CN113139672A - 一种居民生活用电量预测方法 - Google Patents

一种居民生活用电量预测方法 Download PDF

Info

Publication number
CN113139672A
CN113139672A CN202010377809.1A CN202010377809A CN113139672A CN 113139672 A CN113139672 A CN 113139672A CN 202010377809 A CN202010377809 A CN 202010377809A CN 113139672 A CN113139672 A CN 113139672A
Authority
CN
China
Prior art keywords
electricity consumption
residents
average
rural
resident
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
Application number
CN202010377809.1A
Other languages
English (en)
Inventor
刘青
单葆国
谭显东
张春成
汲国强
张莉莉
张成龙
王向
王红
吴姗姗
吴鹏
段金辉
徐朝
翁玉艳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Energy Research Institute Co Ltd
North China Electric Power University
Original Assignee
State Grid Energy Research Institute Co Ltd
North China Electric Power University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Energy Research Institute Co Ltd, North China Electric Power University filed Critical State Grid Energy Research Institute Co Ltd
Priority to CN202010377809.1A priority Critical patent/CN113139672A/zh
Priority to AU2020103560A priority patent/AU2020103560A4/en
Publication of CN113139672A publication Critical patent/CN113139672A/zh
Pending legal-status Critical Current

Links

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
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (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

本发明公开了一种居民生活用电量预测方法，包括以下步骤：确定居民生活用电量、总人口量历史数据，获取目标年人口预测量；根据计量经济学模型，预测目标年人均居民生活用电量；确定并输出目标年居民生活用电量。本发明它能够全面量化分析对经济社会发展、居民生活用电量的影响，采用计量经济学模型得到目标年份居民人均生活用电量结果；同时对历年城镇/农村人口总数的分析与预测，及获取的目标年份的城镇/农村人口预测结果，最终得到目标年份居民生活用电量预测结果。预测居民生活用电量，有利于合理有效的电力规划，促进电力系统安全、经济和可靠的运行。

