CN112785118A - 一种小型售电公司代理用户的月度用电量预测分析方法 - Google Patents
一种小型售电公司代理用户的月度用电量预测分析方法 Download PDFInfo
- Publication number
- CN112785118A CN112785118A CN202011549036.7A CN202011549036A CN112785118A CN 112785118 A CN112785118 A CN 112785118A CN 202011549036 A CN202011549036 A CN 202011549036A CN 112785118 A CN112785118 A CN 112785118A
- Authority
- CN
- China
- Prior art keywords
- user
- actual
- month
- electricity consumption
- correlation
- 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
- 230000005611 electricity Effects 0.000 title claims abstract description 110
- 238000004458 analytical method Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000004519 manufacturing process Methods 0.000 claims abstract description 10
- 238000011160 research Methods 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 25
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000003491 array Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000007547 defect Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种小型售电公司代理用户的月度用电量预测分析方法,包括步骤:将售电公司的代理用户群体记为C,根据类型分为用户群体C1、C2和C3,对于用户群体C1,使用实地调研获取下月生产计划的办法计算下月预测电量,对于用户群体C2,通过PMI计算下月预测电量,对于用户群体C3,计算去年每个月的实际用电量和前年同期实际用电量的相关性,以及去年每个月的实际用电量和上上个月的实际用电量的相关性,取相关性高的用电量值作为下月预测电量,代理用户群体C的月度用电量预测为用户群体C1、C2和C3的下月预测电量之和。本发明解决了现有用电量预测技术不足的问题。
Description
技术领域
本发明属于电网自动化调控技术领域,具体涉及一种小型售电公司代 理用户的月度用电量预测分析方法。
背景技术
2015年3月15日新一轮电改拉开序幕,本轮电改核心内容就是发用电 计划、输配电价、售电侧、电力市场建设、电力交易机构等改革。以建立 健全电力市场机制为主要目标,按照管住中间、放开两头的体制架构,有 序放开输配以外的竞争性环节电价,有序向社会资本放开配售电业务,有 序放开公益性和调节性以外的发用电计划,逐步打破垄断,改变电网企业 统购统销电力的状况,推动市场主体直接交易,引导实现能源资源的大范 围优化配置,加快我国能源转型升级。
在这样的背景下,售电公司成为一种新型的电力市场主体,但是他们 签约能力较弱,代理用户多为数量少电量小的用户。根据广东省2019年的 偏差考核信息公示中,民营售电公司控制用户用电量的能力弱,签约收益 的近60%被偏差考核所扣除,极大影响售电公司的盈利能力。
现有的用电量预测技术不足如下:1)考虑的是在大数据样本下进行的 用电量预测,而我国的售电公司除了个别体量大,满足数据要求,绝大多 数售电公司代理用户体量小,不满足对应的数据测算标准,市面上对小数 据样本的研究办法极少;2)考虑的是单纯的用电量预测办法,没有考虑售 电公司签约用户的特性,即单纯的用电量预测没有对整个用户的签约形成 正负反馈的改进闭环。
发明内容
本发明的目的在于克服现有技术中的不足,提供一种小型售电公司代 理用户的月度用电量预测分析方法,解决了现有用电量预测技术不足的问 题。
本发明提供了如下的技术方案:
一种小型售电公司代理用户的月度用电量预测分析方法,包括以下步 骤:
将售电公司的代理用户群体记为C,收集用户群体C去年和前年每个 月的实际用电量,计算每个用户每年实际用电量的标准差,根据两年的两 组标准差数据计算相关性,若相关性大于0.97,则进行以下月度用电量预 测分析;
将去年标准差较大的前20%用户群体记为C1,在C-C1的用户中,计 算每个用户相对于C-C1的用户群体的相关性,将相关性大于0.9的用户群 体记为C2,剩余用户群体记为C3;
对于用户群体C1,使用实地调研获取下月生产计划的办法计算下月预 测电量;
对于用户群体C2,通过PMI计算下月预测电量;
对于用户群体C3,计算去年每个月的实际用电量和前年同期实际用电 量的相关性,以及去年每个月的实际用电量和上上个月的实际用电量的相 关性,取相关性高的用电量值作为下月预测电量;
代理用户群体C的月度用电量预测为用户群体C1、C2和C3的下月预 测电量之和。
所有用户的标准差组成两个数组:
式中:A1、A2……An-1、An表示用户A1、用户A2……用户An-1、用 户An;
计算两个数组的相关性:
式中:Cov(T1,T2)为T1和T2的协方差,Var[T1]为T1的方差,Var[T2]为 T2的方差;
如果r≥0.97,则认为样本中用户的历史用电量风险可作为明年的风险 使用,否则认为样本中用户风险不连续,不能作为预测数据来进行使用。
