CN113328526B - 一种智能电网的运行监测系统 - Google Patents

一种智能电网的运行监测系统 Download PDF

Info

Publication number
CN113328526B
CN113328526B CN202110626271.8A CN202110626271A CN113328526B CN 113328526 B CN113328526 B CN 113328526B CN 202110626271 A CN202110626271 A CN 202110626271A CN 113328526 B CN113328526 B CN 113328526B
Authority
CN
China
Prior art keywords
user
electricity
index
consumption
evaluation
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.)
Active
Application number
CN202110626271.8A
Other languages
English (en)
Other versions
CN113328526A (zh
Inventor
张永强
温艳春
滕为军
柳新全
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.)
Management Training Center Of State Grid Heilongjiang Electric Power Co ltd
State Grid Corp of China SGCC
State Grid Heilongjiang Electric Power Co Ltd
Original Assignee
Management Training Center Of State Grid Heilongjiang Electric Power Co ltd
State Grid Corp of China SGCC
State Grid Heilongjiang Electric Power Co Ltd
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 Management Training Center Of State Grid Heilongjiang Electric Power Co ltd, State Grid Corp of China SGCC, State Grid Heilongjiang Electric Power Co Ltd filed Critical Management Training Center Of State Grid Heilongjiang Electric Power Co ltd
Priority to CN202110626271.8A priority Critical patent/CN113328526B/zh
Publication of CN113328526A publication Critical patent/CN113328526A/zh
Application granted granted Critical
Publication of CN113328526B publication Critical patent/CN113328526B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Power Engineering (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Evolutionary Computation (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Human Computer Interaction (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种智能电网的运行监测系统，属于智能电网技术领域，本发明为解决现有用电用户无法对用电情况进行调控，造成能源浪费的问题。它包括用户用电采集模块和用户最优用电决策模块；用户用电采集模块采集获取每个用户每个时段的用电量，并将用电量信息发送至用户最优用电决策模块；用户最优用电决策模块根据用电量信息建立用电评估模型，根据用电评估模型获取用户用电评估值，然后利用聚类算法筛选出待优化用户，再根据AHP层析分析法获取待优化用户的最优用电方案。本发明用于智能电网。

