CN113570246A - 地区电网调度控制系统及控制方法 - Google Patents

地区电网调度控制系统及控制方法 Download PDF

Info

Publication number
CN113570246A
CN113570246A CN202110855200.5A CN202110855200A CN113570246A CN 113570246 A CN113570246 A CN 113570246A CN 202110855200 A CN202110855200 A CN 202110855200A CN 113570246 A CN113570246 A CN 113570246A
Authority
CN
China
Prior art keywords
load
power
prediction
value
daily
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
CN202110855200.5A
Other languages
English (en)
Inventor
刘嘉宁
曾凯文
苏卓
林斌
王可
杜斌
段秦尉
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.)
Guangdong Power Grid Co Ltd
Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Electric Power Dispatch Control Center of Guangdong Power Grid 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 Guangdong Power Grid Co Ltd, Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202110855200.5A priority Critical patent/CN113570246A/zh
Publication of CN113570246A publication Critical patent/CN113570246A/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
    • G06Q10/06—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
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Development Economics (AREA)
  • Artificial Intelligence (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Educational Administration (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请公开了地区电网调度控制系统及控制方法，其中系统包括发电功率预测单元，用于通过神经网络预测算法预测配电网的预设时段的发电功率；负荷预测单元，用于从历史负荷数据提取与预测日同类型日期的历史数据，并根据历史数据计算得到预设时段内各时段的负荷预测值；调度单元，用于调度用户负荷使发电功率与负荷预测值在各时段的差值位于预设范围；其中，通过设置用电激励和调整可转移负荷的方式调度用户负荷。通过上述方式，本申请能够准确、快速地获取预设时段的发电功率和负荷预测值，提高了电力调度的准确性，并通过调整用户负荷的方式进行调度，无需通过储能方式消纳电网负荷，实用价值高、互动性好。