优选的,计算用户群体C1中每个用户的风险溢价,若去年从该用户处 获得的收益不足以覆盖其风险溢价,则考虑放弃该用户。
优选的,在C-C1的用户中,计算每个用户同其他用户的相关性,相关 性最大的前三组数据取平均值,即为该用户相对于C-C1的用户群体的相关 性。
优选的,在C-C1的用户中,每个用户相对于C-C1用户群体的相关性 的计算方法包括步骤:
C-C1所有用户去年12个月的实际用电量组成的矩阵为:
用户A1去年12个月的实际用电量为一个数组:
计算两个用户的相关性,用户An和Am的相关性为:
计算整个矩阵,得到:
剔除矩阵中同一个数据和自己相关性的计算值:1,取每个数字前三项 的相关性为该用户实际用电的相关性指标:
式中:large-3代表取数组中最大的前三项的平均值。
优选的,用户群体C3下月预测电量的计算方法包括步骤:
用户群体C3所有用户两年24个月的实际用电量组成的矩阵为:
式中:横行为每个月所有用户的实际用电量,竖列为一个用户24个月 的实际用电量:
所有用户每个月的实际用电量均组合为若干数组:
计算Yn和Ym两个月之间的相关性:
计算整个矩阵,得到:
整理计算结果,得到去年每个月的实际用电量和前年同期实际用电量 的相关性,以及去年每个月的实际用电量和上上个月的实际用电量的相关 性,取相关性高的用电量值作为下月预测电量。
与现有技术相比,本发明的有益效果是:
(1)本发明通过对用电特性进行分类,区别了不同类型的用户,包括 用户群体C1、C2和C3,同时引入度电风险的概念,有助于售电公司理解 风险对冲的基本原理,清晰知道哪些用户可以被作为风险对冲的对象,哪 些用户是需要独立核算收益;
(2)对于用户群体C1,考虑用户群体对用电量的影响未来不确定性 较大,使用实地调研获取下月生产计划的办法计算下月预测电量;
(3)对于用户群体C2,考虑用户之间的关联性通过相关性计算来表 达,这部分用户受到宏观环境的影响较大,引入宏观因子PMI,在一定程 度上,比较单纯的依靠历史数据进行的用电量预测精度上更高;
(4)对于用户群体C3,考虑用户用电特性相对独立,这部分用户通 过参考历史数据来进行用电量的预测,更符合白盒设计思想,用户可清楚 的知道整个预测的过程和原理。
附图说明
图1是本发明的流程示意图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地 说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如图1所示,一种小型售电公司代理用户的月度用电量预测分析方法, 包括以下步骤:
步骤一、将售电公司的代理用户群体记为C,收集用户群体C去年和 前年每个月的实际用电量,计算每个用户每年实际用电量的标准差,根据 两年的两组标准差数据计算相关性,若相关性大于0.97,则进行以下月度 用电量预测分析。
所有用户的标准差组成两个数组:
式中:A1、A2……An-1、An表示用户A1、用户A2……用户An-1、用 户An;
计算两个数组的相关性:
式中:Cov(T1,T2)为T1和T2的协方差,Var[T1]为T1的方差,Var[T2]为 T2的方差;
如果r≥0.97,则认为样本中用户的历史用电量风险可作为明年的风险 使用,否则认为样本中用户风险不连续,不能作为预测数据来进行使用。
步骤二、将去年标准差较大的前20%用户群体记为C1,计算每个用户 同其他用户的相关性,相关性最大的前三组数据取平均值,即为该用户相 对于C-C1的用户群体的相关性,将相关性大于0.9的用户群体记为C2,剩 余用户群体记为C3。
具体的,在C-C1的用户中,每个用户相对于C-C1用户群体的相关性 的计算方法包括步骤:
C-C1所有用户去年12个月的实际用电量组成的矩阵为:
用户A1去年12个月的实际用电量为一个数组:
计算两个用户的相关性,用户An和Am的相关性为:
计算整个矩阵,得到:
剔除矩阵中同一个数据和自己相关性的计算值:1,取每个数字前三项 的相关性为该用户实际用电的相关性指标:
式中:large-3代表取数组中最大的前三项的平均值;
相关性大于0.9的用户,我们认为是顺宏观因子用户,即为用户群体 C2。
步骤三、对于用户群体C1,使用实地调研获取下月生产计划的办法计 算下月预测电量。
该用户群体对用电量的影响未来不确定性较大,计算用户群体C1中每 个用户的风险溢价,若去年从该用户处获得的收益不足以覆盖其风险溢价, 则考虑放弃该用户。
步骤四、对于用户群体C2,通过PMI(城市工业生产指数)计算下月 预测电量。
取用户群体C2,通过国家统计局的数据,我们在本月中下旬就可以查 询到上个月的实际制造业PMI和非制造业PMI,我们根据签约用户的的电 量占比,来计算得到新的PMI,通过这个新的PMI乘以用户月的实际用电 量,来计算用户的下月实际用电量。
根据目前市场的现状,开放了代理用户都是制造业用户,所以直接使 用制造业的PMI来进行计算,如果样本中含有非制造业用户,可将PMI按 照非执照业对应的占比,进行折算。
步骤五、对于用户群体C3,计算去年每个月的实际用电量和前年同期 实际用电量的相关性,以及去年每个月的实际用电量和上上个月的实际用 电量的相关性,取相关性高的用电量值作为下月预测电量。
具体的,用户群体C3所有用户两年24个月的实际用电量组成的矩阵 为:
式中:横行为每个月所有用户的实际用电量,竖列为一个用户24个月 的实际用电量:
所有用户每个月的实际用电量均组合为若干数组:
计算Yn和Ym两个月之间的相关性:
计算整个矩阵,得到:
整理计算结果,得到去年每个月的实际用电量和前年同期实际用电量 的相关性,以及去年每个月的实际用电量和上上个月的实际用电量的相关 性,取相关性高的用电量值(即表1中每一行较大的值对应的电量类型) 作为下月预测电量。
表1去年每个月的实际用电量和前年同期实际用电量的相关性,以及去年每个月的 实际用电量和上上个月的实际用电量的相关性
