CN113313324A - 一种用电方案确定方法及用电方案确定方法装置 - Google Patents
一种用电方案确定方法及用电方案确定方法装置 Download PDFInfo
- Publication number
- CN113313324A CN113313324A CN202110680244.9A CN202110680244A CN113313324A CN 113313324 A CN113313324 A CN 113313324A CN 202110680244 A CN202110680244 A CN 202110680244A CN 113313324 A CN113313324 A CN 113313324A
- Authority
- CN
- China
- Prior art keywords
- scheme
- power
- electricity
- parameter
- price data
- 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
- 230000005611 electricity Effects 0.000 claims description 232
- 230000006870 function Effects 0.000 claims description 40
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 230000006399 behavior Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000005457 optimization Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 238000010845 search algorithm Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000007791 dehumidification Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000005406 washing 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
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请公开了一种用电方案确定方法,首先获取目标用户的用电数据和电网分时电价数据,将目标用户的用电数据参数化,得到目标用户的实际用电方案的第一参数,而后根据电网分时电价数据和第一参数构建基于用户习惯的电网用电方案推荐模型,求解该电网用电方案推荐模型,从而得到了既贴近目标用户的用电习惯又兼顾电网平稳运行的推荐用电方案,执行针对该推荐用电方案的推荐操作,易于目标用户接收,能够促使用电用户优化用电方式,进而促进电网平稳运行。本申请还公开了一种用电方案确定装置,具有上述有益效果。
Description
技术领域
本申请涉及电力技术领域,特别是涉及一种用电方案确定方法及用电方案确定装置。
背景技术
为促进电网平稳运行,供电部门制定了分时电价政策,即按电力系统运行状况,将一天24小时划分为若干个时段,每个时段按系统运行的平均边际成本收取电费。分时电价具有刺激和鼓励电力用户移峰填谷、优化用电方式的作用。
然而,不同的用电用户,可能对不同数量、不同类型的负荷具有不同的用电需求,往往无法灵活地根据分时电价去调节自身的用电习惯、以达到供电部门制定分时电价的鼓励用户优化用电方式的初衷。而使用电用户一味地按照分时电价政策鼓励的用电时段去用电,可能与用户用电习惯产生较大冲突,显然无法实现。
提供一种能促使用电用户优化用电方式的方案,是本领域技术人员需要解决的技术问题。
发明内容
本申请的目的是提供一种用电方案确定方法及用电方案确定装置,用于促使用电用户优化用电方式,进而促进电网平稳运行。
为解决上述技术问题,本申请提供一种用电方案确定方法,包括:
获取目标用户的用电数据和电网分时电价数据;
分析所述用电数据得到所述目标用户的实际用电方案的第一参数;
根据所述电网分时电价数据和所述第一参数构建基于用户习惯的电网用电方案推荐模型;
求解所述电网用电方案推荐模型,得到对所述目标用户的推荐用电方案;
执行针对所述推荐用电方案的推荐操作。
可选的,所述电网用电方案推荐模型的目标函数具体为:
其中,R为用电方案的用电方案推荐度指标,mD为预设的方案偏离度权重系数,为所述用电方案的第二参数相较于所述第一参数的偏离程度的方案偏离度参数,mF为预设的电价数据权重系数,为所述用电方案的总电价数据。
可选的,所述第一参数具体包括:所述目标用户在各用电习惯下对应的各负荷的开启时间和各负荷的使用时长;
相应的,所述方案偏离度参数具体通过以下公式计算得到:
其中,D为所述用电方案的初始方案偏离度参数,yj为所述目标用户对第j种用电习惯的依赖度参数,dj为所述用电方案与所述第j种用电习惯的方案偏离度值,FTi为所述用电方案中第i个负荷的开启时间,Ti j为所述第j种用电习惯中对所述第i个负荷的开启时间,Dmax为与所述第一参数偏离度最大的方案偏离度参数最大值,Dmin为与所述第一参数偏离度最小的方案偏离度参数最小值;
所述总电价数据具体通过以下公式计算得到:
其中,F为所述用电方案的初始总电价数据,Pi为所述第i个负荷的工作功率,Q(t)为所在时段的分时电价数据,Δti为所述第i个负荷的使用时长,Fmax为保持各所述负荷的使用时长不变的情况下将各所述负荷的开启时间调节至所述分时电价数据的波峰时刻所得到的总电价数据最大值,Fmin为保持各所述负荷的使用时长不变的情况下将各所述负荷的开启时间调节至所述分时电价数据的波谷时刻所得到的总电价数据最小值。
可选的,所述第一参数具体包括:所述目标用户在各用电习惯下对应的各负荷的开启时间和各负荷的使用时长;
相应的,所述方案偏离度参数具体通过以下公式计算得到:
其中,D为所述用电方案的初始方案偏离度参数,yj为所述目标用户对第j种用电习惯的依赖度参数,dj为所述用电方案与所述第j种用电习惯的方案偏离度值,PB为所述用电方案的超时惩罚值,FTi为所述用电方案中第i个负荷的开启时间,Ti j为所述第j种用电习惯中对所述第i个负荷的开启时间,pbi为所述第i个负荷对应的超时惩罚值,NTi e为预设的所述第i个负荷的合理开启时间,NTi s为预设的所述第i个负荷的合理关停时间,υ为预设的超时惩罚参数,Dmax为与所述第一参数偏离度最大的方案偏离度参数最大值,Dmin为与所述第一参数偏离度最小的方案偏离度参数最小值;