Description

一种居民生活用电量预测方法
技术领域
本发明涉及电力分析的技术领域，具体涉及一种居民生活用电量预测方法。
背景技术
电力是支撑经济社会发展的重要基础性资源，电力需求预测技术是制定能源电力发展战略规划及政策的基础。
有鉴于此，继续提供一种能够全面量化分析对经济社会发展、居民生活用电量的影响预测方法。
发明内容
本发明提供了一种居民生活用电量预测方法，包括以下步骤：
确定居民生活用电量、总人口量历史数据，获取目标年人口预测量；
根据计量经济学模型，预测目标年人均居民生活用电量；确定并输出目标年居民生活用电量。
在上述方法中，所述确定居民生活用电量、总人口历史数据，获取目标年人口预测量具体包括以下步骤：
获取居民生活用电量、总人口量历史数据；获取目标年人口预测量；
根据居民生活用电量、总人口量历史数据计算城镇居民人均生活用电量与农村居民人均生活用电量；
其中，居民生活用电量包括城镇居民生活用电量和农村居民生活用电量；总人口量包括城镇人口和农村人口。
在上述方法中，所述根据计量经济学模型，预测目标年人均居民生活用电量具体包括以下步骤：
确定对人均居民生活用电量影响机理；确定反映影响城镇和农村居民人均生活用电量的具体指标；利用计量经济学模型及所述各具体指标，建立关于城镇居民人均生活用电量、农村居民人均生活用电量回归模型；
采用趋势外推方法，预测目标年反映影响城镇和农村居民人均生活用电量的各指标值；
根据预测的各指标值，并结合回归模型，确定预测目标年城镇居民人均生活用电量和农村居民人均生活用电量。
在上述方法中，所述确定并输出目标年居民生活用电量包括以下步骤：
根据预测目标年城镇居民人均生活用电量、农村居民人均生活用电量及目标年人口预测量，分别计算目标年城镇居民生活用电量和农村居民生活用电量；
将目标年份城镇和居民生活用电量相加，得到目标年居民生活用电量预测量。
在上述方法中，所述具体指标包括城镇居民消费支出、LED室内照明产值、家用空调内销量；农村居民消费支出、农村居民住房面积。
在上述方法中，所述利用计量经济学模型及所述各具体指标，建立关于城镇居民人均生活用电量、农村居民人均生活用电量回归模型具体如下：
(1)城镇居民人均生活用电量r1与具体指标进行回归模型如下：
r1＝0.008858e1+(-0.540608)e2+185.245exp(e3)-103.593
式中，e1、e2、e3分别为城镇居民人均消费支出、人均LED室内照明产值与人均家用空调内销量，分别通过城镇居民消费支出、LED室内照明产值、家用空调内销量指标除以所述城镇人口计算所得；
(2)农村居民人均生活用电量r2与具体指标进行回归模型如下：
r2＝0.023466f1+10.2310f2+114.352
式中，f1为农村居民人均消费支出、f2为农村居民人均住房面积，分别通过农村居民消费支出、农村居民住房面积除以所述农村人口计算所得。
在上述方法中，所述预测指标包括目标年城镇居民人均消费支出E1、城镇居民人均LED室内照明产值E2、城镇居民人均家用空调内销量E3、农村居民人均消费支出F1与农村居民人均住房面积F2。
在上述方法中，所述确定预测目标年城镇居民人均生活用电量R1和农村居民人均生活用电量R2，具体如下：
R1＝f(E1,E2,E3)
R2＝f(F1,F2)。
本发明提供一种居民生活用电量预测方法，它能够全面量化分析对经济社会发展、居民生活用电量的影响，采用计量经济学模型得到目标年份居民人均生活用电量结果。同时对历年城镇/农村人口总数的分析与预测，及获取的目标年份的城镇/农村人口预测结果，最终得到目标年份居民生活用电量预测结果。预测居民生活用电量，有利于合理有效的电力规划，促进电力系统安全、经济和可靠的运行。
附图说明
图1为本发明提供的流程图；
图2为本发明提供的步骤S1具体实现步骤；
图3为本发明提供的步骤S2具体实现步骤。
具体实施方式
本专利的目的在于提供一种我国居民生活用电量预测方法，它能够全面量化分析对经济社会发展、居民生活用电量的影响，采用计量经济学模型得到目标年份居民人均生活用电量结果。同时对历年城镇/农村人口总数的分析与预测，及获取的目标年份的城镇/农村人口预测结果，最终得到目标年份居民生活用电量预测结果。预测居民生活用电量，有利于合理有效的电力规划，促进电力系统安全、经济和可靠的运行。下面结合具体实施方式和说明书附图对本发明做出详细的说明。
如图1所示，本发明提供了一种居民生活用电量预测方法，包括以下步骤：
S1、确定居民生活用电量、总人口历史数据及目标年人口预测量，如图 2所示，具体包括以下步骤：
S11、获取居民生活用电量、总人口历史数据；其中，
居民生活用电量数据包括城镇居民生活用电量w1和农村居民生活用电量w2，数据来自中国电力企业联合会；总人口量包括城镇人口p1和农村人口p2，各数据来自国家统计局数据，时间跨度可为近20年。
S12、获取目标年人口预测量；
本实施例可参考联合国等权威机构数据确定获取目标年人口预测量，包括城镇居民人口预测值P1和农村居民人口预测值P2。
S13、根据步骤S11中获取的数据，计算城镇居民人均生活用电量与农村居民人均生活用电量；
本实施例，根据上述居民生活用电量、总人口等历史数据，计算城镇居民人均生活用电量r1(单位：千瓦时/人)、农村居民人均生活用电量r2(单位：千瓦时/人)。
