CN113554268A - 平衡峰谷及淡旺季的用电策略的选择方法及系统 - Google Patents
平衡峰谷及淡旺季的用电策略的选择方法及系统 Download PDFInfo
- Publication number
- CN113554268A CN113554268A CN202110648459.2A CN202110648459A CN113554268A CN 113554268 A CN113554268 A CN 113554268A CN 202110648459 A CN202110648459 A CN 202110648459A CN 113554268 A CN113554268 A CN 113554268A
- Authority
- CN
- China
- Prior art keywords
- electricity
- strategy
- power utilization
- selecting
- user
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000010187 selection method Methods 0.000 claims abstract description 17
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims abstract description 3
- 230000005611 electricity Effects 0.000 claims description 80
- 238000003860 storage Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003068 static effect 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
- 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)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Primary Health Care (AREA)
- Probability & Statistics with Applications (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种平衡峰谷及淡旺季的用电策略的选择方法及系统，属于用电策略的选择技术领域。所述选择方法包括：获取待筛选的多个用电策略以及用户集的历史用电数据；根据公式(1)和公式(2)计算用户集中每个用户的满意度参数；根据公式(3)至(5)计算在选择用电策略的情况下的第一效用值；根据公式(6)计算在不选择用电策略下的第一效用值；根据公式(7)和公式(8)计算在每个第一效用值下的第二效用值；根据公式(9)计算每个用户的选择变量；遍历每个用电策略，删除在每个选择变量均小于0的用电策略；根据公式(10)至公式(14)计算运营端在选择用电策略的情况下的第三效用值；选择第三效用值最大的用电策略作为最优解。
Description
技术领域
本发明涉及用电策略的选择技术领域，具体地涉及一种平衡峰谷及淡旺季的用电策略的选择方法及系统。
背景技术
电网企业盈利的主要手段是通过调整电价，激励电力用户用电。目前国内外对于电价的研究，主要集中在两方面，一是电价预测上，有些研究基于神经网络技术对短期电价进行预测，有些研究是针对数学模型对电价进行预测，研究学者对数学模型的研究偏向于用回归探究电价的影响因素，利用概率论知识进行电价预测，提高电力行业的盈利能力；二是电力套餐设计方面，电力套餐的合理设计不仅可以更好的满足用户需求，还能提高供电企业的利润，降低能源消耗，国内外对于套餐的设计主要着眼于削峰填谷，有的从配电输出端改变用电峰值负荷，达到削峰的目的，有的则是从用户端出发，通过积分模式引导居民用户用电方式的转变，但是这些方法均没有考虑到用户在峰时和谷时的用电量特征，同时也没有考虑到淡季和旺季的用电量特征，从而使得用电策略无法准确制定和选择。
发明内容
本发明实施例的目的是提供一种平衡峰谷及淡旺季的用电策略的选择方法及系统，该选择方法及系统能够准确选择用电策略。
为了实现上述目的，本发明实施例提供一种平衡峰谷及淡旺季的用电策略的选择方法：
获取待筛选的多个用电策略以及用户集的历史用电数据；
根据公式(1)和公式(2)计算所述用户集中每个用户的满意度参数；
m＝(1+Qp)(b+2kQp+kQv+kQvβ)， (1)；
n＝(1+Qv)(kQp+bβ+kQpβ+2kQvβ)， (2)；
其中，m、n为所述满意度参数，Qp为所述用户的每月的历史峰时用电量，Qv为所述用户的每月的历史谷时用电量，k、b为预设的价格系数；
根据公式(3)至(5)计算每个所述用户在选择所述用电策略的情况下的第一效用值；
ui1＝-Lj+D，Qp’≤qp，Qv’≤qv (3)；
ui1＝-[Lj+(Qp’-qp)pp’+(Qv’-qv)pv’]+D，Qp’＞qp，Qv’＞qv，(4)；