Description

地区电网调度控制系统及控制方法
技术领域
本申请涉及智能电网信息化管理技术领域，尤其涉及地区电网调度控制系统及控制方法。
背景技术
随着多种能源产生电能供电的规模化多点接入配电网，会对配电网的运行产生不可忽略的冲击。单纯依赖储能的消纳技术成本高昂，大规模使用实用价值低，经济效益差。而配网内可控负荷与柔性负荷资源丰富，具有良好的可调度性和互动性，可以作为电网调节、消纳新能源的重要手段。
随着电动汽车、储能设备等具备源荷双重特征的新型负荷比重不断上升，负荷聚合商、智能楼宇等新的用能形式不断涌现，清洁能源容量及渗透率持续增长，电网运行特性仍在发生新的变化，使得电网运行调控工作难度不断加大，亟需从多样性、灵活性、协同性等方面优化完善运行调控手段，进一步研究解决电网安全运行问题和清洁能源消纳问题，实现社会综合效益最大化。
发明内容
本申请提供地区电网调度控制系统及控制方法，以解决现有技术中电网运行调控工作难度大的问题。
为解决上述技术问题，本申请提出一种地区电网调度控制系统，包括发电功率预测单元，用于通过神经网络预测算法预测配电网的预设时段的发电功率；负荷预测单元，用于从历史负荷数据提取与预测日同类型日期的历史数据，并根据历史数据计算得到预设时段内各时段的负荷预测值；调度单元，用于调度用户负荷使发电功率与负荷预测值在各时段的差值位于预设范围；其中，通过设置用电激励和调整可转移负荷的方式调度用户负荷。
可选地，发电功率预测单元还用于获取配电网的电能质量数据和环境参数，将电能质量数据和环境参数进行相关性对比分析，建立功率预测模型，通过功率预测模型预测配电网在预设时段的发电功率。
可选地，发电功率预测单元还用于将各电能质量参数分别与环境参数按时间关系进行相关性对比形成对序列。
可选地，发电功率预测单元还用于将电能质量参数、环境参数作为输入量，预设时段的发电功率作为输出量，通过BP神经网络建立功率预测模型。
可选地，历史数据包括负荷数据和温度数据。
可选地，负荷预测单元还用于根据与预测日同类型日期的历史数据计算预测日的日负荷曲线变化系数；根据同类型日期的历史数据进行回归分析得到日最大负荷与日最高温度的回归方程以及日最小负荷与日最低温度的回归方程；根据日最大负荷与日最高温度的关系，以及日最小负荷与日最低温度的关系对预测日的最大负荷和最小负荷进行预测，再结合预测日的日负荷曲线变化系数得到预测日的各时段的负荷预测值。
可选地，负荷预测单元还用于根据历史数据中的负荷数据计算预测日的日负荷曲线变化系数，其中，负荷数据包括同类型日期的最大负荷值、最小负荷值以及各时段的负荷值。
可选地，调度单元还用于判断差值是否小于第一预设值；若是，则减少用户负荷；若否，则进一步判断差值是否大于第二预设值，若大于第二预设值，则增加用户负荷。
可选地，调度单元还用于通过在差值对应的时段设置用电激励或进行电能存储的方式增加用户负荷。
为解决上述技术问题，本申请提出一种地区电网调度控制方法，包括：通过神经网络预测算法预测配电网的预设时段的发电功率；从历史负荷数据提取与预测日同类型日期的历史数据，并根据历史数据计算得到预设时段内各时段的负荷预测值；调度用户负荷使发电功率与负荷预测值在各时段的差值位于预设范围；其中，通过设置用电激励和调整可转移负荷的方式调度用户负荷。
相比现有技术，本申请的有益效果在于：通过神经网络预测算法预设配电网在预设时段的发电功率，并通过同类型日期的历史数据得到各时段的负荷预测值，能够准确、快速地获取预设时段的发电功率和负荷预测值，提高了电力调度的准确性，并通过调整用户负荷的方式进行调度，无需通过储能方式消纳电网负荷，实用价值高、互动性好。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施方式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申请的一些实施方式，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是本申请地区电网调度控制系统一实施例的结构示意图；
图2是本申请地区电网调度控制方法一实施例的方法示意图。
具体实施方式
为使本领域的技术人员更好地理解本申请的技术方案，下面结合附图和具体实施方式对本申请所提供地区电网调度控制系统及控制方法进一步详细描述。
本申请提出一种地区电网调度控制系统，请参阅图1，图1是本申请地区电网调度控制系统一实施例的结构示意图。在本实施例中，地区电网调度控制系统100可以包括发电功率预测单元110、负荷预测单元120和调度单元130。
发电功率预测单元110可以用于通过神经网络预测算法预测配电网的预设时段的发电功率；负荷预测单元120可以用于从历史负荷数据提取与预测日同类型日期的历史数据，并根据历史数据计算得到所述预设时段内各时段的负荷预测值；调度单元130可用于调度用户负荷使发电功率与负荷预测值在各时段的差值位于预设范围，其中，可以通过设置用电激励和调整可转移负荷的方式调度用户负荷。
