CN112668765A - 铝加工企业电力用户的负荷预测及能源管理的方法及装置 - Google Patents
铝加工企业电力用户的负荷预测及能源管理的方法及装置 Download PDFInfo
- Publication number
- CN112668765A CN112668765A CN202011536400.6A CN202011536400A CN112668765A CN 112668765 A CN112668765 A CN 112668765A CN 202011536400 A CN202011536400 A CN 202011536400A CN 112668765 A CN112668765 A CN 112668765A
- Authority
- CN
- China
- Prior art keywords
- power
- prediction
- time
- power consumption
- electric equipment
- 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 61
- 238000012545 processing Methods 0.000 title claims abstract description 45
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 title claims abstract description 44
- 229910052782 aluminium Inorganic materials 0.000 title claims abstract description 44
- 230000005611 electricity Effects 0.000 claims abstract description 49
- 238000012937 correction Methods 0.000 claims abstract description 48
- 238000004364 calculation method Methods 0.000 claims description 28
- 238000007726 management method Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 13
- 238000005096 rolling process Methods 0.000 abstract description 6
- 239000011888 foil Substances 0.000 description 4
- 238000005266 casting Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000000137 annealing Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000005097 cold rolling Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005098 hot rolling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000002791 soaking Methods 0.000 description 1
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种铝加工企业电力用户的用电负荷预测及能源管理的方法及装置,包括:对用电量以周期T进行实时采集;根据采集值,通过牛顿插值法对t时刻之后的m个时刻的用电量进行预测,同时计算预测误差;根据t时刻的预测误差,对t时刻之后的m个时刻的用电量预测值进行修正;最后对t时刻之后的m个时刻中所有用电设备的预测修正值进行求和,并将其与预设的最大需量进行比较,根据比较结果对用电设备的功率进行调整。本发明能够对用电设备的用电量进行滚动预测,其根据用电量预测结果,以及时的对用电设备的功率进行相应的调整,使得实际用电需求切合最大需量,降低企业能源成本。
Description
技术领域
本发明涉及铝加工过程的用电负荷预测以及能源管理,特别是涉及一种铝加工企业电力用户的用电负荷预测及能源管理的方法及装置。
背景技术
铝板带箔的加工过程,涉及到的生产流程众多,包括铸轧、熔铸、热轧、冷轧、箔轧、拉矫、重卷、退火、纵切、横切、清洗、包装等不同工序,各种工序都消耗为数不少的能源,尤其是加热炉、均热炉等热处理装置,都是加工过程的电量耗能大户,直接影响生产企业的成本和效益。