所述总电价数据具体通过以下公式计算得到:
其中,F为所述用电方案的初始总电价数据,Pi为所述第i个负荷的工作功率,Q(t)为所在时段的分时电价数据,Δti为所述第i个负荷的使用时长,Fmax为保持各所述负荷的使用时长不变的情况下将各所述负荷的开启时间调节至所述分时电价数据的波峰时刻所得到的总电价数据最大值,Fmin为保持各所述负荷的使用时长不变的情况下将各所述负荷的开启时间调节至所述分时电价数据的波谷时刻所得到的总电价数据最小值。
可选的,所述根据所述电网分时电价数据和所述第一参数构建基于用户习惯的电网用电方案推荐模型,具体为:
在一次初始方案推荐任务中,将所述电网分时电价数据和所述第一参数代入多组初始方案偏离度权重系数和初始电价数据权重系数对应的所述目标函数,得到多个待求解目标函数;
相应的,求解所述电网用电方案推荐模型,得到对所述目标用户的推荐用电方案,具体为:
求解各所述待求解目标函数,得到多个所述推荐用电方案;
所述执行针对所述推荐用电方案的推荐操作,具体为:
执行对各所述推荐用电方案的推荐操作;
所述用电方案确定方法还包括:
判断是否达到预设初始推荐次数;
如果是,则根据所述目标用户在此前的方案推荐任务中选择的目标推荐用电方案确定当前方案推荐任务对应的多组当前方案偏离度权重系数和当前电价数据权重系数,将所述电网分时电价数据和所述第一参数代入各组所述当前方案偏离度权重系数和所述当前电价数据权重系数对应的所述目标函数,得到多个所述待求解目标函数后,进入所述求解各所述待求解目标函数,得到多个所述推荐用电方案的步骤;
如果否,则返回所述在一次初始方案推荐任务中,将所述电网分时电价数据和所述第一参数代入多组初始方案偏离度权重系数和初始电价数据权重系数对应的所述目标函数,得到多个待求解目标函数的步骤。
可选的,所述根据所述目标用户在此前的方案推荐任务中选择的目标推荐用电方案确定当前方案推荐任务对应的多组当前方案偏离度权重系数和当前电价数据权重系数,具体包括:
以所述目标用户在多个所述此前的方案推荐任务中选择的所述目标推荐用电方案中的所述方案偏离度权重系数和所述电价数据权重系数为基础调整参数;
基于所述基础调整参数,向所述电价数据权重系数升高的方向生成多组所述当前方案偏离度权重系数和所述当前电价数据权重系数。
可选的,还包括:
当监测到所述目标用户存在超出所述第一参数的预定阈值的用电参数时,向所述目标用户发送对应负荷的用电状态异常提示。
为解决上述技术问题,本申请还提供一种用电方案确定装置,包括:
获取单元,用于获取目标用户的用电数据和电网分时电价数据;
分析单元,用于分析所述用电数据得到所述目标用户的实际用电方案的第一参数;
建立单元,用于根据所述电网分时电价数据和所述第一参数构建基于用户习惯的电网用电方案推荐模型;
求解单元,用于求解所述电网用电方案推荐模型,得到对所述目标用户的推荐用电方案;
推送单元,用于执行针对所述推荐用电方案的推荐操作。
为解决上述技术问题,本申请还提供一种用电方案确定设备,包括:
存储器,用于存储指令,所述指令包括上述任意一项所述用电方案确定方法的步骤;
处理器,用于执行所述指令。
为解决上述技术问题,本申请还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述任意一项所述用电方案确定方法的步骤。
本申请所提供的用电方案确定方法,首先获取目标用户的用电数据和电网分时电价数据,将目标用户的用电数据参数化,得到目标用户的实际用电方案的第一参数,而后根据电网分时电价数据和第一参数构建基于用户习惯的电网用电方案推荐模型,求解该电网用电方案推荐模型,从而得到了既贴近目标用户的用电习惯又兼顾电网平稳运行的推荐用电方案,执行针对该推荐用电方案的推荐操作,易于目标用户接收,能够促使用电用户优化用电方式,进而促进电网平稳运行。
本申请还提供一种用电方案确定装置,具有上述有益效果,在此不再赘述。
附图说明
为了更清楚的说明本申请实施例或现有技术的技术方案,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的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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为本申请实施例提供的一种用电方案确定方法的流程图;
图2为本申请实施例提供的另一种用电方案确定方法的流程图;
图3为本申请实施例提供的一种用电方案确定装置的结构示意图;
图4为本申请实施例提供的一种用电方案确定设备的结构示意图。
具体实施方式
本申请的核心是提供一种用电方案确定方法及用电方案确定装置,用于促使用电用户优化用电方式,进而促进电网平稳运行。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
实施例一
图1为本申请实施例提供的一种用电方案确定方法的流程图。
如图1所示,本申请实施例提供的用电方案确定方法包括:
S101:获取目标用户的用电数据和电网分时电价数据。
S102:分析用电数据得到目标用户的实际用电方案的第一参数。
S103:根据电网分时电价数据和第一参数构建基于用户习惯的电网用电方案推荐模型。
S104:求解电网用电方案推荐模型,得到对目标用户的推荐用电方案。
S105:执行针对推荐用电方案的推荐操作。
随着智能用电技术的发展,通过监测控制技术获取家庭或企业用电信息已成为可能。这些数据不仅具有海量、高频和分散等特点,而且数据之间存在关联性和相似性,同时,数据中还隐藏着用户的用电行为习惯和电器的运行状态(如开启、运行和关闭)。如何充分利用这些数据信息进行能效评估,发掘用户对某电器(负荷)的使用习惯,并基于此有针对性地制订用户用电节能方案成为了许多公司或家庭重点考虑的问题。本申请实施例提供的用电方案确定方法旨在通过权衡用户的用电需求和电网平稳运行需求之间的关系,为用户提供人性化的用电方案。
需要说明的是,在本申请各个实施例中,目标用户对应一个基础用电单元,一个目标用户可以为一户家庭住房,或者一家企业,或者一个企业中的一间办公室,具体可以根据用电行为是否具有一致性进行划分。