在本实施例中，预设时段可以为一天、三天甚至一周，具体时间长度可根据实际情况进行设置，在此不做限定。
各时段可以是以1小时为一时段、也可以是三小时为一时段，具体时段的时长可以根据实际要求设计。
在本实施例中，发电功率预测单元110还可以获取配电网的电能质量数据和环境参数，将电能质量数据和环境参数进行相关性对比分析，建立功率预测模型，通过功率预测模型预测配电网在预设时段的发电功率。
在本实施例中，电能质量参数可以包括电压、电流、谐波电压、谐波电流、不平衡度和功率等数据，环境参数可以包括天气、温度、季节以及日期类型(工作日或假日以及假日类型)。
在本实施例中，将电能质量数据和环境参数进行相关性对比分析的步骤具体可以包括：将各电能质量参数分别与环境参数按时间关系进行相关性对比形成对序列。
在本实施例中，还可以将电能质量参数、环境参数作为输入量，预设时段的发电功率作为输出量，通过BP(Back Propagation)神经网络建立功率预测模型。其中，电能质量参数与环境参数对应。
在一个具体的实施例中，将与预设时段的日期类型相同(同为工作日或节日)的电能质量参数、环境质量参数输入功率预测模型。
在本实施例中，BP神经网络的输入层节点根据电能质量参数中功率数据的数量以及环境参数中参数的数量之和决定。输出层节点的数量根据该预设时段中配电网的功率采样点数量进行设置。
在本实施例中，BP神经网络中隐含节点的数量可根据公式确定。其中，为隐含层节点数，n为输入层节点数；m为输出层节点数；a为1～10之间的调节常数。
在本实施例中，可使用MATLAB、netron、Netscope、ConvNetDraw以及其他工具建立BP神经网络。
在本实施例中，历史数据可以包括负荷数据和温度数据。
在本实施例中，根据历史数据计算得到预设时段内各时段的负荷预测值的步骤具体可以包括：
根据与预测日同类型日期的历史数据计算预测日的日负荷曲线变化系数；根据同类型日期的历史数据进行回归分析得到日最大负荷与日最高温度的回归方程以及日最小负荷与日最低温度的回归方程；
根据日最大负荷与日最高温度的关系，以及日最小负荷与日最低温度的关系对预测日的最大负荷和最小负荷进行预测，再结合预测日的日负荷曲线变化系数得到预测日的各时段的负荷预测值。
在本实施例中，根据与预测日同类型日期的历史数据计算预测日的日负荷曲线变化系数的步骤具体可以包括：
根据数据中的负荷数据计算预测日的日负荷曲线变化系数，负荷数据包括同类型日期的最大负荷值、最小负荷值以及各时段的负荷值。
在本实施例中，在对同类型日期的历史数据进行归一化处理后，计算预测日的日负荷曲线变化系数时，根据同类型日期与预测日接近程度不同增加不同的权重系数，使得与预测日越接近的同类型日期的归一化负荷值所占比重越大，降低因与预测日相差过远的同类型日期的历史数据导致的环境条件变化产生的影响，进一步提高了预测准确性。
在本实施例中，调度单元130根据发电功率与负荷预测值在各时段的差值调度用户负荷的步骤具体可以包括：
调度单元130判断差值是否小于第一预设值；若是，则减少用户负荷；若否，则判断差值是否大于第二预设值，若大于第二预设值，则增加用户负荷。
在本实施例中，预设范围位于第一预设值、第二预设值之间，第一预设值和第二预设值的大小可根据用户实际需求进行设置，在此不做限定。
在本实施例中，通过在差值对应的时段设置用电激励或将与差值对应的用户负荷调整至所述时段的方式增加用户负荷。也可以通过提高该时段的电价和将该时段的可转移负荷调整至大于第二预设值的时段以减少用户负荷。
在其他实施例中，也可以对可中断负荷、充电负荷和储能负荷这些可中断的负荷进行调度以进一步地提高系统的调度能力。
在本实施例中，可转移负荷指连续运行一段时间的负荷，可将这段连续运行时间调到其他时段，如洗衣机、吸尘器等；可中断负荷指运行中的负荷短时切断对用户的影响不大，如空调、电冰箱等；充电负荷主要指电动汽车；储能负荷指微电网用户能量缓冲单元，有灵活的充放电形式，如蓄电池等。
在本实施例中，调度单元130可以与用户终端连接，在根据差值确定需要增加用户负荷或减少用户负荷的时段后，将相应的激励信息发送给用户终端。并接收用户的响应指令，根据该响应指令执行相应操作。其中，响应指令可以为是否调整负荷、该时段的用电量以及是否接收调度单元130对用户的可转移负荷进行控制。
有益效果：本实施例的地区电网调度控制系统，也是地区电网源网荷储多元协调泛在调度控制系统，可以通过神经网络预测算法预设配电网在预设时段的发电功率，并通过同类型日期的历史数据得到各时段的负荷预测值，能够准确、快速地获取预设时段的发电功率和负荷预测值，提高了电力调度的准确性，并通过调整用户负荷的方式进行调度，无需通过储能方式消纳电网负荷，实用价值高、互动性好。
基于上述的地区电网调度控制系统，本申请还提出一种地区电网调度控制方法，请参阅图2，图2是本申请地区电网调度控制方法一实施例的流程示意图。在本实施例中，具体可以包括以下步骤：
S110：通过神经网络预测算法预测配电网的预设时段的发电功率。
S120：从历史负荷数据提取与预测日同类型日期的历史数据，并根据历史数据计算得到预设时段内各时段的负荷预测值。