D＝m[ln(Qp’+1)]+n[ln(Qv’+1)]， (5)；
其中，ui1为每个所述用户在选择所述用电策略的情况下的第一效用值，Lj为执行所述用电策略的基础效用，Qp’为采用所述用电策略后的峰时用电量，qp为所述用电策略的峰时用电量临界值，Qv’为采用所述用电策略后的每月的谷时用电量，qv为所述用电策略的谷时用电临界值；
根据公式(6)计算每个所述用户在不选择所述用电策略下的第一效用值；
ui2＝-(Qppp+Qvpv)+m(ln(Qp+1))+n(ln(Qv+1))， (6)；
其中，ui2为每个所述用户在不选择所述用电策略的情况下的第一效用值；
根据公式(7)和公式(8)计算在每个所述第一效用值下的第二效用值；
其中，Ui1为所述用户在选择所述用电策略的情况下的第一效用值的第二效用值，Ui2为所述用户在不选择所述用电策略的情况下的第一效用值的第二效用值；
根据公式(9)计算每个所述用户的选择变量；
Δj＝Ui1-Ui2， (9)；
其中，Δj为所述选择变量；
遍历每个所述用电策略，删除在每个所述选择变量均小于0的所述用电策略；
根据公式(10)至公式(14)计算运营端在选择所述用电策略的情况下的第三效用值；
Uc＝k1Uc1+k2Uc2+k3Uc3， (10)；
其中，Uc为所述第三效用值，k1、k2和k3为用于表示重要程度的参数值，Qb为采用所述用电策略的情况前的旺季总用电量，Qs为采用所述用电策略的情况前的淡季总用电量，Q′b为采用所述用电策略的情况后的旺季总用电量，Q′s为采用所述用电策略的情况后的淡季总用电量，B′为采用所述用电策略的情况后的电费收益，B为采用所述用电策略的情况前的电费收益；
选择所述第三效用值最大的用电策略作为所述最优解并执行。
可选地，所述获取待筛选的多个用电策略以及用户的历史用电数据包括：
确定策略间距的第一定义域、分档系数的第二定义域以及峰谷占比参数的第三定义域；
采用Grid Search调参方法根据所述第一定义域、第二定义域以及第三定义域生成多个所述用电策略。
可选地，所述确定策略间距的第一定义域、分档系数的第二定义域以及峰谷占比参数的第三定义域包括：
将所述历史用电数据中用户的月均用电量的最大值最为所述第一定义域的上限。
可选地，k1+k2+k3＝1。
可选地，所述选择方法还包括：
采用K-means对待计算用户进行聚类；
选择聚类后的一类所述待计算用户作为所述用户集。
可选地，所述采用K-means对待计算用户进行聚类包括：
采用手肘法确定K值。
另一方面，本发明还提供一种平衡峰谷及淡旺季的用电量策略的控制系统，所述控制系统包括处理器，所述处理器用于被机器读取以使得所述机器执行如上述任一所述的选择方法。
再一方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有指令，所述指令用于被机器读取以使得所述机器执行如上述任一所述的选择方法。
通过上述技术方案，本发明提供的平衡峰谷及淡旺季的用电策略的选择方法及系统首先通过计算待筛选的用电策略的第二效用值，从而确定用电策略在当前地区的历史用电数据下是否可能被用户选择；再针对初步筛选后的用电策略计算运营端的第三效用值，并选择第三效应值最大的用电策略来执行。该选择方法及系统在保证了用电策略对当前地区的用户可接受的情况下，尽可能地提高运营端的收益，克服了现有技术中依赖人为比对的方法存在的效率低、准确性差的技术缺陷，提高了用电策略筛选的精度以及准确性。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
图1是根据本发明的一个实施方式的平衡峰谷及淡旺季的用电策略的选择方法的流程图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
如图1所示是根据本发明的一个实施方式的基于用电量分类的用电策略的选择方法的流程图。在该图1中，该选择方法可以包括：
在步骤S10中，获取待筛选的多个用电策略以及用户集的历史用电数据；
在步骤S11中，根据公式(1)和公式(2)计算用户集中每个用户的满意度参数；
m＝(1+Qp)(b+2kQp+kQv+kQvβ)， (1)；
n＝(1+Qv)(kQp+bβ+kQpβ+2kQvβ)， (2)；
其中，m、n为满意度参数，Qp为用户的每月的历史峰时用电量，Qv为用户的每月的历史谷时用电量，k、b为预设的价格系数；
在步骤S12中，根据公式(3)至(5)计算每个用户在选择用电策略的情况下的第一效用值；
ui1＝-Lj+D，Qp’≤qp，Qv’≤qv (3)；
ui1＝-[Lj+(Qp’-qp)pp’+(Qv’-qv)pv’]+D，Qp’＞qp，Qv’＞qv，(4)；
D＝m[ln(Qp’+1)]+n[ln(Qv’+1)]， (5)；
其中，ui1为每个用户在选择用电策略的情况下的第一效用值的第一效用值，Lj为执行用电策略的基础效用，Qp’为采用用电策略后的峰时用电量，qp为用电策略的峰时用电量临界值，Qv’为采用用电策略后的每月的谷时用电量，qv为用电策略的谷时用电临界值；