Description

一种智能电网的运行监测系统
技术领域
本发明涉及一种智能电网的运行监测系统，属于智能电网技术领域。
背景技术
智能电网也称为电网2.0，以实现电网的可靠、安全、经济和高效为目标。与现有电网相比，智能电网体现出电力流、信息流和业务流高度融合的显著特点，其先进性和优势主要表现在：
具有电网基础体系和技术支撑体系，能够抵御各类外部干扰和攻击，能够适应大规模清洁能源和可再生能源的接入，电网的稳定性能够得到巩固和提升。将信息技术、传感器技术和自动控制技术与电网基础设施有机融合，能够获得电网的全景信息，及时发现、预见可能发生的故障。并且，当故障发生时，电网可以快速隔离故障，实现自我恢复，从而避免大面积故障情况的发生。
3、柔性交/直流输电、网厂协调、智能调度、电力储能和配电自动化等技术的广泛应用，使得电网运行控制更加灵活、经济，并能适应大量分布式电源、微电网和电动汽车充放电设施的接入；
4、通信、信息和现代管理技术的综合运用，大大提高了电力设备的使用效率，降低了电能损耗，使电网运行更加经济和高效；
5、实现实时和非实时信息的高度集成、共享和利用，为运行管理展示全面、完整和精细的电网运营状态图，同时能够提供相应的辅助决策支持、控制实施方案和应对预案；
6、能够建立双向互动的服务模式，用户可以实时了解供电能力、电能质量、电价状况和停电信息，合理安排电器的使用，电力企业可以获取用户的详细用电信息，为其提供更多的增值服务。
但是从实际情况来看，电力调度系统还不够完善，智能电网调度环节中还存在很多问题需要改善。用电用户的用电情况不能得到监控，尤其对于大工业用户，用电量巨大，存在着严重的电能损耗的情况，造成了极大的能源浪费。
发明内容
本发明目的是为了解决用电用户无法对用电情况进行调控，造成能源浪费的问题，提供了一种智能电网的运行监测系统。
本发明所述一种智能电网的运行监测系统，该运行监测系统包括用户用电采集模块和用户最优用电决策模块；
用户用电采集模块采集获取每个用户每个时段的用电量，并将用电量信息发送至用户最优用电决策模块；
用户最优用电决策模块根据用电量信息建立用电评估模型，根据用电评估模型获取用户用电评估值，然后利用聚类算法筛选出待优化用户，再根据AHP层析分析法获取待优化用户的最优用电方案。
优选的，用户最优用电决策模块根据用电量信息建立用电评估模型，根据用电评估模型获取用户用电评估值的具体方法为：
用户用电评估值的函数表达式为：
Figure BDA0003101269070000021
xi表示第i个评价指标，i＝1,2，…，n；fi(xi)表示第i个评价指标的评价函数，ωi表示第i个评价指标评价函数的权重；
其中fi(xi)＝gi(xi)+hi(xi)；
gi(xi)表示第i个评价指标的实际值，hi(xi)表示第i个评价指标的最优估计值。
优选的，n＝5；x1表示用户的用电属性，x2表示用户用电电压等级，x3表示过去一年电费总额，x4表示过去一年内月用电最大量；x5表示用户性质。
优选的，当x1表示用户为间断用电用户时，ω1＝1，当x1表示用户为持续用电用户时，ω1＝2；
当x2表示用户用电电压为220V时，ω2＝1，当x2表示用户用电电压为380V时，ω2＝2，当x2表示用户用电电压为10kV～220kV时，ω2＝3，当x2表示用户用电电压为330kV～750kV时，ω2＝4，当x2表示用户用电电压为800kV以上时，ω2＝5；
当x3＝a kW·h时，ω3＝a；
当x4＝b kW·h时，ω4＝b；
当x5表示用户为个人用户时，ω5＝1，当x5表示用户为中小型用户时，ω5＝2，当x5表示用户为大工业用户时，ω5＝3。
优选的，利用聚类算法筛选出待优化用户的具体方法包括：
S5-1、随机选取K个用户的用电评估值作为初始聚类中心；
S5-2、依次计算其他用户与每个聚类中心的距离，将用户分配给距离最小的聚类中心，获取K个分组；
S5-3、判断K个分组内是否有新增用户，是则执行S5-4，否则执行S5-6；
S5-4、每个分组获取一个新增用户后，计算组内所有用户之间的距离，将与所有其他用户距离最小的用户作为新的聚类中心；
S5-5、判断聚类中心是否发生变化，是则返回执行S5-2，否则执行S5-6；
S5-6、计算K个分组的所有用户的用电评估值之和，总和最大值的分组即为待优化用户。
优选的，根据AHP层析分析法获取待优化用户的最优用电方案的具体方法包括：
建立层次结构模型，包括中间层指标Jd和低层指标Lt；其中，d表示中间层指标总数，t表示低层指标总数；
采用熵权法计算每个低层指标Lt针对其中间层指标Jd的权重Wt(d)；
计算备选用电方案的加权和：
U＝Wt(1)+Wt(2)+…Wt(d)；
Wt(1)表示第一个中间层指标中的第t个低层指标针对其中间层指标的权重，
Wt(2)表示第二个中间层指标中的第t个低层指标针对其中间层指标的权重，
Wt(d)表示第d个中间层指标中的第t个低层指标针对其中间层指标的权重；
加权和U最大值对应的用电方案即为最优用电方案。
优选的，采用熵权法计算每个低层指标针对其中间层指标的权重的具体方法包括：
每个中间层与其包含的低层指标的数据集合为{X1,X2,…,Xt,Xt+1}；
每两个指标的信息熵为
Figure BDA0003101269070000031
p＝1,2,…t，q＝1,2,…d；
每个下层指标针对其中间层指标的信息熵为：
Figure BDA0003101269070000041
每个中间层包含的低层指标的信息熵为：
Figure BDA0003101269070000042
计算获得各个指标针对其中间层指标的权重：
Figure BDA0003101269070000043
优选的，所述中间层指标分别为照明系统、生产系统、其他保障系统和用电损耗。
优选的，所述照明系统的低层指标分别为单位产量照明系统用电量、单位面积照明系统用电量和照明设备能效比；
所述生产系统的低层指标分别为单位产量生产系统用电量、生产设备负载率和生产设备能效比；
