的用能负荷闭环管控方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011565238.0A CN112529334A (zh) | 2020-12-25 | 2020-12-25 | 面向综合能源用户的用能负荷闭环管控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011565238.0A CN112529334A (zh) | 2020-12-25 | 2020-12-25 | 面向综合能源用户的用能负荷闭环管控方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112529334A true CN112529334A (zh) | 2021-03-19 |
Family
ID=74976515
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011565238.0A Pending CN112529334A (zh) | 2020-12-25 | 2020-12-25 | 面向综合能源用户的用能负荷闭环管控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112529334A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102365458A (zh) * | 2009-06-29 | 2012-02-29 | 光帆能源公司 | 使用两相流以便于热交换的压缩空气能量存储系统 |
| CN105590174A (zh) * | 2015-12-29 | 2016-05-18 | 南京因泰莱电器股份有限公司 | 基于k-均值聚类rbf神经网络的企业用电负荷预测方法 |
| CN109670627A (zh) * | 2017-10-13 | 2019-04-23 | 施耐德电气It公司 | 用于对能量存储系统自动云控制的方法 |
| CN110073301A (zh) * | 2017-08-02 | 2019-07-30 | 强力物联网投资组合2016有限公司 | 工业物联网中具有大数据集的数据收集环境下的检测方法和系统 |
-
2020
- 2020-12-25 CN CN202011565238.0A patent/CN112529334A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102365458A (zh) * | 2009-06-29 | 2012-02-29 | 光帆能源公司 | 使用两相流以便于热交换的压缩空气能量存储系统 |
| CN105590174A (zh) * | 2015-12-29 | 2016-05-18 | 南京因泰莱电器股份有限公司 | 基于k-均值聚类rbf神经网络的企业用电负荷预测方法 |
| CN110073301A (zh) * | 2017-08-02 | 2019-07-30 | 强力物联网投资组合2016有限公司 | 工业物联网中具有大数据集的数据收集环境下的检测方法和系统 |
| CN109670627A (zh) * | 2017-10-13 | 2019-04-23 | 施耐德电气It公司 | 用于对能量存储系统自动云控制的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107194502B (zh) | 一种居民用户电力负荷预测方法 | |
| CN102624865B (zh) | 集群负载预测方法及分布式集群管理系统 | |
| Kouhia et al. | District heat network as a short-term energy storage | |
| CN110135649B (zh) | 短期建筑能耗区间预测方法、系统、介质及设备 | |
| CN110991843A (zh) | 考虑城市化发展及电能替代效应的饱和电力需求预测方法 | |
| CN109858728A (zh) | 基于分行业用电特性分析的负荷预测方法 | |
| CN112330077B (zh) | 电力负荷预测方法、装置、计算机设备和存储介质 | |
| Almalaq et al. | Deep learning application: Load forecasting in big data of smart grids | |
| CN109784594A (zh) | 一种售电商可调负荷决策方法及系统 | |
| CN114358485A (zh) | 一种源荷匹配性评估方法、系统、介质及电子设备 | |
| CN109214610B (zh) | 一种基于长短期记忆神经网络的饱和电力负荷预测方法 | |
| CN114909945A (zh) | 冷却塔节能智控方法、装置、电子装置及介质 | |
| Weber et al. | Realistic modeling of a combined heat and power plant in the context of mixed integer linear programming | |
| Jentgen et al. | Energy management strategies use short‐term water consumption forecasting to minimize cost of pumping operations | |
| CN113590682A (zh) | 电网停电窗口期生成方法、装置、电子设备和存储介质 | |
| CN112529334A (zh) | 面向综合能源用户的用能负荷闭环管控方法及系统 | |
| Leenders et al. | Integrated scheduling of batch production and utility systems for provision of control reserve | |
| CN109740815B (zh) | 电负荷预测方法、装置、存储介质及处理器 | |
| Oprea et al. | Methods for electricity load profile calculation within deregulated markets | |
| Yang et al. | Electricity consumption optimization of power users driven by a dynamic electric carbon factor | |
| Wang et al. | Decomposition of electricity consumption in China by primary component analysis | |
| CN116231763B (zh) | 具备自学习能力的家庭能源管理系统优化调度方法及装置 | |
| Epe et al. | Optimization of dispersed energy supply—Stochastic programming with recombining scenario trees | |
| JP2018182990A (ja) | 発電機運転制御装置、及び発電機運転制御方法 | |
| Błaszczyk et al. | Optimal pump scheduling by NLP for large scale water transmission system |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210319 |
|
| RJ01 | Rejection of invention patent application after publication |