在步骤S13中，根据公式(6)计算每个用户在不选择用电策略下的第一效用值；
ui2＝-(Qppp+Qvpv)+m(ln(Qp+1))+n(ln(Qv+1))， (6)；
其中，ui2为算每个用户在不选择用电策略下的第一效用值。
在步骤S14中，根据公式(7)和公式(8)计算在每个第一效用值下的第二效用值；
其中，Ui1为用户在选择用电策略的情况下的第一效用值对应的第二效用值，Ui2为用户在不选择用电策略的情况下的第一效用值对应的第二效用值；
在步骤S15中，根据公式(9)计算每个用户的选择变量；
Δj＝Ui1-Ui2， (9)；
其中，Δj为选择变量；
在步骤S16中，遍历每个用电策略，删除在每个选择变量均小于0的用电策略；
在步骤S17中，根据公式(10)至公式(14)计算运营端在选择用电策略的情况下的第三效用值；
Uc＝k1Uc1+k2Uc2+k3Uc3， (10)；
其中，Uc为第三效用值，k1、k2和k3为用于表示重要程度的参数值，Qb为采用用电策略的情况前的旺季总用电量，Qs为采用用电策略的情况前的淡季总用电量，Q′b为采用用电策略的情况后的旺季总用电量，Q′s为采用用电策略的情况后的淡季总用电量，B′为采用用电策略的情况后的电费收益，B为采用用电策略的情况前的电费收益，k1+k2+k3＝1；
在步骤S18中，选择第三效用值最大的用电策略作为最优解并执行。
在该如图1所示出的选择方法中，步骤S10至步骤S14用于获取待筛选的多个用电策略以及每个用户在选择用电策略和不选择用电策略下的第一效用值。由于在历史用电数据中，每个用电策略均是持续12个月(用户选择了用电策略或用电套餐后，一般至少会使用至少一年)，因此需要通过步骤14中计算出累加后的第二效用值。在步骤S15中，通过公式(9)将每个用户在选择用电策略和不选择用电策略下的第二效用值相减，从而得到每个用户的选择变量。从该公式(9)中可以看出，选择变量大于0表示用户在选择用电策略后，得到的第二效应值大于未选择用电策略的情况。显然，只有选择变量大于0的用电策略才能够具有实施意义，所以在步骤S16删除了选择选择变量均小于O的用电策略。初步筛选后的用电策略能够满足用电策略实施的基础意义，即至少存在一部分用户会选择该用电策略。但是，为了进一步寻找最优的用电策略，在该实施方式中，可以进一步通过步骤S17计算在选择当前用电策略的情况下，运营端(可以为供电公司)的第三效用值。最后，通过步骤S18选择第三效用值最大的用电策略作为最优解并执行，从而实现运营端收益的最大化。
在该实施方式中，对于获取用电策略的方式，虽然可以是本领域人员所知的多种方法。但是在本发明的一个优选示例中，为了避免人为预设用电策略而导致的适用性差的缺陷，可以是先确定策略间距的第一定义域、分档系数的第二定义域以及峰谷占比参数的第三定义域，再采用Grid Search调参方法根据第一定义域、第二定义域以及第三定义域生成多个用电策略。其中，该策略间距可以是用于表示不同的用电策略中用户的用电总量的上限的变化梯度，考虑到策略间距不可能大于用户的月均用电量的最大值。因此，该第一定义域的上限可以为用户的月均用电量的最大值，而下限则可以是小于该最大值的任何一个大于0数值。分档系数可以是用电策略中随着用电量的增长而逐级提高单价电费的阶梯值，其对应的第二定义域可以为大于0的区间。峰谷占比参数可以是用电策略中对用户用电时间段划分的变量，该峰谷占比参数的大小直接决定了该用电策略是否能够实施。虽然该峰谷占比参数的具体数值也可以是本领域人员所知的多种形式，但是为了确保生成的用电策略具备实施的意义，通过采用海塞矩阵对历史用电数据在不同时间段的用电量分配的计算，该第三定义域可以为[0，1]。
由于在步骤S15中需要计算每个用户的选择变量，而在一个地区(例如市级)内的用户数量比较庞大，此时如果分别计算每个用户的选择变量就会导致计算量的大量增加。因此，在本发明的一个实施方式中，可以先采用K-means对待计算用户进行聚类，再选择聚类后的一类待计算用户作为用户集。K-means算法可以通过对用户进行聚类，从而降低用户的规模，然后针对聚类后的一类待计算用户执行如图1中所示的方法，能够对用户进行分别计算，从而通过划分的方式降低了系统的单词运行的计算量。而对于该K-means算法的K值的确定，虽然可以是本领域人员所知的多种方式。但是，在发明的一个优选示例中，为了进一步提高K-means算法分类的效率，可以是采用手肘法来确定该K值。
另一方面，本发明还提供一种平衡峰谷及淡旺季的用电量策略的控制系统，所述控制系统包括处理器，所述处理器用于被机器读取以使得所述机器执行如上述任一所述的选择方法。
再一方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有指令，所述指令用于被机器读取以使得所述机器执行如上述任一所述的选择方法。