所述其他保障系统的低层指标分别为单位产量空调系统用电量、单位面积空调系统用电量、温度舒适度和空调机组能效比；
所述用电损耗的低层指标分别为单位产量生产单元电能损耗和供电损耗。
本发明的优点：本发明提出的一种智能电网的运行监测系统，能够结合用户的实际情况，提供最优的用电方案，使企业，尤其是大工业企业节能减排、降低成本。
附图说明
图1是本发明所述建立层次结构模型的原理框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
具体实施方式一：本实施方式所述一种智能电网的运行监测系统，其特征在于，该运行监测系统包括用户用电采集模块和用户最优用电决策模块；
用户用电采集模块采集获取每个用户每个时段的用电量，并将用电量信息发送至用户最优用电决策模块；
用户最优用电决策模块根据用电量信息建立用电评估模型，根据用电评估模型获取用户用电评估值，然后利用聚类算法筛选出待优化用户，再根据AHP层析分析法获取待优化用户的最优用电方案。
具体实施方式二：本实施方式对实施方式一作进一步说明，用户最优用电决策模块根据用电量信息建立用电评估模型，根据用电评估模型获取用户用电评估值的具体方法为：
用户用电评估值的函数表达式为：
Figure BDA0003101269070000051
xi表示第i个评价指标，i＝1,2，…，n；fi(xi)表示第i个评价指标的评价函数，ωi表示第i个评价指标评价函数的权重；
其中fi(xi)＝gi(xi)+hi(xi)；
gi(xi)表示第i个评价指标的实际值，hi(xi)表示第i个评价指标的最优估计值。
具体实施方式三：本实施方式对实施方式二作进一步说明，
n＝5；x1表示用户的用电属性，x2表示用户用电电压等级，x3表示过去一年电费总额，x4表示过去一年内月用电最大量；x5表示用户性质。
具体实施方式四：本实施方式对实施方式三作进一步说明，
当x1表示用户为间断用电用户时，ω1＝1，当x1表示用户为持续用电用户时，ω1＝2；
当x2表示用户用电电压为220V时，ω2＝1，当x2表示用户用电电压为380V时，ω2＝2，当x2表示用户用电电压为10kV～220kV时，ω2＝3，当x2表示用户用电电压为330kV～750kV时，ω2＝4，当x2表示用户用电电压为800kV以上时，ω2＝5；
当x3＝a kW·h时，ω3＝a；
当x4＝b kW·h时，ω4＝b；
当x5表示用户为个人用户时，ω5＝1，当x5表示用户为中小型用户时，ω5＝2，当x5表示用户为大工业用户时，ω5＝3。
具体实施方式五：本实施方式对实施方式二作进一步说明，利用聚类算法筛选出待优化用户的具体方法包括：
S5-1、随机选取K个用户的用电评估值作为初始聚类中心；
S5-2、依次计算其他用户与每个聚类中心的距离，将用户分配给距离最小的聚类中心，获取K个分组；
S5-3、判断K个分组内是否有新增用户，是则执行S5-4，否则执行S5-6；
S5-4、每个分组获取一个新增用户后，计算组内所有用户之间的距离，将与所有其他用户距离最小的用户作为新的聚类中心；
S5-5、判断聚类中心是否发生变化，是则返回执行S5-2，否则执行S5-6；
S5-6、计算K个分组的所有用户的用电评估值之和，总和最大值的分组即为待优化用户。
具体实施方式六：下面结合图1说明本实施方式，本实施方式对实施方式一作进一步说明，根据AHP层析分析法获取待优化用户的最优用电方案的具体方法包括：
建立层次结构模型，包括中间层指标Jd和低层指标Lt；其中，d表示中间层指标总数，t表示低层指标总数；
采用熵权法计算每个低层指标Lt针对其中间层指标Jd的权重Wt(d)；
计算备选用电方案的加权和：
U＝Wt(1)+Wt(2)+…Wt(d)；
Wt(1)表示第一个中间层指标中的第t个低层指标针对其中间层指标的权重，
Wt(2)表示第二个中间层指标中的第t个低层指标针对其中间层指标的权重，
Wt(d)表示第d个中间层指标中的第t个低层指标针对其中间层指标的权重；
加权和U最大值对应的用电方案即为最优用电方案。
具体实施方式七：本实施方式对实施方式六作进一步说明，采用熵权法计算每个低层指标针对其中间层指标的权重的具体方法包括：
每个中间层与其包含的低层指标的数据集合为{X1,X2,…,Xt,Xt+1}；
每两个指标的信息熵为
Figure BDA0003101269070000071
p＝1,2,…t，q＝1,2,…d；
每个下层指标针对其中间层指标的信息熵为：
Figure BDA0003101269070000072
每个中间层包含的低层指标的信息熵为：
Figure BDA0003101269070000073
计算获得各个指标针对其中间层指标的权重：
Figure BDA0003101269070000074
具体实施方式八：下面结合图1说明本实施方式，本实施方式对实施方式六作进一步说明，所述中间层指标分别为照明系统、生产系统、其他保障系统和用电损耗。
具体实施方式九：下面结合图1说明本实施方式，本实施方式对实施方式八作进一步说明，所述照明系统的低层指标分别为单位产量照明系统用电量、单位面积照明系统用电量和照明设备能效比；
所述生产系统的低层指标分别为单位产量生产系统用电量、生产设备负载率和生产设备能效比；
所述其他保障系统的低层指标分别为单位产量空调系统用电量、单位面积空调系统用电量、温度舒适度和空调机组能效比；
所述用电损耗的低层指标分别为单位产量生产单元电能损耗和供电损耗。
虽然在本文中参照了特定的实施方式来描述本发明，但是应该理解的是，这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是，可以对示例性的实施例进行许多修改，并且可以设计出其他的布置，只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是，可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是，结合单独实施例所描述的特征可以使用在其他所述实施例中。