在具体实施中,对于步骤S101来说,电网分时电价数据可以在目标用户所在区域的供电公司处获取。目标用户的用电数据可以采用侵入式负荷监测或非侵入式负荷监测的方式来获取。侵入式负荷监测方式需要为目标用户安装侵入式插座,系统设置过程太过繁琐且负荷识别能力较低,导致很难得到大量推广使用。故优选采用非侵入式负荷监测方式,安装简单,成本低,系统设置简单易上手,更容易让大众接受。非侵入式负荷监测方式通过在目标用户的供电入口处安装监测设备,通过监测该处的电压、电流等信号就可以分析得到负荷集群中单个负荷的种类和运行情况。由于不同负荷在运行时都有其特征,例如负荷运行时的有功功率、无功功率及谐波功率等对于不同类型的负荷是不同的。被监测系统内单个负荷投入、切除时通常会使电力供给入口处系统总的有功功率、无功功率等信号发生相应的变化。反过来,根据电力供给入口处系统总的有功功率、无功功率、谐波功率等信号的变化信息,可以判断系统内负荷投入或切除的变化,并可以根据功率的大小等信息判断出负荷的类型及所处状态。
为进行下述步骤中确定目标用户的用电习惯的工作,需要对目标用户的用电习惯加以描述,所需获取的用电数据至少应包括目标用户对应的各负荷(电力设备)在历史周期(过去一周、一个月甚至一年,或去年的同一月份)内的启停时间。此外,由于用户用电行为可能受到月份、季节、天气、节假日等因素的影响,所获取的用电数据优选地对应有日期、季节、天气、节假日等多维度的参数;而不同的负荷处于不同的非关停状态时可能对应不同的耗电情况,例如随着天气变化,目标用户可能会控制空调处于待机状态、工作在25℃的运行状态、工作在18℃的运行状态、冷风、热风、除湿状态等。可以理解的是,获取的用电数据越全面,越能够准确地描述目标用户的用电习惯。
对于步骤S102来说,目标用户的实际用电方案可以是基于目标用户的历史用电数据预测得到的目标用户在未来用电周期的用电方案,也可以是基于目标用户的历史用电数据将目标用户的用电习惯参数化后得到的用电方案。
若采用预测的方式,则基于历史时间段的用电数据来分析目标用户在不同的外部因素(日期、季节、天气、节假日等)下的用电趋势。若目标用户增加了新的负荷,则可以根据目标用户的同类负荷或其他目标用户的同类负荷的用电习惯推测目标用户对新增负荷的用电习惯。则分析用电数据得到目标用户的实际用电方案的第一参数,具体包括:基于目标用户的用电数据构建预测模型,日期、季节、天气、节假日等参数均可以作为该预测模型的自变量,因变量即为对各负荷的启停时间等参数,进而输入要推荐用电方案的未来用电周期的自变量参数,得到对目标用户在未来用电周期内的预测用电方案,以预测用电方案中的参数(各负荷的启停时间)为目标用户的实际用电方案的第一参数。
若采用直接将目标用户的历史用电数据参数化的方式,即直接将目标用户的用电习惯抽象成参数来描述,例如目标用户习惯在20:00-22:00看电视,则可以抽象出对电视这个负荷的启动时间为20:00,运行时长为2小时。为准确描述用户的用电习惯,可以利用用户画像分析技术构建目标用户模型,以通过分析目标用户的长期负荷使用情况记录来确定目标用户对各负荷使用时间的规律,并以标签的形式描述用户画像。具体来说,可以根据所得负荷启停及状态数据(为了提高节能方案推荐准确度,将负荷状态信息中的待机状态剔除),利用聚类算法构建用户画像,获取目标用户对各负荷的使用时段习惯。为了便于计算,在聚类时设置聚类数为n类,家庭和小型企业由于用电习惯较为固定,所以n可取6或者7,而大规模工厂或企业的n值可根据实际需求取大一些。之后,根据每个类别中样本数量来进行排序,将每个类内的样本均值作为用户对应的一类用电习惯,称为第一用电习惯、第二用电习惯、...、第n用电习惯。同时把每一类内的样本数量占样本总数的百分比,称为目标用户对那一类用电习惯的依赖程度,定义y1、...、yj、...、yn分别为目标用户对第一用电习惯、...、第j用电习惯、...、第n用电习惯的依赖程度,且满足y1>...>yj>...>yn,y1+...+yj+...+yn=1。为了更贴切目标用户的用电习惯,每隔预设时间便对其进行一次更新。
其中,一个用电习惯包括目标用户对其所有的负荷的用电习惯。一个样本就是指一个用电事件,例如“目标用户在某日期的20:00-22:00看电视”即为一个样本。由于目标用户用电时间通常不会非常固定,预先设置允许偏差值,例如偏差值为10分钟,则用户在19:50-22:10这个区间内看电视均可以归为一类用电事件(即一类用电习惯),在统计样本均值时再计算此类用电事件对应的参数均值,例如最后得到样本均值为“电视开启时间为19:59”,“电视使用时长为2小时2分钟”。若上述用电事件在统计周期内发生次数最多,则将此类样本归入第一用电习惯,而若目标用户“在17:00-19:00看电视”这个用电事件发生的次数次之,则将此样本归入第二用电习惯,以此类推。
可以理解的是,执行上述算法的目的在于将目标用户的用电习惯参数化,除了聚类算法也可以采用其他算法。
本申请实施例提供的用电方案确定方法的构思在于均衡用户用电习惯和电网优化目标,则对于步骤S103来说,可以理解的是,基于用户习惯的电网用电方案推荐模型的优化方向在于更贴合用户的用电习惯,同时兼顾电网优化的目标。在本申请实施例中,采用分时电价数据来描述电网优化的目标,则电网用电方案推荐模型的目标函数具体可以为:
其中,R为用电方案的用电方案推荐度指标,mD为预设的方案偏离度权重系数,为用电方案的第二参数相较于第一参数的偏离程度的方案偏离度参数,mF为预设的电价数据权重系数,为用电方案的总电价数据。可以设定mF+mD=1。
其中,在方案偏离度权重系数mD和电价数据权重系数mF确定的前提下,将电网分时电价数据和目标用户的实际用电方案的第一参数代入公式(1)。
对于步骤S104来说,求解电网用电方案推荐模型,即求解步骤S103得到的上述目标函数,得到使R值最大的用电方案即为推荐用电方案,该推荐用电方案可以包含对未来用电周期(天、周、月)中各负荷的推荐开启时间和运行时长。具体可以结合遗传算法和禁忌搜索算法进行目标函数的求解。其中,遗传算法搜索效率高,易于与其他算法结合,但是容易陷入局部最优解;禁忌搜索算法能够很好地跳出局部最优解,但是全局搜索能力差,受初始参数影响大。为此,可将带禁忌矩阵的遗传算法所得解作为所提出的改进禁忌搜索算法的初始参数,利用禁忌搜索算法进一步搜索最优目标解,提高算法精度。
本申请实施例提供的用电方案确定方法,首先获取目标用户的用电数据和电网分时电价数据,将目标用户的用电数据参数化,得到目标用户的实际用电方案的第一参数,而后根据电网分时电价数据和第一参数构建基于用户习惯的电网用电方案推荐模型,求解该电网用电方案推荐模型,从而得到了既贴近目标用户的用电习惯又兼顾电网平稳运行的推荐用电方案,执行针对该推荐用电方案的推荐操作,易于目标用户接收,能够促使用电用户优化用电方式,进而促进电网平稳运行。
实施例二
在实施例一的基础上,本申请实施例提供一种构建基于用户习惯的电网用电方案推荐模型的具体实施方式。
在本申请实施例提供的用电方案确定方法中,目标用户的实际用电方案的第一参数具体可以包括:目标用户在各用电习惯下对应的各负荷的开启时间和各负荷的使用时长。
则目标用户的总电价数据计算函数如下:
其中,F为用电方案的初始总电价数据,Pi为第i个负荷的工作功率,Q(t)为所在时段的分时电价数据,Δti为第i个负荷的使用时长。
方案偏离度参数用于描述生成的用电方案相较于目标用户的用电习惯的偏离度。可以理解的是,推荐的用电方案越贴合目标用户的用电习惯,则目标用户对该用电方案的接受度越高。在本申请实施例中,以用电方案中各负荷的开启时间与目标用户习惯的开启时间之差来表示用电方案相较于目标用户的用电习惯的偏离度。则方案偏离度参数可以采用如下公式表示:
其中,D为用电方案的初始方案偏离度参数,yj为目标用户对第j种用电习惯的依赖度参数,dj为用电方案与第j种用电习惯的方案偏离度值,FTi为用电方案中第i个负荷的开启时间,Ti j为第j种用电习惯中对第i个负荷的开启时间。
由于上述公式(2)和公式(3)的计算结果单位不同,对其进行归一化处理:
其中,Fmax为保持各负荷的使用时长不变的情况下将各负荷的开启时间调节至分时电价数据的波峰时刻所得到的总电价数据最大值,Fmin为保持各负荷的使用时长不变的情况下将各负荷的开启时间调节至分时电价数据的波谷时刻所得到的总电价数据最小值,Dmax为与第一参数偏离度最大的方案偏离度参数最大值(即用电方案中各负荷的启停时间与目标用户的第一用电习惯完全一致的情况),Dmin为与第一参数偏离度最小的方案偏离度参数最小值(即用电方案中各负荷的启停时间与目标用户的所有用电习惯完全不一致的情况)。
实施例三
在实施例一的基础上,本申请实施例提供一种构建基于用户习惯的电网用电方案推荐模型的具体实施方式。
在本申请实施例提供的用电方案确定方法中,目标用户的实际用电方案的第一参数具体可以包括:目标用户在各用电习惯下对应的各负荷的开启时间和各负荷的使用时长。与实施例二不同的是,在本申请实施例中,加入对方案超时的惩罚值。预先设定NTi e和NTi s为第i个负荷的合理启停时间点,根据实际情况,对于每个负荷可以设置多组合理启停时间点(NTi s1、NTi e1,NTi s2、NTi e2,……,NTi sz、NTi ez),一组合理启停时间点对应负荷的一个合理工作时间段。例如,可以设置洗衣机的合理工作时间段为“9:00-11:00,15:00-20:00”等。负荷的合理启停时间点可以由电网公司根据目标用户的性质预先设定,在后续使用中可以由目标用户(在允许范围内)进行适应性调整。利用惩罚值来衡量用电方案中负荷的开启时间是否在其合理工作时间段内。
则方案偏离度参数可以采用如下公式表示:
其中,D为用电方案的初始方案偏离度参数,yj为目标用户对第j种用电习惯的依赖度参数,dj为用电方案与第j种用电习惯的方案偏离度值(计算方式如公式(4)),PB为用电方案的超时惩罚值,FTi为用电方案中第i个负荷的开启时间,Ti j为第j种用电习惯中对第i个负荷的开启时间,pbi为第i个负荷对应的超时惩罚值,NTi e为预设的第i个负荷的合理开启时间,NTi s为预设的第i个负荷的合理关停时间,υ为预设的超时惩罚参数。当第i个负荷对应多组合理启停时间点时,选择距离FTi最近的合理启停时间点进行代入。υ可以设置为一个较大的值,以便加强超时惩罚的效果。
此外,目标用户的总电价数据计算函数、对总电价数据和方案偏离度参数计算结果的归一化处理的方式可以参考实施例二,在此不再赘述。
实施例四
图2为本申请实施例提供的另一种用电方案确定方法的流程图。
基于实施例一的公式(1)中可以看到,方案偏离度权重系数mD和电价数据权重系数mF取值不同,则最终求解得到的推荐用电方案所起到的优化用户用电行为的效果也有所不同。电价数据权重系数mF越大,则越能够优化用户用电行为,但不一定能使目标用户接收。电价数据权重系数mF越小,优化用户用电行为的效果越差,但目标用户可能更容易接收。
故在上述实施例的基础上,在本申请实施例提供的用电方案确定方法中,通过设置多组方案偏离度权重系数mD和电价数据权重系数mF来探寻目标用户对于优化用电行为的反馈情况,从而动态地寻求均衡优化用电行为和用户满意度的推荐用电方案。
则如图2所示,在图1的基础上,步骤S103:根据电网分时电价数据和第一参数构建基于用户习惯的电网用电方案推荐模型,具体为:
S201:在一次初始方案推荐任务中,将电网分时电价数据和第一参数代入多组初始方案偏离度权重系数和初始电价数据权重系数对应的目标函数,得到多个待求解目标函数。
相应的,步骤S104:求解电网用电方案推荐模型,得到对目标用户的推荐用电方案,具体为:
S202:求解各待求解目标函数,得到多个推荐用电方案。
步骤S105:执行针对推荐用电方案的推荐操作,具体为:
S203:执行对各推荐用电方案的推荐操作。
本申请实施例提供的用电方案确定方法还包括:
S204:判断是否达到预设初始推荐次数;如果是,则进入步骤S205;如果否,则返回步骤S201。
S205:根据目标用户在此前的方案推荐任务中选择的目标推荐用电方案确定当前方案推荐任务对应的多组当前方案偏离度权重系数和当前电价数据权重系数,将电网分时电价数据和第一参数代入各组当前方案偏离度权重系数和当前电价数据权重系数对应的目标函数,得到多个待求解目标函数后,进入步骤S202。
在具体实施中,预设初始推荐次数可以为两次或更多次。各次初始方案推荐任务中对应的各组方案偏离度权重系数mD和电价数据权重系数mF可以相同,也可以不同。
可选的,可以参照表1设置初始方案推荐任务中对应的各组方案偏离度权重系数mD和电价数据权重系数mF,即在每次初始方案推荐任务中均以表1中的五组方案偏离度权重系数mD和电价数据权重系数mF生成待求解目标函数。在该情况下,随着目标用户用电习惯的变化或者分时电价数据的变化,每次初始方案推荐任务中的待求解目标函数也可能不同。
优化程度 | m<sub>F</sub> | m<sub>D</sub> |
优 | 0.9 | 0.1 |
良 | 0.7 | 0.3 |
一般 | 0.5 | 0.5 |
较差 | 0.3 | 0.7 |
差 | 0.1 | 0.9 |
表1初始方案推荐任务中权重系数参考表
在经过多次初始方案推荐任务后,可以根据目标用户在各次初始方案推荐任务中选择的目标推荐用电方案确定目标用户参与优化用电的倾向,故参照各目标推荐用电方案对应的偏离度权重系数mD和电价数据权重系数mF来生成当前方案的偏离度权重系数mD和电价数据权重系数mF。当前方案的偏离度权重系数mD和电价数据权重系数mF也可以为多组,组数可以和初始方案推荐任务不同。而在此后的方案推荐任务中,可以继续依据目标用户在此前的方案推荐任务中选择的目标推荐用电方案确定当前方案推荐任务对应的偏离度权重系数mD和电价数据权重系数mF。