通过上述技术方案，本发明提供的平衡峰谷及淡旺季的用电策略的选择方法及系统首先通过计算待筛选的用电策略的第二效用值，从而确定用电策略在当前地区的历史用电数据下是否可能被用户选择；再针对初步筛选后的用电策略计算运营端的第三效用值，并选择第三效应值最大的用电策略来执行。该选择方法及系统在保证了用电策略对当前地区的用户可接受的情况下，尽可能地提高运营端的收益，克服了现有技术中依赖人为比对的方法存在的效率低、准确性差的技术缺陷，提高了用电策略筛选的精度以及准确性。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商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、商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，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (8)
1.一种平衡峰谷及淡旺季的用电策略的选择方法，其特征在于，所述选择方法包括：
获取待筛选的多个用电策略以及用户集的历史用电数据；
根据公式(1)和公式(2)计算所述用户集中每个用户的满意度参数；
m＝(1+Qp)(b+2kQp+kQv+kQvβ)，(1)；
n＝(1+Qv)(kQp+bβ+kQpβ+2kQvβ)，(2)；
其中，m、n为所述满意度参数，Qp为所述用户的每月的历史峰时用电量，Qv为所述用户的每月的历史谷时用电量，k、b为预设的价格系数；
根据公式(3)至(5)计算每个所述用户在选择所述用电策略的情况下的第一效用值；
ui1＝-Lj+D，Qp’≤qp，Qv’≤qv (3)；
ui1＝-[Lj+(Qp’-qp)pp’+(Qv’-qv)pv’]+D，Qp’＞qp，Qv’＞qv，(4)；
D＝m[ln(Qp’+1)]+n[ln(Qv’+1)]，(5)；
其中，ui1为每个所述用户在选择所述用电策略的情况下的第一效用值，Lj为执行所述用电策略的基础效用，Qp’为采用所述用电策略后的峰时用电量，qp为所述用电策略的峰时用电量临界值，Qv’为采用所述用电策略后的每月的谷时用电量，qv为所述用电策略的谷时用电临界值；
根据公式(6)计算每个所述用户在不选择所述用电策略下的第一效用值；
ui2＝-(Qppp+Qvpv)+m(ln(Qp+1))+n(ln(Qv+1))，(6)；
其中，ui2为每个所述用户在不选择所述用电策略的情况下的第一效用值；
根据公式(7)和公式(8)计算在每个所述第一效用值下的第二效用值；
其中，Ui1为所述用户在选择所述用电策略的情况下的第一效用值的第二效用值，Ui2为所述用户在不选择所述用电策略的情况下的第一效用值的第二效用值；
根据公式(9)计算每个所述用户的选择变量；
Δj＝Ui1-Ui2，(9)；
其中，Δj为所述选择变量；
遍历每个所述用电策略，删除在每个所述选择变量均小于0的所述用电策略；
根据公式(10)至公式(14)计算运营端在选择所述用电策略的情况下的第三效用值；
Uc＝k1Uc1+k2Uc2+k3Uc3，(10)；
其中，Uc为所述第三效用值，k1、k2和k3为用于表示重要程度的参数值，Qb为采用所述用电策略的情况前的旺季总用电量，Qs为采用所述用电策略的情况前的淡季总用电量，Q′b为采用所述用电策略的情况后的旺季总用电量，Q′s为采用所述用电策略的情况后的淡季总用电量，B′为采用所述用电策略的情况后的电费收益，B为采用所述用电策略的情况前的电费收益；
选择所述第三效用值最大的用电策略作为所述最优解并执行。
2.根据权利要求1所述的选择方法，其特征在于，所述获取待筛选的多个用电策略以及用户的历史用电数据包括：
确定策略间距的第一定义域、分档系数的第二定义域以及峰谷占比参数的第三定义域；
采用Grid Search调参方法根据所述第一定义域、第二定义域以及第三定义域生成多个所述用电策略。
3.根据权利要求2所述的选择方法，其特征在于，所述确定策略间距的第一定义域、分档系数的第二定义域以及峰谷占比参数的第三定义域包括：
将所述历史用电数据中用户的月均用电量的最大值最为所述第一定义域的上限。
4.根据权利要求1所述的选择方法，其特征在于，k1+k2+k3＝1。
5.根据权利要求1所述的选择方法，其特征在于，所述选择方法还包括：
采用K-means对待计算用户进行聚类；
选择聚类后的一类所述待计算用户作为所述用户集。
6.根据权利要求5是所述的选择方法，其特征在于，所述采用K-means对待计算用户进行聚类包括：
采用手肘法确定K值。
7.一种平衡峰谷及淡旺季的用电量策略的控制系统，其特征在于，所述控制系统包括处理器，所述处理器用于被机器读取以使得所述机器执行如权利要求1至6任一所述的选择方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有指令，所述指令用于被机器读取以使得所述机器执行如权利要求1至6任一所述的选择方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110648459.2A CN113554268B (zh) | 2021-06-10 | 2021-06-10 | 平衡峰谷及淡旺季的用电策略的选择方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110648459.2A CN113554268B (zh) | 2021-06-10 | 2021-06-10 | 平衡峰谷及淡旺季的用电策略的选择方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113554268A true CN113554268A (zh) | 2021-10-26 |