Claims (5)

1.一种智能电网的运行监测系统，其特征在于，该运行监测系统包括用户用电采集模块和用户最优用电决策模块；
用户用电采集模块采集获取每个用户每个时段的用电量，并将用电量信息发送至用户最优用电决策模块；
用户最优用电决策模块根据用电量信息建立用电评估模型，根据用电评估模型获取用户用电评估值，然后利用聚类算法筛选出待优化用户，再根据AHP层析分析法获取待优化用户的最优用电方案；
利用聚类算法筛选出待优化用户的具体方法包括：
S5-1、随机选取K个用户的用电评估值作为初始聚类中心；
S5-2、依次计算其他用户与每个聚类中心的距离，将用户分配给距离最小的聚类中心，获取K个分组；
S5-3、判断K个分组内是否有新增用户，是则执行S5-4，否则执行S5-6；
S5-4、每个分组获取一个新增用户后，计算组内所有用户之间的距离，将与所有其他用户距离最小的用户作为新的聚类中心；
S5-5、判断聚类中心是否发生变化，是则返回执行S5-2，否则执行S5-6；
S5-6、计算K个分组的所有用户的用电评估值之和，总和最大值的分组即为待优化用户；
用户最优用电决策模块根据用电量信息建立用电评估模型，根据用电评估模型获取用户用电评估值的具体方法为：
用户用电评估值的函数表达式为：
Figure FDF0000024023940000011
xi表示第i个评价指标，i＝1,2，…，n；fi(xi)表示第i个评价指标的评价函数，ωi表示第i个评价指标评价函数的权重；
其中fi(xi)＝gi(xi)+hi(xi)；
gi(xi)表示第i个评价指标的实际值，hi(xi)表示第i个评价指标的最优估计值；
根据AHP层析分析法获取待优化用户的最优用电方案的具体方法包括：
建立层次结构模型，包括中间层指标Jd和低层指标Lt；其中，d表示中间层指标总数，t表示低层指标总数；
采用熵权法计算每个低层指标Lt针对其中间层指标Jd的权重Wt(d)；
计算备选用电方案的加权和：
U＝Wt(1)+Wt(2)+…Wt(d)；
Wt(1)表示第一个中间层指标中的第t个低层指标针对其中间层指标的权重，
Wt(2)表示第二个中间层指标中的第t个低层指标针对其中间层指标的权重，
Wt(d)表示第d个中间层指标中的第t个低层指标针对其中间层指标的权重；
加权和U最大值对应的用电方案即为最优用电方案；
采用熵权法计算每个低层指标针对其中间层指标的权重的具体方法包括：
每个中间层与其包含的低层指标的数据集合为{X1,X2,…,Xt,Xt+1}；
每两个指标的信息熵为
Figure FDF0000024023940000021
p＝1,2,…t，q＝1,2,…d；
每个下层指标针对其中间层指标的信息熵为：
Figure FDF0000024023940000022
每个中间层包含的低层指标的信息熵为：
Figure FDF0000024023940000023
计算获得各个指标针对其中间层指标的权重：
Figure FDF0000024023940000024
2.根据权利要求1所述的一种智能电网的运行监测系统，其特征在于，
n＝5；x1表示用户的用电属性，x2表示用户用电电压等级，x3表示过去一年电费总额，x4表示过去一年内月用电最大量；x5表示用户性质。
3.根据权利要求2所述的一种智能电网的运行监测系统，其特征在于，
当x1表示用户为间断用电用户时，ω1＝1，当x1表示用户为持续用电用户时，ω1＝2；
当x2表示用户用电电压为220V时，ω2＝1，当x2表示用户用电电压为380V时，ω2＝2，当x2表示用户用电电压为10kV～220kV时，ω2＝3，当x2表示用户用电电压为330kV～750kV时，ω2＝4，当x2表示用户用电电压为800kV以上时，ω2＝5；
当x3＝a kW·h时，ω3＝a；
当x4＝b kW·h时，ω4＝b；
当x5表示用户为个人用户时，ω5＝1，当x5表示用户为中小型用户时，ω5＝2，当x5表示用户为大工业用户时，ω5＝3。
4.根据权利要求1所述的一种智能电网的运行监测系统，其特征在于，所述中间层指标分别为照明系统、生产系统、其他保障系统和用电损耗。
5.根据权利要求4所述的一种智能电网的运行监测系统，其特征在于，
所述照明系统的低层指标分别为单位产量照明系统用电量、单位面积照明系统用电量和照明设备能效比；
所述生产系统的低层指标分别为单位产量生产系统用电量、生产设备负载率和生产设备能效比；
所述其他保障系统的低层指标分别为单位产量空调系统用电量、单位面积空调系统用电量、温度舒适度和空调机组能效比；
所述用电损耗的低层指标分别为单位产量生产单元电能损耗和供电损耗。
CN202110626271.8A 2021-06-04 2021-06-04 一种智能电网的运行监测系统 Active CN113328526B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110626271.8A CN113328526B (zh) 2021-06-04 2021-06-04 一种智能电网的运行监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110626271.8A CN113328526B (zh) 2021-06-04 2021-06-04 一种智能电网的运行监测系统