在国内电费计算中,一般对大型工商业用户采用两部制电价计费方式,电价由基本电价和电度电价构成。基本电价的计费方式又分成按变压器容量计费和按最大需量计费两种,企业可以根据自己的需要选择按最大需量缴纳电费,或选择按变压器容量缴纳电费,不同的计费方式可能会导致电费出现较大差距。
在铝板带箔的加工过程中,一般采用最大需量计费方式,因此最大需量的精确计算成为企业关心的问题,对企业缴纳的每月电费直接产生影响。
当前,为了对铝板带箔的加工过程中所损耗的能源进行管理,一般采用在线监控的方式,即,企业安装智能电表或其他类型传感器,把电能数据传输到网络服务器上进行显示和监控。这种监控方式一定程度上优化了能源的管理和分析方式,但仍然存在以下缺陷:首先,不能事先对用电量进行预测,从而无法对用电需求进行正确评估;其次,不能及时对电量数据进行反馈调节,即使出现电量超过最大需量的时候,也只能事后再进行分析总结,而不能通过实时调节设备功率以降低实际最大需量。
发明内容
基于此,本发明的目的在于,一方面,提供一种铝加工企业电力用户的用电负荷预测方法,其能够对用电设备的用电量进行滚动预测,从而为后续的用电需求评估以及用电计划的制定提供数据支持。
一种铝加工企业电力用户的用电负荷预测方法,包括:
对用电设备j的用电量以周期T进行实时采集,得到所述用电设备j在时刻t的用电量的实际采集值Pj(t);
通过牛顿插值法,在(t-T)时刻计算t时刻用电设备j用电量的预测值PEj(t);
根据所述实际采集值Pj(t)以及所述预测值PEj(t),得到t时刻的预测误差ej(t);
根据所述实际采集值Pj(t),通过牛顿插值法,对所述用电设备j在(t+T)、(t+2T)、…、(t+mT)时刻的用电量进行计算,得到所述用电设备j用电量在(t+T)、(t+2T)、…、(t+mT)时刻的预测值PEj(t+T)、PEj(t+2T)、…、PEj(t+mT);
根据t时刻的预测误差ej(t),分别对所述用电设备j在(t+T)、(t+2T)、…、(t+mT)时刻用电量的预测值进行修正,分别得到所述用电设备j在(t+T)、(t+2T)、…、(t+mT)时刻用电量的预测修正值PE′j(t+T)、PE′j(t+2T)、…、PE′j(t+mT)。
本发明所述的铝加工企业电力用户的用电负荷预测方法,能够预测未来m个时刻的用电量数据,从而为后续的用电需求评估提供数据支持。
进一步地,在(t-T)时刻,通过(N-1)阶牛顿插值多项式预测模型对t、(t+T)、…、(t+mT-T)时刻的用电量数据进行预测;
在t时刻,通过N阶牛顿插值多项式预测模型对(t+T)、(t+2T)、…、(t+mT)时刻的用电量数据进行预测。
进一步地,在t时刻,对(t+T)、(t+2T)、…、(t+mT)时刻的用电量数据进行预测的计算公式为:
其中,系数ai(i=0,1,…,N)由插值条件确定,所述插值条件用数学式表示为:
PEj(ti)=Pj(ti)。
进一步地,根据t时刻的预测误差ej(t),分别对(t+T)、(t+2T)、…、(t+mT)时刻用电量的预测值进行修正,其计算公式为:
进一步地,根据所述实际采集值Pj(t)以及所述预测值PEj(t),得到t时刻的预测误差ej(t),包括:
通过如下计算公式,得到所述t时刻的预测误差ej(t):
ej(t)=Pj(t)-PEj(t)。
基于上述的铝加工企业电力用户的用电负荷预测方法,本发明还提出一种铝加工企业电力用户的用电负荷预测装置,包括:
采集模块,用于对用电设备j的用电量以周期T进行实时采集,得到所述用电设备j在时刻t的用电量的实际采集值Pj(t);
初始预测模块,用于通过牛顿插值法,在(t-T)时刻计算t时刻用电设备j用电量的预测值PEj(t);
误差计算模块,用于根据所述实际采集值Pj(t)以及所述预测值PEj(t),得到t时刻的预测误差ej(t);
过程预测模块,用于根据所述实际采集值Pj(t),通过牛顿插值法,对所述用电设备j在(t+T)、(t+2T)、…、(t+mT)时刻的用电量进行计算,得到所述用电设备j用电量在(t+T)、(t+2T)、…、(t+mT)时刻的预测值PEj(t+T)、PEj(t+2T)、…、PEj(t+mT);以及
修正模块,用于根据t时刻的预测误差ej(t),分别对(t+T)、(t+2T)、…、(t+mT)时刻用电量的预测值进行修正,分别得到(t+T)、(t+2T)、…、(t+mT)时刻用电量的预测修正值PE′j(t+T)、PE′j(t+2T)、…、PE′j(t+mT)。
另一方面,本发明还提出一种铝加工企业电力用户的能源管理方法,其根据用电量预测结果,对用电设备的功率进行相应的调整,以使得实际用电需求切合最大需量,降低企业能源成本。
一种铝加工企业电力用户的能源管理方法,包括:
