CN113218053A - 空调负荷调控系统 - Google Patents
空调负荷调控系统 Download PDFInfo
- Publication number
- CN113218053A CN113218053A CN202110546022.8A CN202110546022A CN113218053A CN 113218053 A CN113218053 A CN 113218053A CN 202110546022 A CN202110546022 A CN 202110546022A CN 113218053 A CN113218053 A CN 113218053A
- Authority
- CN
- China
- Prior art keywords
- load
- control
- related data
- regulation
- air conditioner
- 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
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
Abstract
本发明提供了一种空调负荷调控系统，该系统包括：控制主站、控制子站以及调控终端；每个控制主站对应连接多个控制子站，每个控制子站对应连接多个调控终端，每个调控终端对应控制多个空调；调控终端实时采集各个空调的负荷相关数据，经控制子站将负荷相关数据上传至控制主站；控制主站根据负荷相关数据生成主控制指令，并将主控制指令下发至控制子站；控制子站根据主控制指令与当前时刻接收到的负荷相关数据生成子控制指令，并将子控制指令发送至调控终端；调控终端根据子控制指令与当前时刻采集到的负荷相关数据生成调控命令，并基于调控命令对各个空调进行调控。本发明提供的空调负荷调控系统能够实现对空调负荷的精准调控。
Description
技术领域
本发明属于配网调控技术领域，更具体地说，是涉及一种空调负荷调控系统。
背景技术
随着社会的不断发展，人们对于电力的需求也随之增加，特别是在夏天用电高峰阶段，众多空调的使用加剧了线路的负载情况，有些配网线路极有可能出现过载情况，而配网线路的构建往往存在一定的滞后问题，不能够满足高峰时段的用电需求，给配网线路安全性带来了隐患，因此，如何对空调负荷进行精准调控以提高配网线路的安全性成为亟待解决的问题。
发明内容
本发明的目的在于提供一种空调负荷调控系统，以提高空调调控的精度。
为解决上述技术问题，本发明提供了一种空调负荷调控系统，包括：
一种空调负荷调控系统，其特征在于，包括：
控制主站、控制子站以及调控终端；每个控制主站对应连接多个控制子站，每个控制子站对应连接多个调控终端，每个调控终端对应控制多个空调；
调控终端实时采集各个空调的负荷相关数据，经对应的控制子站将负荷相关数据上传至对应的控制主站；控制主站根据负荷相关数据生成主控制指令，并将所述主控制指令下发至对应的控制子站；
控制子站根据所述主控制指令与当前时刻接收到的负荷相关数据生成子控制指令，并将所述子控制指令发送至对应的调控终端；调控终端根据所述子控制指令与当前时刻采集到的负荷相关数据生成调控命令，并基于调控命令对各个空调进行调控。
可选地，所述调控终端实时采集各个空调的负荷相关数据，经对应的控制子站将负荷相关数据上传至对应的控制主站，包括：
调控终端实时采集各个空调对应的负荷相关数据，并对所述负荷相关数据进行第一预处理，将进行第一预处理后的负荷相关数据上传至对应的控制子站；
控制子站对进行第一预处理后的负荷相关数据进行第二预处理，并将进行第二预处理后的负荷相关数据上传至对应的控制主站。
可选地，所述对所述负荷相关数据进行第一预处理，包括：
对所述负荷相关数据进行数据过滤，去除异常数据；
对去除异常数据后的负荷相关数据进行数据插值处理，得到第一预处理后的负荷相关数据。
可选地，所述对进行第一预处理后的负荷相关数据进行第二预处理，包括：
根据第一预处理后的负荷相关数据确定每组负荷相关数据对应的空调的调控度；
将每组负荷相关数据对应的空调的调控度添加至该组负荷相关数据中，得到第二预处理后的负荷相关数据。