Publications (2)

Publication Number Publication Date
CN113328526A CN113328526A (zh) 2021-08-31
CN113328526B true CN113328526B (zh) 2023-04-25

Family

ID=77419793

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110626271.8A Active CN113328526B (zh) 2021-06-04 2021-06-04 一种智能电网的运行监测系统

Country Status (1)

Country Link
CN (1) CN113328526B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115425734B (zh) * 2022-11-03 2023-03-24 湖南警云智慧信息科技有限公司 一种具有自动化节能运行程序运维箱

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105243609A (zh) * 2015-11-04 2016-01-13 中国南方电网有限责任公司电网技术研究中心 一种基于模糊层次分析的用户有序用电决策方法
KR20180028583A (ko) * 2016-09-08 2018-03-19 (주)비아이매트릭스 지능형 전력사용 환경에서 수용가 맞춤형 전력량 스케쥴링 시스템
CN111695807A (zh) * 2020-06-11 2020-09-22 国网江苏省电力有限公司经济技术研究院 计及发电和用电侧能效的地区电网能效评估方法及系统

Also Published As

Publication number Publication date
CN113328526A (zh) 2021-08-31

Similar Documents

Publication Publication Date Title
CN103441520B (zh) 微网分布式新能源储能系统
CN111900753B (zh) 一种城市储能应急车的应急优化调控方法
CN114709816A (zh) 一种冰灾场景下能源互联配电系统韧性恢复方法
CN112152200B (zh) 一种基于智能微电网的多站融合集成方法及系统
CN115102953B (zh) 配电网云边端协同管控系统及方法
CN107154626A (zh) 分布式光伏智能能源与储能管理SaaS系统
CN113328526B (zh) 一种智能电网的运行监测系统
CN114336594B (zh) 一种能源聚合客户监测及需求响应调度系统及方法
CN102426663B (zh) 利用泛能流序参量优化泛能网性能的方法
CN113420930A (zh) 考虑多能互补的综合能源系统负荷侧优化调度方法及系统
Liu et al. Architecture and function analysis of integrated energy service stations considering cyber‐physical integration
Yan et al. Energy internet in smart city review
Ku et al. Energy information collecting agent for IoT big data system
Fiorentino et al. Internet of things for demand side management
CN113370825A (zh) 电动汽车充换电桩负荷互动式控制系统及其应用方法
Zhang et al. Research on combination modes and adaptability analysis of multi-station integration
CN117595517B (zh) 基于分布式光伏的智能集群控制方法及系统
CN113991744B (zh) 一种智慧能源供应系统
CN114936240B (zh) 一种数据中心时空转移潜力挖掘与评估方法
CN118350613B (zh) 一种基于分区虚拟电厂的优化调度方法及系统
Li et al. Research on Comprehensive Service System and Typical Application Scenarios of Urban Smart Energy System
Zhenyu et al. Research on Information Exchange Model for Flexible Adjustment and Control of Large-scale Demand Response
Tian et al. A framework for dispatching operation of the flexible load in the urban core area
LI et al. The Interactive Service of Diversified Energy Use Service Facing to New-type Client-side Energy Internet
Wang et al. Study on the Development and Evolution of Distribution Network Form Driven by Scenario Demand

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