CN113626755B - 基于传导路径的家庭能源消费需求结构监测方法及装置 - Google Patents
基于传导路径的家庭能源消费需求结构监测方法及装置 Download PDFInfo
- Publication number
- CN113626755B CN113626755B CN202110912752.5A CN202110912752A CN113626755B CN 113626755 B CN113626755 B CN 113626755B CN 202110912752 A CN202110912752 A CN 202110912752A CN 113626755 B CN113626755 B CN 113626755B
- Authority
- CN
- China
- Prior art keywords
- demand
- energy consumption
- household
- parameters
- conduction path
- 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
Links
- 238000005265 energy consumption Methods 0.000 title claims abstract description 96
- 238000012544 monitoring process Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 47
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 18
- 239000003345 natural gas Substances 0.000 claims description 9
- 238000012806 monitoring device Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 239000003208 petroleum Substances 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 5
- 238000004445 quantitative analysis Methods 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 239000003034 coal gas Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Algebra (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种基于传导路径的家庭能源消费需求结构监测方法及装置，在获取到气候变化对家庭能源消费需求的影响传导路径中的关联参数后，根据关联参数建立家庭能源消费需求中供给侧的结构模型，并根据关联参数建立家庭能源消费需求中供给侧的结构模型。结构模型根据关联参数的输入，计算对应的作为监测结果的输出参数。基于此，可分别通过供给侧和需求侧的结构模型输出监测结果，满足家庭能源消费需求的整体定量化分析需求。
Description
技术领域
本发明涉及气象气候应用技术领域，特别是涉及一种基于传导路径的家庭能源消费需求结构监测方法及装置。
背景技术
能源，是指能够提供能量的资源，通常包括热能、电能、光能、机械能、化学能等。随着电气时代的发展，在家庭范围的使用中，电能逐渐占据了能源使用的主要需求位置。同时，家庭能源消费需求结构还包括煤炭、天然气或石油等能源结构。
随着工业时代的发展，家庭能源的消费需求升级和变化，也对全球气候环境带来影响。最显著的是全球气温的上升，温度上升也显著影响全球的降水量分布和季风气候等，这又反过来影响家庭能源的消费变化。由此可见，家庭能源的消费需求结构受技术进步、气候变化等诸多因素的影响。然而，由于家庭能源的消费需求结构和影响因素的复杂，难以定量分析家庭能源的消费需求结构。
发明内容
基于此，有必要针对家庭能源的消费需求结构和影响因素的复杂，难以定量分析家庭能源的消费需求结构这一不足，提供一种基于传导路径的家庭能源消费需求结构监测方法及装置。
一种基于传导路径的家庭能源消费需求结构监测方法，包括步骤：
获取气候变化对家庭能源消费需求的影响传导路径中的关联参数；
根据关联参数，建立家庭能源消费需求中供给侧的结构模型；其中，供给侧的结构模型用于输出家庭能源消费需求的供给侧监测结果；
根据关联参数，建立家庭能源消费需求中需求侧的结构模型；其中，供给侧的结构模型用于输出家庭能源消费需求的需求侧监测结果。