Figure RE-GDA0002609687670000041
Figure RE-GDA0002609687670000042
S2、根据计量经济学模型，预测目标年人均居民生活用电量。
S21、确定对人均居民生活用电量影响机理；
本实施中，对居民生活用电量的影响主要可通过“补短板”、“降成本”来实现的。在“补短板”领域，受居民生活水平提高影响，人均住房面积、人均消费支出增长，导致人们对空调等家用电器的需求提升，进而将增加城镇和农村居民人均生活用电量；在“降成本”领域，通过宣扬节电意识，推广使用LED灯等节电设备，进而将减少城镇和农村居民人均生活用电量。
S22、从国家统计局、各部委、行业协会等权威数据源中确定反映影响城镇和农村居民人均生活用电量的具体指标。具体如下：
影响城镇居民人均生活用电量r1的具体指标包括城镇居民消费支出、 LED室内照明产值、家用空调内销量等；且通过上述指标分别除以城镇人口 p1，即可得到城镇居民人均消费支出e1(单位：元)、城镇居民人均LED室内照明产值e2(单位：元/人)、城镇居民人均家用空调内销量e3(单位：台/ 人)。
从影响农村居民人均生活用电量来看，具体指标包括农村居民消费支出、农村居民住房面积等；且通过上述指标分别除以农村人口p2，即可得到农村居民人均消费支出f1(单位：元)、农村居民人均住房面积f2(单位：平方米)。
S23、利用计量经济学模型及所述各具体指标，建立关于城镇居民人均生活用电量r1、农村居民人均生活用电量r2回归模型，对城镇居民人均生活用电量r1、农村居民人均生活用电量r2进行回归分析。具体包括以下步骤：
(1)对城镇居民人均生活用电量r1与具体指标进行回归分析，具体指标为步骤S22中城镇居民人均消费支出e1、城镇居民人均LED室内照明产值e2与城镇居民人均家用空调内销量e3；即回归模型为：
r1＝f(e1,e2,e3)
则本实施例城镇居民人均生活用电量r1关于城镇居民人均消费支出e1、人均LED室内照明产值e2、人均家用空调内销e3的回归模型如下：
r1＝0.008858e1+(-0.540608)e2+185.245exp(e3)-103.593
(2)对农村居民人均生活用电量r2与具体指标进行回归分析。具体指标包含步骤S22中农村居民人均消费支出f1与农村居民人均住房面积f2；即回归模型为：
r2＝f(f1,f2)
则本实施例农村居民人均生活用电量r2关于农村居民人均消费支出f1、农村居民人均住房面积f2的回归模型如下：
r2＝0.023466f1+10.2310f2+114.352
本实施例，若上述两个回归模型的拟合优度R2大于90％，且能通过F 检验和T检验，则分别将上述回归模型作为城镇居民人均生活用电量r1与农村居民人均生活用电量r2的最优回归模型。
根据计算分析可知，上述城镇居民人均生活用电量r1关于城镇居民人均消费支出e1、人均LED室内照明产值e2、人均家用空调内销e3的回归模型判定系数R2＝99.65％(此处表示的是r1和e1、e2、exp(e3)的判定系数)，表明该回归模型拟合优度较高；F＝1882.17，远大于临界值1.11E-24，表明回归模型能通过F检验；回归模型中变量e1、e2、exp(e3)的P-value分别为1.42E-10、 5.19E-07、0.083648，均小于0.1，表明回归模型能通过T检验；则说明该模型可作为适用于城镇居民人均生活用电量预测模型的方法。
上述农村居民人均生活用电量r2关于农村居民人均消费支出f1、农村居民人均住房面积f2的回归模型判定系数R2＝98.25％(此处表示的是r2和f1、 f2的判定系数)，表明该回归模型拟合优度较高；F＝374.876，远大于临界值 9.74E-18，表明回归模型能通过F检验；回归模型中变量f1、f2的P-value分别为0.000367、0.000504，均小于0.1，表明回归模型能通过T检验；则说明该模型可作为纳入农村居民人均生活用电量预测模型的方法。
S24、考虑经济社会发展等影响，采用趋势外推等方法，预测目标年反映影响城镇和农村居民人均生活用电量的各指标值。
预测指标包括目标年城镇居民人均消费支出E1、城镇居民人均LED室内照明产值E2、城镇居民人均家用空调内销量E3、农村居民人均消费支出 F1、农村居民人均住房面积F2等参数。
S25、根据步骤S24中各预测指标值，并结合步骤S23中城镇、农村居民人均生活用电量回归模型，确定预测目标年城镇居民人均生活用电量R1和农村居民人均生活用电量R2，具体如下：
R1＝f(E1,E2,E3)
R2＝f(F1,F2)
S3、根据目标年人口预测量，确定并输出目标年居民生活用电量。
S31、分别计算目标年城镇居民生活用电量W1和农村居民生活用电量 W2，具体通过下式计算：
W1＝R1P1
W2＝R2P2
S32、将目标年份城镇和居民生活用电量相加，得到目标年居民生活用电量W预测量，即
W＝W1+W2
本方法的技术难点在于如何运用计量经济学模型对居民人均生活用电量及其指标进行回归分析，尤其指标的选取将成为影响预测结果的重要因素。通过本方法预测居民生活用电量，有利于合理有效的电力规划，促进电力系统安全、经济和可靠的运行。
最后应说明的是：以上各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各实施例技术方案的范围。