| CN113554268B CN113554268B (zh) | 2024-03-15 |
Family
ID=78130467
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110648459.2A Active CN113554268B (zh) | 2021-06-10 | 2021-06-10 | 平衡峰谷及淡旺季的用电策略的选择方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113554268B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009109766A1 (en) * | 2008-03-07 | 2009-09-11 | British Telecommunications Public Limited Company | Adaptive monitoring thresholds |
| CN106295984A (zh) * | 2016-08-05 | 2017-01-04 | 合肥工业大学 | 一种面向工业企业的需求响应系统及方法 |
| CN106780125A (zh) * | 2016-12-08 | 2017-05-31 | 国网浙江杭州市富阳区供电公司 | 一种基于月均用电量的采集异常紧急程度计算方法 |
| US20180083482A1 (en) * | 2016-09-19 | 2018-03-22 | Nestfield Co., Ltd. | Supply-demand balancing method and system for power management in smart grid |
| CN107958338A (zh) * | 2017-12-08 | 2018-04-24 | 合肥工业大学 | 用电策略推荐方法及装置、存储介质 |
| CN108665184A (zh) * | 2018-05-21 | 2018-10-16 | 国网陕西省电力公司咸阳供电公司 | 一种基于大数据征信的电力客户信誉评估方法 |
| CN109086922A (zh) * | 2018-07-19 | 2018-12-25 | 浙江大学 | 一种面向工商业用户的需求响应电力套餐优化设计方法 |
| CN110796283A (zh) * | 2019-09-18 | 2020-02-14 | 浙江大学 | 一种面向需求侧主动响应的电量套餐优化设计方法 |
| CN111932121A (zh) * | 2020-08-11 | 2020-11-13 | 广东电网有限责任公司广州供电局 | 一种优质电力投资方案评估方法、装置、终端及存储介质 |
| CN112231085A (zh) * | 2020-10-21 | 2021-01-15 | 中国电子科技集团公司第二十八研究所 | 一种协同环境下基于时间感知的移动终端任务迁移方法 |
| CN112416516A (zh) * | 2020-11-20 | 2021-02-26 | 中国电子科技集团公司第二十八研究所 | 一种面向资源效用提升的云数据中心资源调度方法 |
| CN112581173A (zh) * | 2020-12-18 | 2021-03-30 | 傲普(上海)新能源有限公司 | 一种消纳比例及加权电价测算系统 |
-
2021
- 2021-06-10 CN CN202110648459.2A patent/CN113554268B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009109766A1 (en) * | 2008-03-07 | 2009-09-11 | British Telecommunications Public Limited Company | Adaptive monitoring thresholds |
| CN106295984A (zh) * | 2016-08-05 | 2017-01-04 | 合肥工业大学 | 一种面向工业企业的需求响应系统及方法 |
| US20180083482A1 (en) * | 2016-09-19 | 2018-03-22 | Nestfield Co., Ltd. | Supply-demand balancing method and system for power management in smart grid |
| CN106780125A (zh) * | 2016-12-08 | 2017-05-31 | 国网浙江杭州市富阳区供电公司 | 一种基于月均用电量的采集异常紧急程度计算方法 |