S130：调度用户负荷使发电功率与负荷预测值在各时段的差值位于预设范围；其中，通过设置用电激励和调整可转移负荷的方式调度用户负荷。
本申请公开了地区电网调度控制系统及控制方法，其中系统包括发电功率预测单元，用于通过神经网络预测算法预测配电网的预设时段的发电功率；负荷预测单元，用于从历史负荷数据提取与预测日同类型日期的历史数据，并根据历史数据计算得到预设时段内各时段的负荷预测值；调度单元，用于调度用户负荷使发电功率与负荷预测值在各时段的差值位于预设范围；其中，通过设置用电激励和调整可转移负荷的方式调度用户负荷。通过上述方式，本申请能够准确、快速地获取预设时段的发电功率和负荷预测值，提高了电力调度的准确性，并通过调整用户负荷的方式进行调度，无需通过储能方式消纳电网负荷，实用价值高、互动性好。
可以理解的是，此处所描述的具体实施例仅用于解释本申请，而非对本申请的限定。另外为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。文中所使用的步骤编号也仅是为了方便描述，不对作为对步骤执行先后顺序的限定。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。
本申请中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种地区电网调度控制系统，其特征在于，包括：
发电功率预测单元，用于通过神经网络预测算法预测配电网的预设时段的发电功率；
负荷预测单元，用于从历史负荷数据提取与预测日同类型日期的历史数据，并根据所述历史数据计算得到所述预设时段内各时段的负荷预测值；
调度单元，用于调度用户负荷使所述发电功率与所述负荷预测值在各时段的差值位于预设范围；其中，通过设置用电激励和调整可转移负荷的方式调度用户负荷。
2.根据权利要求1所述的地区电网调度控制系统，其特征在于，
所述发电功率预测单元还用于获取所述配电网的电能质量数据和环境参数，将所述电能质量数据和所述环境参数进行相关性对比分析，建立功率预测模型，通过所述功率预测模型预测所述配电网在预设时段的发电功率。
3.根据权利要求2所述的地区电网调度控制系统，其特征在于，
所述发电功率预测单元还用于将各电能质量参数分别与环境参数按时间关系进行相关性对比形成对序列。
4.根据权利要求2所述的地区电网调度控制系统，其特征在于，
所述发电功率预测单元还用于将所述电能质量参数、环境参数作为输入量，所述预设时段的发电功率作为输出量，通过BP神经网络建立所述功率预测模型。
5.根据权利要求1所述的地区电网调度控制系统，其特征在于，
所述历史数据包括负荷数据和温度数据。
6.根据权利要求1所述的地区电网调度控制系统，其特征在于，
所述负荷预测单元还用于根据与预测日同类型日期的历史数据计算预测日的日负荷曲线变化系数；
根据同类型日期的历史数据进行回归分析得到日最大负荷与日最高温度的回归方程以及日最小负荷与日最低温度的回归方程；
根据日最大负荷与日最高温度的关系，以及日最小负荷与日最低温度的关系对预测日的最大负荷和最小负荷进行预测，再结合预测日的日负荷曲线变化系数得到预测日的各时段的负荷预测值。
7.根据权利要求6所述的地区电网调度控制系统，其特征在于，
所述负荷预测单元还用于根据历史数据中的负荷数据计算预测日的日负荷曲线变化系数，其中，所述负荷数据包括同类型日期的最大负荷值、最小负荷值以及各时段的负荷值。
8.根据权利要求1所述的地区电网调度控制系统，其特征在于，
所述调度单元还用于判断所述差值是否小于第一预设值；若是，则减少用户负荷；若否，则进一步判断所述差值是否大于第二预设值，若大于所述第二预设值，则增加用户负荷。
9.根据权利要求8所述的地区电网调度控制系统，其特征在于，
所述调度单元还用于通过在所述差值对应的时段设置用电激励或进行电能存储的方式增加用户负荷。
10.一种地区电网调度控制方法，其特征在于，包括：
通过神经网络预测算法预测配电网的预设时段的发电功率；
从历史负荷数据提取与预测日同类型日期的历史数据，并根据所述历史数据计算得到所述预设时段内各时段的负荷预测值；
调度用户负荷使所述发电功率与所述负荷预测值在各时段的差值位于预设范围；其中，通过设置用电激励和调整可转移负荷的方式调度用户负荷。
CN202110855200.5A 2021-07-27 2021-07-27 地区电网调度控制系统及控制方法 Pending CN113570246A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110855200.5A CN113570246A (zh) 2021-07-27 2021-07-27 地区电网调度控制系统及控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110855200.5A CN113570246A (zh) 2021-07-27 2021-07-27 地区电网调度控制系统及控制方法