可选地，所述根据负荷相关数据生成主控制指令，包括：
根据所述负荷相关数据确定配网运行状态；
根据配网运行状态生成主控制指令。
可选地，所述根据所述负荷相关数据确定配网运行状态，包括：
获取空调负荷样本数据，并基于所述空调负荷样本数据训练得到神经网络检测模型；
将所述负荷相关数据输入至神经网络模型中，得到配网运行状态。
可选地，所述配网运行状态包括配网运行正常与配网运行过载；
所述根据配网运行状态生成主控制指令，包括：
若配网运行正常，则生成正常运行信号作为主控制指令；
若配网运行过载，则将所述负荷相关数据输入至预先训练的专家系统，确定待削峰的空调编号、削峰时段以及削峰容量，并基于待削峰的空调编号、削峰时段以及削峰容量生成主控制指令。
可选地，所述根据所述主控制指令与当前时刻接收到的负荷相关数据生成子控制指令，包括：
获取生成主控制指令时所使用的负荷相关数据，记为第一数据；
比较所述第一数据与当前时刻接收到的负荷相关数据，并根据比较结果对主控制指令进行调整，得到子控制指令。
可选地，所述根据所述子控制指令与当前时刻采集到的负荷相关数据生成调控命令，包括：
获取生成子控制指令时所使用的负荷相关数据，记为第二数据；
比较所述第二数据与当前时刻采集到的负荷相关数据，并根据比较结果对子控制指令进行调整，得到调控命令。
可选地，所述基于调控命令对各个空调进行调控，包括：
基于调控命令对各个空调的空调主机、新风机组、循环水泵、风机盘管进行调控。
可选地，某个空调对应的负荷相关数据包括该空调的负荷相关数据的采集时刻、该空调所在位置的室内外温度、该空调周围环境的温湿度、该空调的开关机时段、该空调的功率信息。
本发明实施例提供的空调负荷调控系统的有益效果在于：本发明实施例不仅通过控制主站、控制子站以及调控终端实现了空调负荷的多级调控，还在调控过程中在控制子站对主控制指令进行调整、在调控终端对子控制指令进行调整，有效地缓解了多级调控带来的延时效应，使得对空调负荷的调控更加精准。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的空调负荷调控系统的结构示意图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
请参考图1，图1为本发明一实施例提供的空调负荷调控系统的结构示意图，本发明实施例提供了一种空调负荷调控系统100，包括：
控制主站11、控制子站12以及调控终端13。每个控制主站11对应连接多个控制子站12，每个控制子站12对应连接多个调控终端13，每个调控终端13对应控制多个空调。
调控终端13实时采集各个空调的负荷相关数据，经对应的控制子站12将负荷相关数据上传至对应的控制主站11。控制主站11根据负荷相关数据生成主控制指令，并将主控制指令下发至对应的控制子站12。
控制子站12根据主控制指令与当前时刻接收到的负荷相关数据生成子控制指令，并将子控制指令发送至对应的调控终端13。调控终端13根据子控制指令与当前时刻采集到的负荷相关数据生成调控命令，并基于调控命令对各个空调进行调控。
在本实施例中，控制主站11、控制子站12、调控终端13可通过有线通讯或无线方式通讯连接，其中，无线通讯方式包括但不限于4G、5G、NB-IoT、WIFI等。
在本实施例中，可在控制主站11设置中心服务器，在控制子站12设置边缘服务器，通过中心服务器和边缘服务器的协同(也即云边协同)来实现控制主站和控制子站的各种数据资源交互。
在本实施例中，控制主站11用于接收调控终端13采集的负荷相关数据，并根据调控终端13采集的负荷相关数据生成主控制指令。
在本实施例中，控制子站12可以包括上传处理单元和下发处理单元。其中，上传处理单元用于接收调控终端13采集的负荷相关数据，并对该负荷相关数据进行处理后上传至控制主站11。下发处理单元用于接收控制主站11下发的主控制指令，并根据当前时刻接收到的调控终端13上传的负荷相关数据对主控制指令进行调整，得到子控制指令，将子控制指令下发至调控终端13。