步骤六、代理用户群体C的月度用电量预测为用户群体C1、C2和C3 的下月预测电量之和。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的 普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干 改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (8)
1.一种小型售电公司代理用户的月度用电量预测分析方法,其特征在于,包括以下步骤:
将售电公司的代理用户群体记为C,收集用户群体C去年和前年每个月的实际用电量,计算每个用户每年实际用电量的标准差,根据两年的两组标准差数据计算相关性,若相关性大于0.97,则进行以下月度用电量预测分析;
将去年标准差较大的前20%用户群体记为C1,在C-C1的用户中,计算每个用户相对于C-C1的用户群体的相关性,将相关性大于0.9的用户群体记为C2,剩余用户群体记为C3;
对于用户群体C1,使用实地调研获取下月生产计划的办法计算下月预测电量;
对于用户群体C2,通过PMI计算下月预测电量;
对于用户群体C3,计算去年每个月的实际用电量和前年同期实际用电量的相关性,以及去年每个月的实际用电量和上上个月的实际用电量的相关性,取相关性高的用电量值作为下月预测电量;
代理用户群体C的月度用电量预测为用户群体C1、C2和C3的下月预测电量之和。
所有用户的标准差组成两个数组:
式中:A1、A2……An-1、An表示用户A1、用户A2……用户An-1、用户An;
计算两个数组的相关性:
式中:Cov(T1,T2)为T1和T2的协方差,Var[T1]为T1的方差,Var[T2]为T2的方差;
如果r≥0.97,则认为样本中用户的历史用电量风险可作为明年的风险使用,否则认为样本中用户风险不连续,不能作为预测数据来进行使用。
3.根据权利要求1所述的小型售电公司代理用户的月度用电量预测分析方法,其特征在于,计算用户群体C1中每个用户的风险溢价,若去年从该用户处获得的收益不足以覆盖其风险溢价,则考虑放弃该用户。
5.根据权利要求1所述的小型售电公司代理用户的月度用电量预测分析方法,其特征在于,在C-C1的用户中,计算每个用户同其他用户的相关性,相关性最大的前三组数据取平均值,即为该用户相对于C-C1的用户群体的相关性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011549036.7A CN112785118B (zh) | 2020-12-24 | 2020-12-24 | 一种小型售电公司代理用户的月度用电量预测分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011549036.7A CN112785118B (zh) | 2020-12-24 | 2020-12-24 | 一种小型售电公司代理用户的月度用电量预测分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112785118A true CN112785118A (zh) | 2021-05-11 |
CN112785118B CN112785118B (zh) | 2024-01-26 |
Family
ID=75752055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011549036.7A Active CN112785118B (zh) | 2020-12-24 | 2020-12-24 | 一种小型售电公司代理用户的月度用电量预测分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112785118B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012205432A (ja) * | 2011-03-25 | 2012-10-22 | Tokyo Electric Power Co Inc:The | 変圧器の負荷推定方法および負荷推定システム |
JP2014075851A (ja) * | 2012-10-02 | 2014-04-24 | Tokyo Gas Co Ltd | エネルギー消費量予測システムおよび電力消費量予測方法 |
CN107491886A (zh) * | 2017-08-25 | 2017-12-19 | 广东工业大学 | 一种售电公司市场交易决策方法及系统 |
CN107748940A (zh) * | 2017-11-16 | 2018-03-02 | 国网上海市电力公司 | 一种节电潜力量化预测方法 |
CN109858728A (zh) * | 2018-12-03 | 2019-06-07 | 国网浙江省电力有限公司台州供电公司 | 基于分行业用电特性分析的负荷预测方法 |
CN111062539A (zh) * | 2019-12-25 | 2020-04-24 | 东南大学 | 基于次级用电量特性聚类分析的总电量预测方法 |
-
2020
- 2020-12-24 CN CN202011549036.7A patent/CN112785118B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012205432A (ja) * | 2011-03-25 | 2012-10-22 | Tokyo Electric Power Co Inc:The | 変圧器の負荷推定方法および負荷推定システム |
JP2014075851A (ja) * | 2012-10-02 | 2014-04-24 | Tokyo Gas Co Ltd | エネルギー消費量予測システムおよび電力消費量予測方法 |