Claims (8)

1.一种居民生活用电量预测方法，其特征在于，包括以下步骤：
确定居民生活用电量、总人口量历史数据，获取目标年人口预测量；
根据计量经济学模型，预测目标年人均居民生活用电量；
确定并输出目标年居民生活用电量。
2.如权利要求1所述的方法，其特征在于，所述确定居民生活用电量、总人口历史数据，获取目标年人口预测量具体包括以下步骤：
获取居民生活用电量、总人口量历史数据；获取目标年人口预测量；
根据居民生活用电量、总人口量历史数据计算城镇居民人均生活用电量与农村居民人均生活用电量；
其中，居民生活用电量包括城镇居民生活用电量和农村居民生活用电量；总人口量包括城镇人口和农村人口。
3.如权利要求1所述的方法，其特征在于，所述根据计量经济学模型，预测目标年人均居民生活用电量具体包括以下步骤：
确定对人均居民生活用电量影响机理；确定反映影响城镇和农村居民人均生活用电量的具体指标；利用计量经济学模型及所述各具体指标，建立关于城镇居民人均生活用电量、农村居民人均生活用电量回归模型；
采用趋势外推方法，预测目标年反映影响城镇和农村居民人均生活用电量的各指标值；
根据预测的各指标值，并结合回归模型，确定预测目标年城镇居民人均生活用电量和农村居民人均生活用电量。
4.如权利要求3所述的方法，其特征在于，所述确定并输出目标年居民生活用电量包括以下步骤：
根据预测目标年城镇居民人均生活用电量、农村居民人均生活用电量及目标年人口预测量，分别计算目标年城镇居民生活用电量和农村居民生活用电量；
将目标年份城镇和居民生活用电量相加，得到目标年居民生活用电量预测量。
5.如权利要求3所述的方法，其特征在于，所述具体指标包括城镇居民消费支出、LED室内照明产值、家用空调内销量；农村居民消费支出、农村居民住房面积。
6.如权利要求5所述的方法，其特征在于，所述利用计量经济学模型及所述各具体指标，建立关于城镇居民人均生活用电量、农村居民人均生活用电量回归模型具体如下：
(1)城镇居民人均生活用电量r1与具体指标进行回归模型如下：
r1＝0.008858e1+(-0.540608)e2+185.245exp(e3)-103.593
式中，e1、e2、e3分别为城镇居民人均消费支出、人均LED室内照明产值与人均家用空调内销量，分别通过城镇居民消费支出、LED室内照明产值、家用空调内销量指标除以所述城镇人口计算所得；
(2)农村居民人均生活用电量r2与具体指标进行回归模型如下：
r2＝0.023466f1+10.2310f2+114.352
式中，f1为农村居民人均消费支出、f2为农村居民人均住房面积，分别通过农村居民消费支出、农村居民住房面积除以所述农村人口计算所得。
7.如权利要求6所述的方法，其特征在于，所述预测指标包括目标年城镇居民人均消费支出E1、城镇居民人均LED室内照明产值E2、城镇居民人均家用空调内销量E3、农村居民人均消费支出F1与农村居民人均住房面积F2。
8.如权利要求7所述的方法，其特征在于，所述确定预测目标年城镇居民人均生活用电量R1和农村居民人均生活用电量R2，具体如下：
R1＝f(E1,E2,E3)
R2＝f(F1,F2)。
CN202010377809.1A 2020-05-07 2020-05-07 一种居民生活用电量预测方法 Pending CN113139672A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010377809.1A CN113139672A (zh) 2020-05-07 2020-05-07 一种居民生活用电量预测方法
AU2020103560A AU2020103560A4 (en) 2020-05-07 2020-11-19 Method for predicting household electricity consumption adapted to supply-side structural reform