在本实施例中，调控终端13包含数据上传单元和调控单元。其中，数据上传单元用于实时采集各个空调的负荷相关数据，对采集得到的负荷相关数据后进行处理后上传至控制子站12。调控单元用于接收控制子站12下发的子控制指令，并根据当前时刻采集到的各个空调的负荷相关数据对子控制指令进行调整，得到调控命令，根据调控命令对各个空调进行调控。
从以上描述可知，本发明实施例不仅通过控制主站、控制子站以及调控终端实现了空调负荷的多级调控，还在调控过程中在控制子站对主控制指令进行调整、在调控终端对子控制指令进行调整，有效地缓解了多级调控带来的延时效应，使得对空调负荷的调控更加精准。
可选地，作为本发明实施例提供的空调负荷调控系统的一种具体实施方式，调控终端实时采集各个空调的负荷相关数据，经对应的控制子站将负荷相关数据上传至对应的控制主站，包括：
调控终端实时采集各个空调对应的负荷相关数据，并对负荷相关数据进行第一预处理，将进行第一预处理后的负荷相关数据上传至对应的控制子站。
控制子站对进行第一预处理后的负荷相关数据进行第二预处理，并将进行第二预处理后的负荷相关数据上传至对应的控制主站。
在本实施例中，调控终端和控制子站均会对负荷相关数据进行处理，调控终端对负荷相关数据进行第一预处理以对负荷相关数据进行数据清洗，保证数据源的准确性和可参考性。控制子站对负荷相关数据进行第二预处理以确定各个空调的调控顺序并方便后续控制主站根据负荷相关数据生成主控制指令。
可选地，作为本发明实施例提供的空调负荷调控系统的一种具体实施方式，对负荷相关数据进行第一预处理，包括：
对负荷相关数据进行数据过滤，去除异常数据。
对去除异常数据后的负荷相关数据进行数据插值处理，得到第一预处理后的负荷相关数据。
在本实施例中，第一预处理过程主要包括异常数据的去除和数据插值。
在本实施例中，其中对负荷相关数据进行数据过滤的方法包括但不限于孤立森林法、k-means聚类法以及格拉布斯准则法等。
在本实施例中，在对负荷相关数据进行异常值去除后，为防止数据缺失，还可对去除异常值后的负荷相关数据进行数据插值，可选地，可基于最小二乘法对去除异常值后的负荷相关数据进行数据插值处理。
可选地，作为本发明实施例提供的空调负荷调控系统的一种具体实施方式，对进行第一预处理后的负荷相关数据进行第二预处理，包括：
根据第一预处理后的负荷相关数据确定每组负荷相关数据对应的空调的调控度。
将每组负荷相关数据对应的空调的调控度添加至该组负荷相关数据中，得到第二预处理后的负荷相关数据。
在本实施例中，还可根据每组负荷相关数据对应的空调的调控度对各组负荷相关数据进行排序，并将排序结果作为空调的调控顺序，将调控顺序分别上传至控制主站。该调控顺序用于指示控制主站根据该调控顺序以及负荷相关数据生成控制指令。
在本实施例中，每组负荷相关数据包含该组负荷相关数据对应的空调的工作温度、该组负荷相关数据对应的空调所在位置的室外温度，则根据第一预处理后的负荷相关数据确定每组负荷相关数据对应的空调的调控度可以详述为：
计算每个空调的工作温度与该空调对应的室外温度的温差值，并对所有空调的温差值进行归一化处理，将归一化处理后的各个空调的温差值作为该空调对应的调控度。
在本实施例中，根据第一预处理后的负荷相关数据确定每组负荷相关数据对应的空调的调控度还可以详述为：
对于某组负荷相关数据，确定该组负荷相关数据对应的空调编号。
切断该空调后，计算该空调所在子网的负荷变化率，将该负荷变化率作为该组符合相关数据对应的空调的调控度。
其中，负荷变化率的计算方法为：
其中，Q0为切断该空调前该空调所在子网的负荷，Q1为切断该空调后该空调所在子网的负荷，η为该空调对应的负荷变化率。
可选地，作为本发明实施例提供的空调负荷调控系统的一种具体实施方式，根据负荷相关数据生成主控制指令，包括：
根据负荷相关数据确定配网运行状态。
根据配网运行状态生成主控制指令。
在本实施例中，可将负荷相关数据输入至卷积神经网络，确定配网运行状态。
在本实施例中，可将得到的配网运行状态输入至专家系统，以生成主控制指令。
可选地，作为本发明实施例提供的空调负荷调控系统的一种具体实施方式，根据负荷相关数据确定配网运行状态，包括：
获取空调负荷样本数据，并基于空调负荷样本数据训练得到神经网络检测模型。
将负荷相关数据输入至神经网络模型中，得到配网运行状态。