| CN107958338A (zh) * | 2017-12-08 | 2018-04-24 | 合肥工业大学 | 用电策略推荐方法及装置、存储介质 |
| CN108665184A (zh) * | 2018-05-21 | 2018-10-16 | 国网陕西省电力公司咸阳供电公司 | 一种基于大数据征信的电力客户信誉评估方法 |
| CN109086922A (zh) * | 2018-07-19 | 2018-12-25 | 浙江大学 | 一种面向工商业用户的需求响应电力套餐优化设计方法 |
| CN110796283A (zh) * | 2019-09-18 | 2020-02-14 | 浙江大学 | 一种面向需求侧主动响应的电量套餐优化设计方法 |
| CN111932121A (zh) * | 2020-08-11 | 2020-11-13 | 广东电网有限责任公司广州供电局 | 一种优质电力投资方案评估方法、装置、终端及存储介质 |
| CN112231085A (zh) * | 2020-10-21 | 2021-01-15 | 中国电子科技集团公司第二十八研究所 | 一种协同环境下基于时间感知的移动终端任务迁移方法 |
| CN112416516A (zh) * | 2020-11-20 | 2021-02-26 | 中国电子科技集团公司第二十八研究所 | 一种面向资源效用提升的云数据中心资源调度方法 |
| CN112581173A (zh) * | 2020-12-18 | 2021-03-30 | 傲普(上海)新能源有限公司 | 一种消纳比例及加权电价测算系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113554268B (zh) | 2024-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106875027B (zh) | 资源请求值的预测方法及装置、交易量的预测方法 | |
| CN106549772A (zh) | 资源预测方法、系统和容量管理装置 | |
| CN108694673A (zh) | 一种保险业务风险预测的处理方法、装置及处理设备 | |
| CN103745280A (zh) | 用电量预测方法、装置及处理器 | |
| CN111553516A (zh) | 一种短期电量负荷精准预测方法 | |
| CN109741177A (zh) | 用户信用的评估方法、装置及智能终端 | |
| CN116205355B (zh) | 电力负荷的预测方法、装置以及存储介质 | |
| CN113326654A (zh) | 一种燃气负荷预测模型的构建方法及装置 | |
| CN106992525A (zh) | 电力负荷管理方法和装置 | |
| CN115907389A (zh) | 一种基于用户画像的城区尺度需求响应潜力电力用户定位方法、系统及介质 | |
| CN114899830A (zh) | 基于电网峰谷差率的负荷侧交易方法、系统及相关设备 | |
| CN113554268B (zh) | 平衡峰谷及淡旺季的用电策略的选择方法及系统 | |
| Li et al. | Feature analysis of generalized load patterns considering active load response to real-time pricing | |
| CN115907494A (zh) | 一种基于区域能耗预算的能耗双控管理方法、设备及介质 | |
| CN109598856B (zh) | 一种储能计费方法及装置 | |
| CN117200280B (zh) | 光伏电站功率控制方法及相关设备 | |
| CN117977726B (zh) | 基于区域调频的水力发电厂优化方法、装置、设备和介质 | |
| Nycander et al. | An open model for generating high resolution wind power production scenarios | |
| CN114925969A (zh) | 可再生能源消纳责任权重分配方法、系统、设备及介质 | |
| CN118365094B (zh) | 一种用于电力施工的项目物资需求预测方法及系统 | |
| CN114243704B (zh) | 优化配电网谐波方法、装置、终端及存储介质 | |
| CN118014318B (zh) | 一种基于多能系统的电力能源需求动态管理方法及装置 | |
| CN117371862A (zh) | 建设项目投资评价方法、装置、设备及存储介质 | |
| CN116562559A (zh) | 一种基于组合模型的短期负荷预测方法和系统 | |
| CN116485180A (zh) | 企业违约风险等级确定方法、装置、处理器及电子设备 |
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 |