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010377809.1A CN113139672A (zh) 2020-05-07 2020-05-07 一种居民生活用电量预测方法

Publications (1)

Publication Number Publication Date
CN113139672A true CN113139672A (zh) 2021-07-20

Family

ID=74236425

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010377809.1A Pending CN113139672A (zh) 2020-05-07 2020-05-07 一种居民生活用电量预测方法

Country Status (2)

Country Link
CN (1) CN113139672A (zh)
AU (1) AU2020103560A4 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113609179A (zh) * 2021-06-17 2021-11-05 国网江西省电力有限公司供电服务管理中心 人口流入评估方法、电子设备及存储介质
CN114077927A (zh) * 2021-11-19 2022-02-22 国网辽宁省电力有限公司鞍山供电公司 一种行业gdp-用电量分析方法
CN114116843B (zh) * 2021-11-25 2023-08-18 国网江苏省电力有限公司连云港供电分公司 基于用电数据的村镇小型污水处理设施运行监测方法
CN114519614A (zh) * 2022-03-03 2022-05-20 国网江苏省电力有限公司南通供电分公司 一种电能计价方式智能选择方法及系统
CN116523687B (zh) * 2023-06-26 2023-10-03 国网能源研究院有限公司 考虑多因素的用电增长驱动力分解方法、装置和存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103440556A (zh) * 2013-09-04 2013-12-11 国家电网公司 一种基于经济传导的用电量预测方法
CN103679289A (zh) * 2013-12-09 2014-03-26 国家电网公司 基于多元回归外推法的电力负荷预测方法
CN107220735A (zh) * 2017-07-14 2017-09-29 国网河北省电力公司经济技术研究院 一种电力行业分类的多变量农网电量预测方法
CN109214610A (zh) * 2018-11-16 2019-01-15 国网江苏省电力有限公司经济技术研究院 一种基于长短期记忆神经网络的饱和电力负荷预测方法
CN109543908A (zh) * 2018-11-26 2019-03-29 国家电网有限公司 一种基于居民家用电器能耗核算的居民用电量的预测方法
CN109615139A (zh) * 2018-12-14 2019-04-12 西安理工大学 一种基于文化遗传算法的居民中长期用电量预测方法
CN109740790A (zh) * 2018-11-28 2019-05-10 国网天津市电力公司 一种基于时序特征提取的用户用电量预测方法
CN110751312A (zh) * 2019-09-10 2020-02-04 华中科技大学 一种基于多因子的系统动力学生活需水预测方法和系统
CN110991843A (zh) * 2019-11-22 2020-04-10 国网山东省电力公司临沂供电公司 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