在本实施例中，可采集目标时段的空调负荷样本数据作为训练集，并将训练集输入至神经网络模型中进行训练，以使该神经网络能够根据输入的负荷相关数据得到当前的配网运行状态。
可选地，作为本发明实施例提供的空调负荷调控系统的一种具体实施方式，配网运行状态包括配网运行正常与配网运行过载。
根据配网运行状态生成主控制指令，包括：
若配网运行正常，则生成正常运行信号作为主控制指令。
若配网运行过载，则将负荷相关数据输入至预先训练的专家系统，确定待削峰的空调编号、削峰时段以及削峰容量，并基于待削峰的空调编号、削峰时段以及削峰容量生成主控制指令。
在本实施例中，可在控制主站增设专家系统(包括策略专家库和推理机)，基于策略专家库和推理机得到空调负荷的调控方法。
在上述实施例的基础上，本实施例中控制主站还可以接收控制子站上传的空调的调控顺序，将空调的调控顺序以及负荷相关数据进行推理得到调控策略。
可选地，本实施例中，也可直接根据负荷相关数据本身推理得到调控策略，其中，该负荷相关数据中包含各个空调对应的调控度。
在本实施例中，也可采用以下方法确定削峰容量(本实施例将空调负荷调节功率作为削峰容量的表征量)：
空调负荷调节功率＝控制主站总调节功率*(待调控空调的调控终端调节满值功率/所有待调控空调的调控终端调节满值功率之和)
其中，待调控空调的终端调节满值功率为控制子站边缘云(即边缘服务器)预估待调控空调的工作温度到达所有待调控空调的平均温度所降低的功率。
在本实施例中，除了对空调节点直接进行调控，还可以对配网中的线路进行调控，具体方法可以为：
1)设置初始切断线路数t和最大切断线路数tmax。
2)计算每个待调控空调在切断t条线路后的t-影响度。
3)根据各个待调控空调的t-影响度确定t-合格调控方案和t-不合格调控方案。
4)令t＝t+d，其中d为预设步长。
5)若t+d≤tmax，则将t-不合格调控方案中的空调作为待调控空调，并返回执行计算每个待调控空调在切断t条线路后的t-影响度的步骤。
6)若t+d>tmax或当前待调控空调的集合为空，则结束循环，将t-合格调控方案作为配网线路的调控方案。
在本实施例中，根据各个待调控空调的t-影响度确定t-合格调控方案和t-不合格调控方案可以详述为：
若某个调控方案中所有待调控空调的t-影响度均大于预设阈值，则此调控方案添加至t-合格调控方案。
若某个调控方案中存在待调控空调的t-影响度不大于预设阈值，则将此调控方案添加至k线不合格方案。
其中，t-影响度的计算方法可以为：
式中，Z(X)为调控方案X开断线路后的节点阻抗矩阵，Z0为配网线路初始状态时的节点阻抗矩阵，
为调控方案X所切断线路的关联矩阵；其中，c(X)为：
式中，
为调控方案X所切断线路的阻抗值。
可选地，作为本发明实施例提供的空调负荷调控系统的一种具体实施方式，根据主控制指令与当前时刻接收到的负荷相关数据生成子控制指令，包括：
获取生成主控制指令时所使用的负荷相关数据，记为第一数据。
比较第一数据与当前时刻接收到的负荷相关数据，并根据比较结果对主控制指令进行调整，得到子控制指令。
在本实施例中，可根据第一数据与当前时刻接收到的负荷相关数据确定调节系数，根据调节系数对削峰容量进行微调。
根据第一数据A(a1,a2,...,an)与当前时刻接收到的负荷相关数据
B(b1,b2,...,bn)确定调节系数E1的方法为：
其中，E(e1,e2,...,en)为第一数据与当前时刻接收到的负荷相关数据对应的变化率，i为整数，且i∈(1,n)。
其中，ki为预设的权重系数。
可选地，作为本发明实施例提供的空调负荷调控系统的一种具体实施方式，根据子控制指令与当前时刻采集到的负荷相关数据生成调控命令，包括：
获取生成子控制指令时所使用的负荷相关数据，记为第二数据。
比较第二数据与当前时刻采集到的负荷相关数据，并根据比较结果对子控制指令进行调整，得到调控命令。
在本实施例中，子控制指令的调整方法与主控制指令的调整方法相同，此处不再赘述。
可选地，基于调控命令对各个空调进行调控，包括：
基于调控命令对各个空调的空调主机、新风机组、循环水泵、风机盘管进行调控。
在本实施例中，空调可调控位置包括空调主机、新风机组、循环水泵、风机盘管，因此，可根据调控命令分别对各个空调的空调主机、新风机组、循环水泵、风机盘管进行调控。