在此基础上,还可以通过偏离度权重系数mD和电价数据权重系数mF的设定来引导目标用户优化用电行为,通过在目标用户选择的目标推荐用电方案的基础上,缓慢增加电价数据权重系数mF,从而循序渐进地培养目标用户优化用电习惯,减少目标用户对推荐用电方案的抵触情绪。则步骤S205中根据目标用户在此前的方案推荐任务中选择的目标推荐用电方案确定当前方案推荐任务对应的多组当前方案偏离度权重系数和当前电价数据权重系数具体可以包括:
以目标用户在多个此前的方案推荐任务中选择的目标推荐用电方案中的方案偏离度权重系数和电价数据权重系数为基础调整参数;
基于基础调整参数,向电价数据权重系数升高的方向生成多组当前方案偏离度权重系数和当前电价数据权重系数。
在具体实施中,可以如表2所示来生成当前方案推荐任务对应的偏离度权重系数mD和电价数据权重系数mF,表2中的参数mt可以采用如下公式表示:
mt=(1-h)·mF(t-1)+h·mFt(t=1,2,3,...) (10)
其中,h为用户优化用电习惯跟踪速度,可以设置为0.6。
节能程度 | m<sub>F</sub> | m<sub>D</sub> |
优 | 1.01·m<sub>t</sub> | 1-1.01·m<sub>t</sub> |
良 | 1.00·m<sub>t</sub> | 1-1.00·m<sub>t</sub> |
一般 | 0.99·m<sub>t</sub> | 1-0.99·m<sub>t</sub> |
较差 | 0.98·m<sub>t</sub> | 1-0.98·m<sub>t</sub> |
差 | 0.97·m<sub>t</sub> | 1-0.97·m<sub>t</sub> |
表2当前方案推荐任务中权重系数参考表
参数mt也可以用偏离度权重系数mD来表示,在此不再赘述。
在实际应用中,以设置两次初始方案推荐任务为例,则可以在两次初始方案推荐任务中均依照表1设置偏离度权重系数mD和电价数据权重系数mF,将目标用户的实际用电方案的第一参数和分时电价数据代入公式(1),利用改进后的遗传-禁忌搜索算法进行求解,得到优化程度不同的推荐用电方案,每个推荐用电方案中包括各个负荷的推荐开启时间及开启时所处的状态,并将推荐用电方案通过应用软件推荐给目标用户。记录两次目标用户选择的目标推荐用电方案对应的权重系数为mF0、mD0,mF1、mD1为第三次方案推荐任务的起始参数。从第三次方案推荐任务开始,依据表2调整偏离度权重系数mD和电价数据权重系数mF。
实施例五
在上述实施例的基础上,本申请实施例提供的用电方案确定方法还可以包括:
当监测到目标用户存在超出第一参数的预定阈值的用电参数时,向目标用户发送对应负荷的用电状态异常提示。
在具体实施中,预先针对第一参数设置预定阈值,至少包括各负荷开启时间的预定阈值和使用时长的预定阈值。对目标用户的用电情况进行实时检测,若发现某负荷的启动时间与目标用户的所有用电习惯里该负荷的启动时间均偏差超出预定阈值、或某负荷的使用时长超出目标用户的所有用电习惯里该负荷的最大使用时长超过预定阈值,认为该负荷可能存在异常用电情况,则向目标用户发送对应负荷的用电状态异常提示,询问目标用户该负荷是否处于正常使用状态。如果该负荷未处于正常使用状态,则在数据库中将此异常用电数据进行标记,并在进行目标用户的用电习惯更新时跳过该段数据,避免干扰用电习惯数据的生成。
此外,还可以通过在负荷处于待机或休眠状态时提示目标用户关闭该负荷,并向目标用户展示若该负荷持续待机一个月将会浪费多少电能,用数据促进目标用户养成及时关闭负荷的习惯。同时,为目标用户提供每周、月、年的负荷用电及电费情况,若目标用户对节能家电有一定的购买意愿,则引导目标用户估算现有家具的功能及成本,之后于互联网中搜索相应功能的新型节能家具,计算其节能能力,为目标用户估计新家具大约使用多长时间后其节能能力所带来的效益可以抵消目标用户购买新家具时所额外支出的产品成本,提高目标用户对节能产品的购买意愿,间接实现节能目的。
上文详述了用电方案确定方法对应的各个实施例,在此基础上,本申请还公开了与上述方法对应的用电方案确定装置、设备及计算机可读存储介质。
图3为本申请实施例提供的一种用电方案确定装置的结构示意图。
如图3所示,本申请实施例提供的用电方案确定装置包括:
获取单元301,用于获取目标用户的用电数据和电网分时电价数据;
分析单元302,用于分析用电数据得到目标用户的实际用电方案的第一参数;
建立单元303,用于根据电网分时电价数据和第一参数构建基于用户习惯的电网用电方案推荐模型;
求解单元304,用于求解电网用电方案推荐模型,得到对目标用户的推荐用电方案;
推送单元305,用于执行针对推荐用电方案的推荐操作。
可选的,电网用电方案推荐模型的目标函数具体为:
可选的,建立单元303根据电网分时电价数据和第一参数构建基于用户习惯的电网用电方案推荐模型,具体为:
在一次初始方案推荐任务中,将电网分时电价数据和第一参数代入多组初始方案偏离度权重系数和初始电价数据权重系数对应的目标函数,得到多个待求解目标函数;
相应的,求解单元304求解电网用电方案推荐模型,得到对目标用户的推荐用电方案,具体为:
求解各待求解目标函数,得到多个推荐用电方案;
推送单元305执行针对推荐用电方案的推荐操作,具体为:
执行对各推荐用电方案的推荐操作;
本申请实施例提供的用电方案确定装置还包括:
判断单元,用于判断是否达到预设初始推荐次数;如果是,则进入确定单元;如果否,则进入建立单元303;
确定单元,用于根据目标用户在此前的方案推荐任务中选择的目标推荐用电方案确定当前方案推荐任务对应的多组当前方案偏离度权重系数和当前电价数据权重系数,将电网分时电价数据和第一参数代入各组当前方案偏离度权重系数和当前电价数据权重系数对应的目标函数,得到多个待求解目标函数后,进入求解单元304。
可选的,本申请实施例提供的用电方案确定装置还包括:
监测单元,用于当监测到目标用户存在超出第一参数的预定阈值的用电参数时,向目标用户发送对应负荷的用电状态异常提示。
由于装置部分的实施例与方法部分的实施例相互对应,因此装置部分的实施例请参见方法部分的实施例的描述,这里暂不赘述。
图4为本申请实施例提供的一种用电方案确定设备的结构示意图。
如图4所示,本申请实施例提供的用电方案确定设备包括:
存储器410,用于存储指令,所述指令包括上述任意一项实施例所述的用电方案确定方法的步骤;
处理器420,用于执行所述指令。