上述的基于传导路径的家庭能源消费需求结构监测方法，在获取到气候变化对家庭能源消费需求的影响传导路径中的关联参数后，根据关联参数建立家庭能源消费需求中供给侧的结构模型，并根据关联参数建立家庭能源消费需求中供给侧的结构模型。结构模型根据关联参数的输入，计算对应的作为监测结果的输出参数。基于此，可分别通过供给侧和需求侧的结构模型输出监测结果，满足家庭能源消费需求的整体定量化分析需求。
在其中一个实施例中，获取气候变化对家庭能源消费需求的影响传导路径中的关联参数的过程，包括步骤：
获取传导路径中的温度关联参数和降雨关联参数。
在其中一个实施例中，根据关联参数，建立家庭能源消费需求中供给侧的结构模型的过程，如下式：
dRel/Rel＝(1-πe)aedT2+πecedP
其中，Rel表示电力能源供应量，πe表示可再生能源份额，T表示温度，P表示降雨，ae，ce表示地区修正参数。
在其中一个实施例中，根据关联参数，建立家庭能源消费需求中供给侧的结构模型的过程，还如下式：
E1/E0＝[(1-0.277)*(-0.0199)*(T1-T1900)2+0.277*0.2154*dp+1]
其中，E1/E0表示实际电能供给量和理论电能供给量的比值，T1表示各年距平温度，T1900表示公元1900年温度，dp表示降雨变化量。
在其中一个实施例中，根据关联参数，建立家庭能源消费需求中需求侧的结构模型的过程，如下式：
其中，y1、y2和y3表示家庭部门能源需求，T表示温度。
在其中一个实施例中，根据关联参数，建立家庭能源消费需求中需求侧的结构模型的过程，如下式：
EL(dT)＝dEh/dT*T/Eh
其中，dEh表示能源需求变化量，dT表示相较于公元1900年的温度变化量，EL(dT)表示能源需求对温度变化的弹性值。
在其中一个实施例中，dEh/Eh包括-0.022*dT、-0.041*dT、0.015*dT或0.108*dT。
一种基于传导路径的家庭能源消费需求结构监测装置，包括：
参数获取模块，用于获取气候变化对家庭能源消费需求的影响传导路径中的关联参数；
第一模型建立模块，用于根据关联参数，建立家庭能源消费需求中供给侧的结构模型；其中，供给侧的结构模型用于输出家庭能源消费需求的供给侧监测结果；
第二模型建立模块，用于根据关联参数，建立家庭能源消费需求中需求侧的结构模型；其中，供给侧的结构模型用于输出家庭能源消费需求的需求侧监测结果。
上述的基于传导路径的家庭能源消费需求结构监测装置，在获取到气候变化对家庭能源消费需求的影响传导路径中的关联参数后，根据关联参数建立家庭能源消费需求中供给侧的结构模型，并根据关联参数建立家庭能源消费需求中供给侧的结构模型。结构模型根据关联参数的输入，计算对应的作为监测结果的输出参数。基于此，可分别通过供给侧和需求侧的结构模型输出监测结果，满足家庭能源消费需求的整体定量化分析需求。
一种计算机存储介质，其上存储有计算机指令，计算机指令被处理器执行时实现上述任一实施例的基于传导路径的家庭能源消费需求结构监测方法。
上述的计算机存储介质，在获取到气候变化对家庭能源消费需求的影响传导路径中的关联参数后，根据关联参数建立家庭能源消费需求中供给侧的结构模型，并根据关联参数建立家庭能源消费需求中供给侧的结构模型。结构模型根据关联参数的输入，计算对应的作为监测结果的输出参数。基于此，可分别通过供给侧和需求侧的结构模型输出监测结果，满足家庭能源消费需求的整体定量化分析需求。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述任一实施例的基于传导路径的家庭能源消费需求结构监测方法。
上述的计算机设备，在获取到气候变化对家庭能源消费需求的影响传导路径中的关联参数后，根据关联参数建立家庭能源消费需求中供给侧的结构模型，并根据关联参数建立家庭能源消费需求中供给侧的结构模型。结构模型根据关联参数的输入，计算对应的作为监测结果的输出参数。基于此，可分别通过供给侧和需求侧的结构模型输出监测结果，满足家庭能源消费需求的整体定量化分析需求。
附图说明
图1为一实施方式的CEMA模型示意图；
图2为一实施方式的基于传导路径的家庭能源消费需求结构监测方法流程图；
图3为电能供给量变化示意图；
图4为一具体应用例的能源需求变化示意图；
图5另为一具体应用例的能源需求变化示意图；
图6为一实施方式的基于传导路径的家庭能源消费需求结构监测装置模块结构图；
图7为一实施方式的计算机内部构造示意图。
具体实施方式
为了更好地理解本发明的目的、技术方案以及技术效果，以下结合附图和实施例对本发明进行进一步的讲解说明。同时声明，以下所描述的实施例仅用于解释本发明，并不用于限定本发明。
本发明实施例中，气候变化对家庭能源消费需求的影响传导路径基于CEMA模型。图1为一实施方式的CEMA模型示意图，如图1所示，以CEMA模型的碳循环模块来表征气候变化。其中，与家庭能源消费需求结构相关联的气候变化，在工业时代最突出的是二氧化碳CO2的浓度变化，进而影响气候响应，表征为辐射强迫后的温度变化。最后，温度变化作用于家庭能源消费需求结构。