可选地，作为本发明实施例提供的空调负荷调控系统的一种具体实施方式，某个空调对应的负荷相关数据包括该空调的负荷相关数据的采集时刻、该空调所在位置的室内外温度、该空调周围环境的温湿度、该空调的开关机时段、该空调的功率信息。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (11)
1.一种空调负荷调控系统，其特征在于，包括：
控制主站、控制子站以及调控终端；每个控制主站对应连接多个控制子站，每个控制子站对应连接多个调控终端，每个调控终端对应控制多个空调；
调控终端实时采集各个空调的负荷相关数据，经对应的控制子站将负荷相关数据上传至对应的控制主站；控制主站根据负荷相关数据生成主控制指令，并将所述主控制指令下发至对应的控制子站；
控制子站根据所述主控制指令与当前时刻接收到的负荷相关数据生成子控制指令，并将所述子控制指令发送至对应的调控终端；调控终端根据所述子控制指令与当前时刻采集到的负荷相关数据生成调控命令，并基于调控命令对各个空调进行调控。
2.如权利要求1所述的空调负荷调控系统，其特征在于，所述调控终端实时采集各个空调的负荷相关数据，经对应的控制子站将负荷相关数据上传至对应的控制主站，包括：
调控终端实时采集各个空调对应的负荷相关数据，并对所述负荷相关数据进行第一预处理，将进行第一预处理后的负荷相关数据上传至对应的控制子站；
控制子站对进行第一预处理后的负荷相关数据进行第二预处理，并将进行第二预处理后的负荷相关数据上传至对应的控制主站。
3.如权利要求2所述的空调负荷调控系统，其特征在于，所述对所述负荷相关数据进行第一预处理，包括：
对所述负荷相关数据进行数据过滤，去除异常数据；
对去除异常数据后的负荷相关数据进行数据插值处理，得到第一预处理后的负荷相关数据。
4.如权利要求2所述的空调负荷调控系统，其特征在于，所述对进行第一预处理后的负荷相关数据进行第二预处理，包括：
根据第一预处理后的负荷相关数据确定每组负荷相关数据对应的空调的调控度；
将每组负荷相关数据对应的空调的调控度添加至该组负荷相关数据中，得到第二预处理后的负荷相关数据。
5.如权利要求1所述的空调负荷调控系统，其特征在于，所述根据负荷相关数据生成主控制指令，包括：
根据所述负荷相关数据确定配网运行状态；
根据配网运行状态生成主控制指令。
6.如权利要求5所述的空调负荷调控系统，其特征在于，所述根据所述负荷相关数据确定配网运行状态，包括：
获取空调负荷样本数据，并基于所述空调负荷样本数据训练得到神经网络检测模型；
将所述负荷相关数据输入至神经网络模型中，得到配网运行状态。
7.如权利要求1所述的空调负荷调控系统，其特征在于，所述配网运行状态包括配网运行正常与配网运行过载；
所述根据配网运行状态生成主控制指令，包括：
若配网运行正常，则生成正常运行信号作为主控制指令；
若配网运行过载，则将所述负荷相关数据输入至预先训练的专家系统，确定待削峰的空调编号、削峰时段以及削峰容量，并基于待削峰的空调编号、削峰时段以及削峰容量生成主控制指令。
8.如权利要求1所述的空调负荷调控系统，其特征在于，所述根据所述主控制指令与当前时刻接收到的负荷相关数据生成子控制指令，包括：
获取生成主控制指令时所使用的负荷相关数据，记为第一数据；
比较所述第一数据与当前时刻接收到的负荷相关数据，并根据比较结果对主控制指令进行调整，得到子控制指令。
9.如权利要求1所述的空调负荷调控系统，其特征在于，所述根据所述子控制指令与当前时刻采集到的负荷相关数据生成调控命令，包括：
获取生成子控制指令时所使用的负荷相关数据，记为第二数据；
比较所述第二数据与当前时刻采集到的负荷相关数据，并根据比较结果对子控制指令进行调整，得到调控命令。
10.如权利要求1所述的空调负荷调控系统，其特征在于，所述基于调控命令对各个空调进行调控，包括：
基于调控命令对各个空调的空调主机、新风机组、循环水泵、风机盘管进行调控。
11.如权利要求1所述的空调负荷调控系统，其特征在于，某个空调对应的负荷相关数据包括该空调的负荷相关数据的采集时刻、该空调所在位置的室内外温度、该空调周围环境的温湿度、该空调的开关机时段、该空调的功率信息。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010477415 | 2020-05-29 | ||