其中,处理器420可以包括一个或多个处理核心,比如3核心处理器、8核心处理器等。处理器420可以采用数字信号处理DSP(Digital Signal Processing)、现场可编程门阵列FPGA(Field-Programmable Gate Array)、可编程逻辑阵列PLA(Programmable LogicArray)中的至少一种硬件形式来实现。处理器420也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称中央处理器CPU(CentralProcessing Unit);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器420可以集成有图像处理器GPU(Graphics Processing Unit),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器420还可以包括人工智能AI(Artificial Intelligence)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器410可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器410还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。本实施例中,存储器410至少用于存储以下计算机程序411,其中,该计算机程序411被处理器420加载并执行之后,能够实现前述任一实施例公开的用电方案确定方法中的相关步骤。另外,存储器410所存储的资源还可以包括操作系统412和数据413等,存储方式可以是短暂存储或者永久存储。其中,操作系统412可以为Windows。数据413可以包括但不限于上述方法所涉及到的数据。
在一些实施例中,用电方案确定设备还可包括有显示屏430、电源440、通信接口450、输入输出接口460、传感器470以及通信总线480。
本领域技术人员可以理解,图4中示出的结构并不构成对用电方案确定设备的限定,可以包括比图示更多或更少的组件。
本申请实施例提供的用电方案确定设备,包括存储器和处理器,处理器在执行存储器存储的程序时,能够实现如上所述的用电方案确定方法,效果同上。
需要说明的是,以上所描述的装置、设备实施例仅仅是示意性的,例如,模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。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实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,执行本申请各个实施例所述方法的全部或部分步骤。
为此,本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如用电方案确定方法的步骤。
该计算机可读存储介质可以包括:U盘、移动硬盘、只读存储器ROM(Read-OnlyMemory)、随机存取存储器RAM(Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例中提供的计算机可读存储介质所包含的计算机程序能够在被处理器执行时实现如上所述的用电方案确定方法的步骤,效果同上。
以上对本申请所提供的一种用电方案确定方法及用电方案确定装置进行了详细介绍。说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置、设备及计算机可读存储介质而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是,在本说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种用电方案确定方法,其特征在于,包括:
获取目标用户的用电数据和电网分时电价数据;
分析所述用电数据得到所述目标用户的实际用电方案的第一参数;
根据所述电网分时电价数据和所述第一参数构建基于用户习惯的电网用电方案推荐模型;
求解所述电网用电方案推荐模型,得到对所述目标用户的推荐用电方案;
执行针对所述推荐用电方案的推荐操作。
3.根据权利要求2所述的用电方案确定方法,其特征在于,所述第一参数具体包括:所述目标用户在各用电习惯下对应的各负荷的开启时间和各负荷的使用时长;
相应的,所述方案偏离度参数具体通过以下公式计算得到:
其中,D为所述用电方案的初始方案偏离度参数,yj为所述目标用户对第j种用电习惯的依赖度参数,dj为所述用电方案与所述第j种用电习惯的方案偏离度值,FTi为所述用电方案中第i个负荷的开启时间,Ti j为所述第j种用电习惯中对所述第i个负荷的开启时间,Dmax为与所述第一参数偏离度最大的方案偏离度参数最大值,Dmin为与所述第一参数偏离度最小的方案偏离度参数最小值;
所述总电价数据具体通过以下公式计算得到:
其中,F为所述用电方案的初始总电价数据,Pi为所述第i个负荷的工作功率,Q(t)为所在时段的分时电价数据,Δti为所述第i个负荷的使用时长,Fmax为保持各所述负荷的使用时长不变的情况下将各所述负荷的开启时间调节至所述分时电价数据的波峰时刻所得到的总电价数据最大值,Fmin为保持各所述负荷的使用时长不变的情况下将各所述负荷的开启时间调节至所述分时电价数据的波谷时刻所得到的总电价数据最小值。
4.根据权利要求2所述的用电方案确定方法,其特征在于,所述第一参数具体包括:所述目标用户在各用电习惯下对应的各负荷的开启时间和各负荷的使用时长;
相应的,所述方案偏离度参数具体通过以下公式计算得到:
其中,D为所述用电方案的初始方案偏离度参数,yj为所述目标用户对第j种用电习惯的依赖度参数,dj为所述用电方案与所述第j种用电习惯的方案偏离度值,PB为所述用电方案的超时惩罚值,FTi为所述用电方案中第i个负荷的开启时间,Ti j为所述第j种用电习惯中对所述第i个负荷的开启时间,pbi为所述第i个负荷对应的超时惩罚值,NTi e为预设的所述第i个负荷的合理开启时间,NTi s为预设的所述第i个负荷的合理关停时间,υ为预设的超时惩罚参数,Dmax为与所述第一参数偏离度最大的方案偏离度参数最大值,Dmin为与所述第一参数偏离度最小的方案偏离度参数最小值;
所述总电价数据具体通过以下公式计算得到:
其中,F为所述用电方案的初始总电价数据,Pi为所述第i个负荷的工作功率,Q(t)为所在时段的分时电价数据,Δti为所述第i个负荷的使用时长,Fmax为保持各所述负荷的使用时长不变的情况下将各所述负荷的开启时间调节至所述分时电价数据的波峰时刻所得到的总电价数据最大值,Fmin为保持各所述负荷的使用时长不变的情况下将各所述负荷的开启时间调节至所述分时电价数据的波谷时刻所得到的总电价数据最小值。
5.根据权利要求2所述的用电方案确定方法,其特征在于,所述根据所述电网分时电价数据和所述第一参数构建基于用户习惯的电网用电方案推荐模型,具体为:
在一次初始方案推荐任务中,将所述电网分时电价数据和所述第一参数代入多组初始方案偏离度权重系数和初始电价数据权重系数对应的所述目标函数,得到多个待求解目标函数;
相应的,求解所述电网用电方案推荐模型,得到对所述目标用户的推荐用电方案,具体为:
求解各所述待求解目标函数,得到多个所述推荐用电方案;
所述执行针对所述推荐用电方案的推荐操作,具体为:
执行对各所述推荐用电方案的推荐操作;
所述用电方案确定方法还包括:
判断是否达到预设初始推荐次数;
如果是,则根据所述目标用户在此前的方案推荐任务中选择的目标推荐用电方案确定当前方案推荐任务对应的多组当前方案偏离度权重系数和当前电价数据权重系数,将所述电网分时电价数据和所述第一参数代入各组所述当前方案偏离度权重系数和所述当前电价数据权重系数对应的所述目标函数,得到多个所述待求解目标函数后,进入所述求解各所述待求解目标函数,得到多个所述推荐用电方案的步骤;
如果否,则返回所述在一次初始方案推荐任务中,将所述电网分时电价数据和所述第一参数代入多组初始方案偏离度权重系数和初始电价数据权重系数对应的所述目标函数,得到多个待求解目标函数的步骤。
6.根据权利要求5所述的用电方案确定方法,其特征在于,所述根据所述目标用户在此前的方案推荐任务中选择的目标推荐用电方案确定当前方案推荐任务对应的多组当前方案偏离度权重系数和当前电价数据权重系数,具体包括:
以所述目标用户在多个所述此前的方案推荐任务中选择的所述目标推荐用电方案中的所述方案偏离度权重系数和所述电价数据权重系数为基础调整参数;
基于所述基础调整参数,向所述电价数据权重系数升高的方向生成多组所述当前方案偏离度权重系数和所述当前电价数据权重系数。
7.根据权利要求1所述的用电方案确定方法,其特征在于,还包括:
当监测到所述目标用户存在超出所述第一参数的预定阈值的用电参数时,向所述目标用户发送对应负荷的用电状态异常提示。
8.一种用电方案确定装置,其特征在于,包括:
获取单元,用于获取目标用户的用电数据和电网分时电价数据;
分析单元,用于分析所述用电数据得到所述目标用户的实际用电方案的第一参数;
建立单元,用于根据所述电网分时电价数据和所述第一参数构建基于用户习惯的电网用电方案推荐模型;
求解单元,用于求解所述电网用电方案推荐模型,得到对所述目标用户的推荐用电方案;
推送单元,用于执行针对所述推荐用电方案的推荐操作。
9.一种用电方案确定设备,其特征在于,包括:
存储器,用于存储指令,所述指令包括权利要求1至7任意一项所述用电方案确定方法的步骤;
处理器,用于执行所述指令。
10.一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,所述计算机程序被处理器执行时实现如权利要求1至7任意一项所述用电方案确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110680244.9A CN113313324A (zh) | 2021-06-18 | 2021-06-18 | 一种用电方案确定方法及用电方案确定方法装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110680244.9A CN113313324A (zh) | 2021-06-18 | 2021-06-18 | 一种用电方案确定方法及用电方案确定方法装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113313324A true CN113313324A (zh) | 2021-08-27 |
Family
ID=77379371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110680244.9A Pending CN113313324A (zh) | 2021-06-18 | 2021-06-18 | 一种用电方案确定方法及用电方案确定方法装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113313324A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104122819A (zh) * | 2014-07-18 | 2014-10-29 | 东北电力大学 | 基于用户习惯的家庭智能用电方法及其系统 |
CN104181898A (zh) * | 2014-09-01 | 2014-12-03 | 东北电力大学 | 一种基于分时电价响应的交互式家电智能控制方法和系统 |
CN105550946A (zh) * | 2016-01-28 | 2016-05-04 | 东北电力大学 | 基于多智能体的居民用户参与自动需求响应的用电策略 |
CN106815684A (zh) * | 2017-01-19 | 2017-06-09 | 国网山东省电力公司邹城市供电公司 | 精细化有序用电管理的方法 |
CN111967695A (zh) * | 2020-09-12 | 2020-11-20 | 浙江大学 | 一种面向售电公司的峰谷组合电力套餐优化方法 |
CN112183942A (zh) * | 2020-09-03 | 2021-01-05 | 珠海格力电器股份有限公司 | 设备运行时间调度方法、装置、设备及计算机可读介质 |
CN112949942A (zh) * | 2021-04-08 | 2021-06-11 | 湘潭大学 | 基于多目标多元宇宙优化算法的智能楼宇负荷优化调度方法 |
-
2021
- 2021-06-18 CN CN202110680244.9A patent/CN113313324A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104122819A (zh) * | 2014-07-18 | 2014-10-29 | 东北电力大学 | 基于用户习惯的家庭智能用电方法及其系统 |
CN104181898A (zh) * | 2014-09-01 | 2014-12-03 | 东北电力大学 | 一种基于分时电价响应的交互式家电智能控制方法和系统 |
CN105550946A (zh) * | 2016-01-28 | 2016-05-04 | 东北电力大学 | 基于多智能体的居民用户参与自动需求响应的用电策略 |
CN106815684A (zh) * | 2017-01-19 | 2017-06-09 | 国网山东省电力公司邹城市供电公司 | 精细化有序用电管理的方法 |