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103440556A (zh) * 2013-09-04 2013-12-11 国家电网公司 一种基于经济传导的用电量预测方法
CN103679289A (zh) * 2013-12-09 2014-03-26 国家电网公司 基于多元回归外推法的电力负荷预测方法
CN107220735A (zh) * 2017-07-14 2017-09-29 国网河北省电力公司经济技术研究院 一种电力行业分类的多变量农网电量预测方法
CN109214610A (zh) * 2018-11-16 2019-01-15 国网江苏省电力有限公司经济技术研究院 一种基于长短期记忆神经网络的饱和电力负荷预测方法
CN109543908A (zh) * 2018-11-26 2019-03-29 国家电网有限公司 一种基于居民家用电器能耗核算的居民用电量的预测方法
CN109740790A (zh) * 2018-11-28 2019-05-10 国网天津市电力公司 一种基于时序特征提取的用户用电量预测方法
CN109615139A (zh) * 2018-12-14 2019-04-12 西安理工大学 一种基于文化遗传算法的居民中长期用电量预测方法
CN110751312A (zh) * 2019-09-10 2020-02-04 华中科技大学 一种基于多因子的系统动力学生活需水预测方法和系统
CN110991843A (zh) * 2019-11-22 2020-04-10 国网山东省电力公司临沂供电公司 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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王丽雪: "中国居民生活用电量分解与预测研究", 中国优秀硕士学位论文全文数据库工程科技Ⅱ辑, no. 01, 15 January 2020 (2020-01-15), pages 042 - 104 *

Also Published As

Publication number Publication date
AU2020103560A4 (en) 2021-02-04

Similar Documents

Publication Publication Date Title
CN113139672A (zh) 一种居民生活用电量预测方法
Zhang et al. Exploring the climatic impacts on residential electricity consumption in Jiangsu, China
Sheng et al. Energy consumption model and energy benchmarks of five-star hotels in China
Xiao et al. Marginal abatement cost and carbon reduction potential outlook of key energy efficiency technologies in China׳ s building sector to 2030
Sekki et al. Measured energy consumption of educational buildings in a Finnish city
Farzaneh et al. An integrated supply-demand model for the optimization of energy flow in the urban system
CN104570973A (zh) 一种企业能源管理方法及装置
CN107748972A (zh) 一种基于双能源指标预测全社会用电量的方法
CN114723134A (zh) 一种多情景建筑碳排放预测方法及装置
KR20120076662A (ko) 에너지 자원 관리장치 및 방법
Qian et al. Power consumption and energy efficiency of VRF system based on large scale monitoring virtual sensors
Bakar et al. Sustainable energy management practices and its effect on EEI: a study on university buildings
Khalaji Assadi Energy demand model of the household sector and its application in developing metropolitan cities (case study: Tehran)
CN111380155B (zh) 实时在线冷源运行综合效率用能诊断方法
CN109543908A (zh) 一种基于居民家用电器能耗核算的居民用电量的预测方法
CN109741213A (zh) 一种零能耗建筑耗能控制方法及系统
JP5600085B2 (ja) 評価支援システム、方法およびプログラム
JP2007316895A (ja) 住宅プラン提示システム
CN105894137A (zh) 居民用电需求预测方法和系统
Jin et al. Measurement and normalization methods to provide detailed information on energy consumption by usage in apartment buildings
Lee et al. A method to assess the energy performance of existing commercial complexes
CN116663997A (zh) 一种分体式空调节能效果评估方法、系统、设备及介质
CN103235563B (zh) 一种工业现场设备能效评估方法
Kong et al. Energy consumption, indoor environmental quality, and benchmark for office buildings in Hainan Province of China
Guo et al. Cost-effective subsidy incentives for room air conditioners in China: An analysis based on a McFadden-type discrete choice model

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