| CN2020104774153 | 2020-05-29 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113218053A true CN113218053A (zh) | 2021-08-06 |
| CN113218053B CN113218053B (zh) | 2022-10-25 |
Family
ID=77093100
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110546022.8A Active CN113218053B (zh) | 2020-05-29 | 2021-05-19 | 空调负荷调控系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113218053B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113757909A (zh) * | 2021-11-08 | 2021-12-07 | 国网浙江省电力有限公司绍兴供电公司 | 基于量子加密技术的空调集群控制方法 |
| CN116892768A (zh) * | 2023-07-12 | 2023-10-17 | 上海交通大学 | 一种云-边协同架构下配网空调负荷调控方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US1764320A (en) * | 1928-06-14 | 1930-06-17 | Westinghouse Electric & Mfg Co | Regulating transformers |
| CN101945447A (zh) * | 2009-07-10 | 2011-01-12 | 华为技术有限公司 | 控制传输资源的方法及通信装置 |
| CN102901188A (zh) * | 2012-09-26 | 2013-01-30 | 中国电力科学研究院 | 与电网互动的商业楼宇中央空调负荷调控系统及其方法 |
| CN105444343A (zh) * | 2015-09-30 | 2016-03-30 | 江苏省电力公司南京供电公司 | 一种基于用电舒适度的空调负荷优先级中断方法 |
| CN107504635A (zh) * | 2017-08-18 | 2017-12-22 | 江苏省电力试验研究院有限公司 | 基于轮控调度的空调负荷控制系统及其控制方法 |
| CN111010711A (zh) * | 2019-11-08 | 2020-04-14 | 京信通信系统（中国）有限公司 | 数据分流策略确定方法、系统、辅基站、主基站和设备 |
-
2021
- 2021-05-19 CN CN202110546022.8A patent/CN113218053B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US1764320A (en) * | 1928-06-14 | 1930-06-17 | Westinghouse Electric & Mfg Co | Regulating transformers |
| CN101945447A (zh) * | 2009-07-10 | 2011-01-12 | 华为技术有限公司 | 控制传输资源的方法及通信装置 |
| CN102901188A (zh) * | 2012-09-26 | 2013-01-30 | 中国电力科学研究院 | 与电网互动的商业楼宇中央空调负荷调控系统及其方法 |
| CN105444343A (zh) * | 2015-09-30 | 2016-03-30 | 江苏省电力公司南京供电公司 | 一种基于用电舒适度的空调负荷优先级中断方法 |