Publications (1)

Publication Number Publication Date
CN113570246A true CN113570246A (zh) 2021-10-29

Family

ID=78168317

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110855200.5A Pending CN113570246A (zh) 2021-07-27 2021-07-27 地区电网调度控制系统及控制方法

Country Status (1)

Country Link
CN (1) CN113570246A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116029491A (zh) * 2022-11-28 2023-04-28 国网河北省电力有限公司 一种电力调度管理系统及其控制方法
CN116090679A (zh) * 2023-04-12 2023-05-09 国网山东省电力公司利津县供电公司 一种配电网负荷预测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102495953A (zh) * 2011-11-29 2012-06-13 河北省电力建设调整试验所 基于采集到的电能质量数据和环境参数对光伏数据进行分析评估和发电负荷预测的方法
CN104463344A (zh) * 2014-10-29 2015-03-25 广东电网有限责任公司电力调度控制中心 电网短期负荷预测方法和系统
CN105337415A (zh) * 2015-11-18 2016-02-17 深圳合纵能源技术有限公司 一种基于预测控制的地区电网调度系统及其方法
CN111654030A (zh) * 2020-06-23 2020-09-11 唐鸟英 一种基于主动配电网的柔性负荷预测和控制方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102495953A (zh) * 2011-11-29 2012-06-13 河北省电力建设调整试验所 基于采集到的电能质量数据和环境参数对光伏数据进行分析评估和发电负荷预测的方法
CN104463344A (zh) * 2014-10-29 2015-03-25 广东电网有限责任公司电力调度控制中心 电网短期负荷预测方法和系统
CN105337415A (zh) * 2015-11-18 2016-02-17 深圳合纵能源技术有限公司 一种基于预测控制的地区电网调度系统及其方法
CN111654030A (zh) * 2020-06-23 2020-09-11 唐鸟英 一种基于主动配电网的柔性负荷预测和控制方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116029491A (zh) * 2022-11-28 2023-04-28 国网河北省电力有限公司 一种电力调度管理系统及其控制方法
CN116090679A (zh) * 2023-04-12 2023-05-09 国网山东省电力公司利津县供电公司 一种配电网负荷预测方法

Similar Documents

Publication Publication Date Title
Dufo-López Optimisation of size and control of grid-connected storage under real time electricity pricing conditions
CN106228258B (zh) 一种计及需求侧管理的家庭能源局域网能量优化控制方法
Tischer et al. Towards a smart home energy management system-a dynamic programming approach
CN108321796B (zh) 家庭能量管理系统与方法
CN113570246A (zh) 地区电网调度控制系统及控制方法
Özkan A new real time home power management system
CN107612041B (zh) 一种考虑不确定性的基于事件驱动的微电网自动需求响应方法
Cao et al. Reducing electricity cost of smart appliances via energy buffering framework in smart grid
Ahmad et al. Efficient energy management in a microgrid
CN103676846A (zh) 一种新型家庭能量管理系统的智能控制算法
CN104408663A (zh) 智能电网用户需求响应调度系统及方法
CN104932281A (zh) 一种家庭微电网用能系统及其在智能用电互动的实现方法
CN109149548A (zh) 区域能源管理方法、管理装置及区域电网
Razi et al. A user-friendly smart charging algorithm based on energy-awareness for different PEV parking scenarios
Li et al. Energy management model of charging station micro-grid considering random arrival of electric vehicles
CN104484757A (zh) 一种应用于智能微电网的异质载荷调度和能量管理方法
Khan et al. Optimization based individual and cooperative DSM in Smart Grids: A review
JP5847650B2 (ja) エネルギー管理システム、サーバ装置、エネルギー管理方法およびプログラム
Kumar et al. Smart home energy management with integration of PV and storage facilities providing grid support
CN116811628A (zh) 一种含电动汽车充电的综合能源系统及有序充电方法
Vanitha et al. A hybrid approach for optimal energy management system of internet of things enabled residential buildings in smart grid
Umair et al. Self-configurable hybrid energy management system for smart buildings
CN114142479A (zh) 计及多类型可调节负荷资源的用户侧能量调度方法及系统
Wang et al. Flexible load regulation margin evaluation method considering virtual energy storage characteristics
Jarrah et al. A multi-objective evolutionary solution to improve the quality of life in smart cities

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