CN107491886A (zh) * | 2017-08-25 | 2017-12-19 | 广东工业大学 | 一种售电公司市场交易决策方法及系统 |
CN107748940A (zh) * | 2017-11-16 | 2018-03-02 | 国网上海市电力公司 | 一种节电潜力量化预测方法 |
CN109858728A (zh) * | 2018-12-03 | 2019-06-07 | 国网浙江省电力有限公司台州供电公司 | 基于分行业用电特性分析的负荷预测方法 |
CN111062539A (zh) * | 2019-12-25 | 2020-04-24 | 东南大学 | 基于次级用电量特性聚类分析的总电量预测方法 |
Non-Patent Citations (2)
Title |
---|
李欢欢: "电改环境下我国售电公司风险识别与控制优化模型研究", 中国博士论文电子期刊 * |
李鹏等: "新电改背景下的售电市场竞争策略博弈模型研究", 华北电力大学学报 * |
Also Published As
Publication number | Publication date |
---|---|
CN112785118B (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111126775A (zh) | 一种基于层次分析法的居民客户价值分级模型构建方法 | |
Liu et al. | Factor allocation, economic growth and unbalanced regional development in China | |
CN107292534A (zh) | 城市配电网中长期动态投资的标尺竞争评价方法及装置 | |
CN107818386A (zh) | 电网企业经营利润预测方法 | |
CN112561339A (zh) | 一种优质客户识别方法 | |
CN108596467B (zh) | 一种适于售电公司的市场运营模拟交易仿真系统 | |
CN112465286A (zh) | 一种电动汽车充电网络服务能力评价方法 | |
CN111667090A (zh) | 一种基于深度置信网络与权值共享的负荷预测方法 | |
Yang et al. | Optimal modification of peak-valley period under multiple time-of-use schemes based on dynamic load point method considering reliability | |
CN113450031B (zh) | 居民智慧用能服务潜在台区选取方法及装置 | |
CN113240330A (zh) | 一种需求侧虚拟电厂多维价值评估方法和调度策略 | |
CN111861587A (zh) | 一种基于隐马尔可夫模型和向前算法的居民用电行为分析的系统及方法 | |
CN116701965A (zh) | 一种基于birch聚类算法的企业用户全景碳画像方法 | |
CN112785118A (zh) | 一种小型售电公司代理用户的月度用电量预测分析方法 | |
CN111724049A (zh) | 一种潜在电力能效服务客户的研判方法 | |
CN111275337A (zh) | 一种电力市场发展状态评价方法及系统 | |
CN117236532B (zh) | 一种基于负荷数据的用电高峰负荷预测的方法及系统 | |
CN107403276A (zh) | 分析用电需求的方法和装置 | |
CN113837486B (zh) | 一种基于rnn-rbm的配网馈线长期负荷预测方法 | |
Huang et al. | Research and Application of Electricity Index in Jiangsu Power Market Transactions | |
CN113408900B (zh) | 一种中长期电力市场不同时间尺度的购电量安排方法 | |
CN117933457A (zh) | 一种基于多种电量预测模型组合的电量预测方法与系统 | |
Tao et al. | Power consumption behavior analysis for customer side flexible resources based on data mining | |
Kong et al. | User group portrait method of integrated energy system based on multi-source big data | |
Yufang et al. | Yardstick motivation evaluation method for investment of distribution network |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: No. 38, New Model Road, Gulou District, Nanjing City, Jiangsu Province, 210000 Patentee after: Nanjing Nanzi Huadun Digital Technology Co.,Ltd. Country or region after: China Address before: No.39 Shuige Road, Jiangning District, Nanjing City, Jiangsu Province 211106 Patentee before: NANJING HUADUN POWER INFORMATION SECURITY EVALUATION CO.,LTD. Country or region before: China |