根据上述的铝加工企业电力用户的用电负荷预测方法,在t时刻计算各用电设备j在(t+T)、(t+2T)、…、(t+mT)时刻的用电量的预测修正值PE′j(t+T)、PE′j(t+2T)、…、PE′j(t+mT);
对(t+T)、(t+2T)、…、(t+mT)时刻所有用电设备的预测修正值进行求和,得到总用电量的预测修正值PEsum(t+T)、PEsum(t+2T)、…、PEsum(t+mT),其计算公式为:
其中,n为所述用电设备的总数;
针对(t+T)、(t+2T)、…、(t+mT)时刻总用电量的预测修正值,分别将其与预设的最大需量进行比较,如果任一时刻的所述总用电量的预测修正值大于所述最大需量,则对所述用电设备j进行功率调整,以降低耗电量。
进一步地,所述对所述用电设备j进行功率调整,包括:
在(t+iT)时刻计算出需要降低的功率ΔP,通过如下计算公式,得到所述功率ΔP:
其中,maxPower为所述预设的最大需量,K为功率裕量值。
基于上述铝加工企业电力用户的能源管理方法,本发明还提供一种铝加工企业电力用户的能源管理装置,包括:
负荷预测模块,由上述的铝加工企业电力用户的用电负荷预测装置构成;
总用电量预测修正模块,用于对(t+T)、(t+2T)、…、(t+mT)时刻所有用电设备的预测修正值进行求和,得到总用电量的预测修正值PEsum(t+T)、PEsum(t+2T)、…、PEsum(t+mT);以及
功率调整模块,用于针对(t+T)、(t+2T)、…、(t+mT)时刻总用电量的预测修正值,分别将其与预设的最大需量进行比较,如果任一时刻的所述总用电量的预测修正值大于所述最大需量,则对所述用电设备j进行功率调整,以降低耗电量。
为了更好地理解和实施,下面结合附图详细说明本发明。
附图说明
图1为本发明一实施例提供的铝加工企业电力用户的用电负荷预测方法的流程图;
图2为本发明一实施例提供的铝加工企业电力用户的能源管理方法的流程图。
具体实施方式
请参阅图1,本发明提供的铝加工企业电力用户的用电负荷预测方法包括5个步骤:
S11,对用电量以周期T进行实时采集。
具体地,对用电设备j的用电量以周期T进行实时采集,得到所述用电设备j在时刻t的用电量的实际采集值Pj(t)。其中,j为用电设备的序号,假设总共有n台用电设备,则j=1,2,…,n。
S12,通过牛顿插值法,在(t-T)时刻对t时刻的用电量进行预测。
具体地,通过牛顿插值法,在(t-T)时刻计算t时刻用电设备j用电量的预测值PEj(t)。
优选地,所述预测值PEj(t)的计算公式为
PEj(t)=a0+a1t+a2t(t-T)+…+aN-1t(t-T)…(t-NT+3T)(t-NT+2T)
(1)
S13,根据采集值以及预测值,计算t时刻的预测误差。
具体地,根据所述实际采集值Pj(t)以及所述预测值PEj(t),得到t时刻的预测误差ej(t)。
优选地,所述预测误差ej(t)的计算公式为
ej(t)=Pj(t)-PEj(t) (2)
S14,根据采集值,通过牛顿插值法,对t时刻之后的m个时刻的用电量进行预测。
具体地,根据所述实际采集值Pj(t),通过牛顿插值法,对所述用电设备j在(t+T)、(t+2T)、…、(t+mT)时刻的用电量进行计算,得到所述用电设备j用电量在(t+T)、(t+2T)、…、(t+mT)时刻的预测值PEj(t+T)、PEj(t+2T)、…、PEj(t+mT)。
优选地,在t时刻,对(t+T)、(t+2T)、…、(t+mT)时刻的用电量数据进行预测的计算公式为
其中,系数ai(i=0,1,…,N)由插值条件确定,所述插值条件用数学式表示为:
PEj(ti)=Pj(ti) (4)
S15,根据t时刻的预测误差,对t时刻之后的m个时刻的用电量预测值进行修正。
具体地,根据t时刻的预测误差ej(t),分别对所述用电设备j在(t+T)、(t+2T)、…、(t+mT)时刻用电量的预测值进行修正,分别得到所述用电设备j在(t+T)、(t+2T)、…、(t+mT)时刻用电量的预测修正值PE′j(t+T)、PE′j(t+2T)、…、PE′j(t+mT)。
优选地,所述预测修正值PE′j(t+T)、PE′j(t+2T)、…、PE′j(t+mT)的计算公式为:
在一实施例中,假设用电设备有2台,采样周期T为1秒。那么,在t=0时刻,设备刚开始工作,此时,e0(0)=P0(0)=0,e1(0)=P1(0)=0;在t=1时刻,用电设备的采集值分别为P1(1)以及P2(1);在t=2时刻,用电设备的采集值分别为P1(2)以及P2(2)。
在t=0时刻,采用牛顿插值法对t=1时刻的用电量预测值进行计算,由于当前所有参数均为0,所预测出的值也只能为0,即PEj(1)=0。
在t=1时刻,采用牛顿插值法对t=2时刻的用电量预测值进行计算,由于当前仅有t=0以及t=1这两个时刻的采集值,根据公式(1)可以得到:
PEj(t)=a0+a1t (6)
根据公式(4)所述的插值条件,并结合算式(6)可以推算出a0=0,a1=Pj(1)。将a0以及a1代入公式(3)对t=1时刻之后的m个时刻的预测值进行计算,假设m=3,则得到
PEj(2)=2Pj(1),PEj(3)=3Pj(1)以及PEj(4)=4Pj(1)
同时,由于PEj(1)=0,可以计算出此时的预测误差为
ej(1)=Pj(1)-PEj(1)=Pj(1)
接着,在t=1时刻,对于t=1时刻之后的m个时刻的预测值,使用t=1时刻的预测误差进行修正,则得到
PE′j(2)=PEj(2)+ej(1)=3Pj(1)
PE′j(3)=PEj(3)+ej(1)=4Pj(1)
PE′j(4)=PEj(4)+ej(1)=5Pj(1)
至此,采用本发明提供的铝加工企业电力用户的用电负荷预测方法,对t=1时刻之后的3个时刻进行了用电量预测,并对其进行了修正,最终获得预测修正值。以上仅列出一轮的预测计算。实际执行中,可对上述的预测计算采取滚动推进的方式来执行,即,每增加新的采集值后,都会更新所述多项式系数ai,并重新执行预测值的计算。
本发明提供的铝加工企业电力用户的用电负荷预测方法有如下优点:引入预测误差进行自学习优化修正,以避免预测计算不准确、预测误差过大的情况,并且通过滚动计算,对预测误差进行持续修正,以便于持续优化预测计算;不仅计算t+1单步的预测值,还计算出t+m的多步预测计算值,从而增大电量预测长度,以避免设备调节响应延时太长而来不及调节的情况;所计算出的预测修正值能够为后续的用电需求评估以及用电计划的制定提供数据支持。
基于上述的铝加工企业电力用户的用电负荷预测方法,本发明还提供一种铝加工企业电力用户的用电负荷预测装置。所述铝加工企业电力用户的用电负荷预测装置包括采集模块、初始预测模块、误差计算模块、过程预测模块以及修正模块。
具体地,所述采集模块用于对用电设备j的用电量以周期T进行实时采集,得到所述用电设备j在时刻t的用电量的实际采集值Pj(t);
所述初始预测模块用于通过牛顿插值法,在(t-T)时刻计算t时刻用电设备j用电量的预测值PEj(t);
所述误差计算模块用于根据所述实际采集值Pj(t)以及所述预测值PEj(t),得到t时刻的预测误差ej(t);
所述过程预测模块用于根据所述实际采集值Pj(t),通过牛顿插值法,对所述用电设备j在(t+T)、(t+2T)、…、(t+mT)时刻的用电量进行计算,得到所述用电设备j用电量在(t+T)、(t+2T)、…、(t+mT)时刻的预测值PEj(t+T)、PEj(t+2T)、…、PEj(t+mT);以及
所述修正模块用于根据t时刻的预测误差ej(t),分别对(t+T)、(t+2T)、…、(t+mT)时刻用电量的预测值进行修正,分别得到(t+T)、(t+2T)、…、(t+mT)时刻用电量的预测修正值PE′j(t+T)、PE′j(t+2T)、…、PE′j(t+mT)。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的系统实施例仅仅是示意性的,其中所述作为分离部件说明的组件可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。上述设备中各个组件的功能和作用的实现过程具体详见上述铝加工企业电力用户的用电负荷预测方法中对应步骤的实现过程,在此不再赘述。
请参阅图2,本发明提供的铝加工企业电力用户的能源管理方法包括以下步骤:
S21,对所有用电设备t时刻之后的m个时刻的用电量进行预测以及修正。
具体地,根据上述的铝加工企业电力用户的用电负荷预测方法,在t时刻计算各用电设备j在(t+T)、(t+2T)、…、(t+mT)时刻的用电量的预测修正值PE′j(t+T)、PE′j(t+2T)、…、PE′j(t+mT)。
S22,对t时刻之后的m个时刻中所有用电设备的预测修正值进行求和。
具体地,对(t+T)、(t+2T)、…、(t+mT)时刻所有用电设备的预测修正值进行求和,得到总用电量的预测修正值PEsum(t+T)、PEsum(t+2T)、…、PEsum(t+mT),其计算公式为:
其中,n为所述用电设备的总数。
S23,分别对t时刻之后的m个时刻的总用电量的预测值与最大需量进行比较。
具体地,针对(t+T)、(t+2T)、…、(t+mT)时刻总用电量的预测修正值,分别将其与预设的最大需量进行比较。
S24,当t时刻之后的m个时刻中任一时刻的总用电量的预测值大于最大需量时,对用电设备的功率进行调整。
具体地,如果任一时刻的所述总用电量的预测修正值大于所述最大需量,则对所述用电设备j进行功率调整,以降低耗电量。
优选地,假设在(t+iT)时刻需要功率调整,那么,需要降低的功率ΔP可通过如下公式计算:
其中,maxPower为所述预设的最大需量,K为功率裕量值。
本发明提供的铝加工企业电力用户的能源管理方法能够根据用电量预测结果,对用电设备的功率进行相应的调整,以使得实际用电需求切合最大需量,实现了最大需量的闭环控制,降低企业能源成本,提高能源利用效率;在进行用电负荷预测计算时,不仅计算t+1单步的预测值,还计算出t+m的多步预测计算值,从而增大电量预测长度,以避免设备调节响应延时太长而来不及调节的情况;在在进行用电负荷预测计算时,引入预测误差进行自学习优化修正,以避免预测计算不准确、预测误差过大的情况,并且通过滚动计算,对预测误差进行持续修正,以便于持续优化预测计算。
基于上述的铝加工企业电力用户的能源管理方法,本发明还提供一种铝加工企业电力用户的能源管理装置,包括负荷预测模块、总用电量预测修正模块以及功率调整模块。
具体地,所述负荷预测模块由上述的铝加工企业电力用户的用电负荷预测装置构成;
所述总用电量预测修正模块用于对(t+T)、(t+2T)、…、(t+mT)时刻所有用电设备的预测修正值进行求和,得到总用电量的预测修正值PEsum(t+T)、PEsum(t+2T)、…、PEsum(t+mT);以及
所述功率调整模块用于针对(t+T)、(t+2T)、…、(t+mT)时刻总用电量的预测修正值,分别将其与预设的最大需量进行比较,如果任一时刻的所述总用电量的预测修正值大于所述最大需量,则对所述用电设备j进行功率调整,以降低耗电量。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的系统实施例仅仅是示意性的,其中所述作为分离部件说明的组件可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。上述设备中各个组件的功能和作用的实现过程具体详见上述铝加工企业电力用户的能源管理方法中对应步骤的实现过程,在此不再赘述。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (9)
1.一种铝加工企业电力用户的用电负荷预测方法,其特征在于,包括:
对用电设备j的用电量以周期T进行实时采集,得到所述用电设备j在时刻t的用电量的实际采集值Pj(t);
通过牛顿插值法,在(t-T)时刻计算t时刻用电设备j用电量的预测值PEj(t);
根据所述实际采集值Pj(t)以及所述预测值PEj(t),得到t时刻的预测误差ej(t);
根据所述实际采集值Pj(t),通过牛顿插值法,对所述用电设备j在(t+T)、(t+2T)、…、(t+mT)时刻的用电量进行计算,得到所述用电设备j用电量在(t+T)、(t+2T)、…、(t+mT)时刻的预测值PEj(t+T)、PEj(t+2T)、…、PEj(t+mT);
根据t时刻的预测误差ej(t),分别对所述用电设备j在(t+T)、(t+2T)、…、(t+mT)时刻用电量的预测值进行修正,分别得到所述用电设备j在(t+T)、(t+2T)、…、(t+mT)时刻用电量的预测修正值PE′j(t+T)、PE′j(t+2T)、…、PE′j(t+mT)。
2.根据利要求1述的铝加工企业电力用户的用电负荷预测方法,其特征在于:
在(t-T)时刻,通过(N-1)阶牛顿插值多项式预测模型对t、(t+T)、…、(t+mT-T)时刻的用电量数据进行预测;
在t时刻,通过N阶牛顿插值多项式预测模型对(t+T)、(t+2T)、…、(t+mT)时刻的用电量数据进行预测。
5.根据权利要求4述的铝加工企业电力用户的用电负荷预测方法,其特征在于,根据所述实际采集值Pj(t)以及所述预测值PEj(t),得到t时刻的预测误差ej(t),包括:
通过如下计算公式,得到所述t时刻的预测误差ej(t):
ej(t)=Pj(t)-PEj(t)。
6.一种铝加工企业电力用户的用电负荷预测装置,其特征在于,包括:
采集模块,用于对用电设备j的用电量以周期T进行实时采集,得到所述用电设备j在时刻t的用电量的实际采集值Pj(t);
初始预测模块,用于通过牛顿插值法,在(t-T)时刻计算t时刻用电设备j用电量的预测值PEj(t);
误差计算模块,用于根据所述实际采集值Pj(t)以及所述预测值PEj(t),得到t时刻的预测误差ej(t);
过程预测模块,用于根据所述实际采集值Pj(t),通过牛顿插值法,对所述用电设备j在(t+T)、(t+2T)、…、(t+mT)时刻的用电量进行计算,得到所述用电设备j用电量在(t+T)、(t+2T)、…、(t+mT)时刻的预测值PEj(t+T)、PEj(t+2T)、…、PEj(t+mT);以及