CN112183942A (zh) * | 2020-09-03 | 2021-01-05 | 珠海格力电器股份有限公司 | 设备运行时间调度方法、装置、设备及计算机可读介质 |
CN111967695A (zh) * | 2020-09-12 | 2020-11-20 | 浙江大学 | 一种面向售电公司的峰谷组合电力套餐优化方法 |
CN112949942A (zh) * | 2021-04-08 | 2021-06-11 | 湘潭大学 | 基于多目标多元宇宙优化算法的智能楼宇负荷优化调度方法 |
Non-Patent Citations (2)
Title |
---|
孙毅等: "基于粒子群寻优的家电负荷有序使用策略研究", 《电力科学与技术学报》 * |
焦李成 等: "《计算智能导论》", 西安电子科技大学出版社 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Afzalan et al. | Residential loads flexibility potential for demand response using energy consumption patterns and user segments | |
Zhang et al. | Forecasting residential energy consumption: Single household perspective | |
Fu et al. | Clustering-based short-term load forecasting for residential electricity under the increasing-block pricing tariffs in China | |
Luo et al. | Personalized residential energy usage recommendation system based on load monitoring and collaborative filtering | |
US20160086199A1 (en) | System and method for performing demand response optimizations | |
EP2499462B1 (en) | Event identification | |
CN107194502B (zh) | 一种居民用户电力负荷预测方法 | |
US20210125129A1 (en) | Methods and system for generating at least one utility fingerprint associated with at least one premises | |
KR20120036568A (ko) | 전력부하 패턴 추출 방법 | |
Mařík et al. | Decision support tools for advanced energy management | |
Pi et al. | Demand response scheduling algorithm of the economic energy consumption in buildings for considering comfortable working time and user target price | |
Chicco | Customer behaviour and data analytics | |
Kiguchi et al. | Predicting winners and losers under time-of-use tariffs using smart meter data | |
Jin et al. | User-preference-driven model predictive control of residential building loads and battery storage for demand response | |
US9805321B2 (en) | Eco score analytics system | |
CN117709554B (zh) | 一种储热与电磁加热器联合的能源调度方法及系统 | |
Oprea et al. | Sliding time window electricity consumption optimization algorithm for communities in the context of big data processing | |
CN113313324A (zh) | 一种用电方案确定方法及用电方案确定方法装置 | |
Durillon et al. | Demand Response Methodology Applied on Three-Axis Constructed Consumers Profiles | |
CN115759664A (zh) | 一种基于电能使用行为的用户碳画像方法 | |
Puangpontip et al. | Predicting customer behaviors on energy consumption: Why past usage data are not enough? | |
CN113673830A (zh) | 基于非侵入式负荷监测技术的自适应家庭能量管理方法 | |
Duarte et al. | Analysis of Variability in Electric Power Consumption: A Methodology for Setting Time-Differentiated Tariffs | |
Elmenreich et al. | Smart microgrids: Optimizing local resources toward increased efficiency and a more sustainable growth | |
Pelekis et al. | Towards a real-time demand response framework for smart communities using clustering techniques |
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: 20210827 |
|
RJ01 | Rejection of invention patent application after publication |