| CN107504635A (zh) * | 2017-08-18 | 2017-12-22 | 江苏省电力试验研究院有限公司 | 基于轮控调度的空调负荷控制系统及其控制方法 |
| CN111010711A (zh) * | 2019-11-08 | 2020-04-14 | 京信通信系统（中国）有限公司 | 数据分流策略确定方法、系统、辅基站、主基站和设备 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113757909A (zh) * | 2021-11-08 | 2021-12-07 | 国网浙江省电力有限公司绍兴供电公司 | 基于量子加密技术的空调集群控制方法 |
| CN116892768A (zh) * | 2023-07-12 | 2023-10-17 | 上海交通大学 | 一种云-边协同架构下配网空调负荷调控方法 |
| CN116892768B (zh) * | 2023-07-12 | 2024-01-26 | 上海交通大学 | 一种云-边协同架构下配网空调负荷调控方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113218053B (zh) | 2022-10-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110440396B (zh) | 云边端协同的中央空调全局优化节能控制方法和系统 | |
| CN113218053B (zh) | 空调负荷调控系统 | |
| WO2018103294A1 (zh) | 基于双鱼群算法的电力无功优化系统及方法 | |
| CN109269036B (zh) | 多联机空调的云端控制方法以及多联机空调系统 | |
| CN109974218A (zh) | 一种基于预测的多联机空调系统调控方法 | |
| CN110674120A (zh) | 一种风电场数据清洗方法及装置 | |
| CN110220288A (zh) | 基于大数据云平台的集中空调系统智能优化控制方法及装置 | |
| CN110061522B (zh) | 一种风电场自动发电系统控制方法 | |
| CN114264045A (zh) | 一种中央空调的能效调控系统及方法 | |
| CN112781192A (zh) | 用于加湿的方法、装置和智能家居系统 | |
| CN114640137A (zh) | 实现区域煤电高效灵活调控的集群agc负荷分配方法及系统 | |
| CN112002949A (zh) | 一种动力电池主动均衡的监测管理方法及系统 | |
| CN115017006A (zh) | 一种数据中心的辅助节能控制方法及系统 | |
| CN113935856A (zh) | 电能的控制方法及其装置、处理器、计算机可读存储介质 | |
| CN116191572B (zh) | 一种光伏逆变器的智能控制方法及系统 | |
| CN106249598B (zh) | 一种基于多代理的工业大用户能效优化控制方法 | |
| CN112781183A (zh) | 一种空调系统智能降耗的方法、系统和空调 | |
| CN112736915B (zh) | 区域设备集群的需求响应控制系统、方法、装置及设备 | |
| CN115264768A (zh) | 一种基于物联网的楼宇空调节能控制方法及系统 | |
| CN114825353A (zh) | 一种低压用户需求响应互动装置及工作方法 | |
| CN112737422A (zh) | 一种基于云计算的电机设备调速控制方法 | |
| CN116846082B (zh) | 用于配电柜的远程调控系统 | |
| CN116774749A (zh) | 智能控温的电力柜 | |
| CN111678242B (zh) | 一种基于微环境参数监测的变电站站用电控制方法 | |
| CN115657545B (zh) | 一种基于空调与光伏联合运行的用电调控系统和方法 |
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 |