修正模块,用于根据t时刻的预测误差ej(t),分别对(t+T)、(t+2T)、…、(t+mT)时刻用电量的预测值进行修正,分别得到(t+T)、(t+2T)、…、(t+mT)时刻用电量的预测修正值PE′j(t+T)、PE′j(t+2T)、…、PE′j(t+mT)。
7.一种铝加工企业电力用户的能源管理方法,其特征在于,包括:
根据权利要求1至5中任一权利要求所述的铝加工企业电力用户的用电负荷预测方法,在t时刻计算各用电设备j在(t+T)、(t+2T)、…、(t+mT)时刻的用电量的预测修正值PE′j(t+T)、PE′j(t+2T)、…、PE′j(t+mT);
对(t+T)、(t+2T)、…、(t+mT)时刻所有用电设备的预测修正值进行求和,得到总用电量的预测修正值PEsum(t+T)、PEsum(t+2T)、…、PEsum(t+mT),其计算公式为:
其中,n为所述用电设备的总数;
针对(t+T)、(t+2T)、…、(t+mT)时刻总用电量的预测修正值,分别将其与预设的最大需量进行比较,如果任一时刻的所述总用电量的预测修正值大于所述最大需量,则对所述用电设备j进行功率调整,以降低耗电量。
9.一种铝加工企业电力用户的能源管理装置,其特征在于,包括:
负荷预测模块,由根据权利要求6所述的铝加工企业电力用户的用电负荷预测装置构成;
总用电量预测修正模块,用于对(t+T)、(t+2T)、…、(t+mT)时刻所有用电设备的预测修正值进行求和,得到总用电量的预测修正值PEsum(t+T)、PEsum(t+2T)、…、PEsum(t+mT);以及
功率调整模块,用于针对(t+T)、(t+2T)、…、(t+mT)时刻总用电量的预测修正值,分别将其与预设的最大需量进行比较,如果任一时刻的所述总用电量的预测修正值大于所述最大需量,则对所述用电设备j进行功率调整,以降低耗电量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011536400.6A CN112668765A (zh) | 2020-12-23 | 2020-12-23 | 铝加工企业电力用户的负荷预测及能源管理的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011536400.6A CN112668765A (zh) | 2020-12-23 | 2020-12-23 | 铝加工企业电力用户的负荷预测及能源管理的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112668765A true CN112668765A (zh) | 2021-04-16 |
Family
ID=75408051
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011536400.6A Pending CN112668765A (zh) | 2020-12-23 | 2020-12-23 | 铝加工企业电力用户的负荷预测及能源管理的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112668765A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106611950A (zh) * | 2015-10-21 | 2017-05-03 | 中国电力科学研究院 | 一种实时调度计划中的预测负荷修正方法 |
CN106779179A (zh) * | 2016-11-28 | 2017-05-31 | 新奥泛能网络科技股份有限公司 | 一种空调机组的负荷预测方法及设备 |
CN108846528A (zh) * | 2018-09-19 | 2018-11-20 | 云南电网有限责任公司信息中心 | 一种大工业电力用户长期负荷预测方法 |
CN111178618A (zh) * | 2019-12-25 | 2020-05-19 | 国网天津市电力公司电力科学研究院 | 一种智能电网负荷预测方法 |
-
2020
- 2020-12-23 CN CN202011536400.6A patent/CN112668765A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106611950A (zh) * | 2015-10-21 | 2017-05-03 | 中国电力科学研究院 | 一种实时调度计划中的预测负荷修正方法 |
CN106779179A (zh) * | 2016-11-28 | 2017-05-31 | 新奥泛能网络科技股份有限公司 | 一种空调机组的负荷预测方法及设备 |
CN108846528A (zh) * | 2018-09-19 | 2018-11-20 | 云南电网有限责任公司信息中心 | 一种大工业电力用户长期负荷预测方法 |
CN111178618A (zh) * | 2019-12-25 | 2020-05-19 | 国网天津市电力公司电力科学研究院 | 一种智能电网负荷预测方法 |
Non-Patent Citations (1)
Title |
---|
包丹: "一种简单易行的超短期负荷预报方法", 东北电力技术, no. 03, pages 50 - 52 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wei et al. | A bi-level scheduling model for virtual power plants with aggregated thermostatically controlled loads and renewable energy | |
Rahmani-Andebili et al. | Cooperative distributed energy scheduling for smart homes applying stochastic model predictive control | |
Wang et al. | Two-stage mechanism for massive electric vehicle charging involving renewable energy | |
US10305309B2 (en) | Electrical energy storage system with battery state-of-charge estimation | |
CA3032428A1 (en) | Electrical energy storage system with battery resistance estimation | |
WO2010098455A1 (ja) | 排出係数算定器および排出係数算定方法 | |
WO2009029777A1 (en) | Automated peak demand controller | |
JP7249155B2 (ja) | 蓄電池管理装置および蓄電池管理方法 | |
CN107231001B (zh) | 一种基于改进灰色预测的楼宇微网在线能量管理方法 | |
JP2010068704A (ja) | 直接負荷制御システム | |
US20150295423A1 (en) | Battery controller, management system, battery control method, battery control program, and storage medium | |
CN110276489B (zh) | 基于㶲损最低的多能量枢纽分布式优化调度方法及系统 | |
CN111342459A (zh) | 一种电力需量决策分析系统及方法 | |
CN111555291A (zh) | 一种基于自适应粒子群的负荷集群控制方法 | |
CN103116814A (zh) | 一种地区电网主设备中期负荷预测系统 | |
CN111222664A (zh) | 基于可再生能源与负荷响应的电力市场机制设计方法 | |
CN113644652B (zh) | 一种基于用户不确定性行为的负荷调控优化系统 | |
US20140246909A1 (en) | System and method for balancing supply and demand of energy on an electrical grid | |
Lu et al. | Two-stage robust scheduling and real-time load control of community microgrid with multiple uncertainties | |
CN117791625A (zh) | 电动汽车有序充放电规划方法、设备及介质 | |
CN112668765A (zh) | 铝加工企业电力用户的负荷预测及能源管理的方法及装置 | |
CN110555562B (zh) | 一种泛在电力物联网中综合能源系统分层能量管理方法 | |
CN112926811A (zh) | 一种考虑可再生能源消纳责任权重的负荷聚合商购电方法 | |
CN113869927B (zh) | 一种促进社区微网内部多产消者能源共享的分时定价方法 | |
CN111523792B (zh) | 综合能源系统调度参数计算、设备控制方法及相关装置 |
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: 20210416 |