因此，基于CEMA模型，本发明实施例的关联参数优选选用温度。需要注意的是，在CEMA模型的构建逻辑下，关联参数还可选用降水量、季风次数、特定气体浓度等与气候类型相关的参数。在其中一个实施例中，关联参数可从历年的气候记录中获取。
作为一个较优的实施方式，关联参数包括温度关联参数和降雨关联参数；其中，温度关联参数包括温度、温度变化量或各年距平温度等。降雨关联参数包括降雨或降雨变化量等。
基于此，本发明实施例提供了一种基于传导路径的家庭能源消费需求结构监测方法。
图2为一实施方式的基于传导路径的家庭能源消费需求结构监测方法流程图，如图2所示，一实施方式的基于传导路径的家庭能源消费需求结构监测方法包括步骤S100至步骤S102：
S100，获取气候变化对家庭能源消费需求的影响传导路径中的关联参数；
S101，根据关联参数，建立家庭能源消费需求中供给侧的结构模型；其中，供给侧的结构模型用于输出家庭能源消费需求的供给侧监测结果；
S102，根据关联参数，建立家庭能源消费需求中需求侧的结构模型；其中，供给侧的结构模型用于输出家庭能源消费需求的需求侧监测结果。
在确定上述的关联参数后，将关联参数进行数学关联，建立结构模型。其中，根据家庭能源消费需求的特点，将家庭能源消费需求分为供给侧和需求侧进行模型计算，以此简化供给侧与需求侧间的关联所带来的复杂计算量。
在其中一个实施例中，需求侧的能源需求与供给侧的能源供应一一对应。其中，供给侧的计算主要以电能为主，煤炭、石油和天然气的供给与气候变化关联度较小，在结构模型中省略。
在其中一个实施例中，步骤S101中根据关联参数，建立家庭能源消费需求中供给侧的结构模型的过程，如下式：
dRel/Rel＝(1-πe)aedT2+πecedP
其中，Rel表示电力能源供应量，πe表示可再生能源份额，T表示温度，P表示降雨，ae，ce表示地区修正参数。
地区修正参数根据各地区划分存在差异，以中国所在地区为例，ae等于-0.0199，ce等于0.2154。
根据国家能源局2019年数据得到：中国可再生能源发电量达2.04万亿千瓦时，占全部发电量比重为27.9％。由此得到中国的参数方程为：
dRel/Rel＝-0.0143*dT2+0.06*dP
基于此，将上述参数方程线性化后，得到的线性化方程如下式：
E1/E0＝[(1-0.277)*(-0.0199)*(T1-T1900)2+0.277*0.2154*dp+1]
其中，E1/E0表示实际电能供给量和理论电能供给量的比值，T1表示各年距平温度，T1900表示公元1900年温度，dp表示降雨变化量。
以一具体应用例为例，图3为电能供给量变化示意图，根据线性化方程，测算得到各年相对于1900年的温度变化，以及对应温度下的电能供应量如图3所示。基于此，实现供给侧影响监测的定量化分析输出。
在其中一个实施例中，步骤S102中根据关联参数，建立家庭能源消费需求中需求侧的结构模型的过程，如下式：
其中，y1、y2和y3表示家庭部门能源需求，T表示温度。具体的，y1表示电能需求，y2表示天然气需求，y3表示石油需求。
基于此，以一具体应用例为例，图4为一具体应用例的能源需求变化示意图，根据上述方程得到各年相较于1900年的温度变化与各年能源需求量变化如图4所示。图4中左侧需求变化是电力需求和天然气需求的变化，右侧需求变化是指石油需求的变化。从图中可以发现，当实际温度相较1900年上升2度时，天然气、电力和石油的家庭消费需求分别下降-0.284％、-0.108％、-9.444％；当温度上升4度时，天然气、电力和石油的家庭消费需求分别下降-0.503％、-0.193％、-18.151％。
在其中一个实施例中，步骤S102中根据关联参数，建立家庭能源消费需求中需求侧的结构模型的过程，如下式：
EL(dT)＝dEh/dT*T/Eh
其中，dEh表示能源需求变化量，dT表示相较于公元1900年的温度变化量，EL(dT)表示能源需求对温度变化的弹性值。
根据给定能源需求的参数方程，得到具体的四类能源需求对温度变化的关系式如下：
石油需求方程为：
dEh/Eh＝-0.022*dT
天然气需求方程为：
dEh/Eh＝-0.041*dT
电能需求方程为：
dEh/Eh＝0.015*dT
煤炭需求方程为：
dEh/Eh＝0.108*dT
基于此，以一具体应用例为例，图5另为一具体应用例的能源需求变化示意图，将地区实际温度和能源需求数据带入方程，得到温升对能源行业的影响数据，两者间关系如图5所示。
上述任一实施例的基于传导路径的家庭能源消费需求结构监测方法，在获取到气候变化对家庭能源消费需求的影响传导路径中的关联参数后，根据关联参数建立家庭能源消费需求中供给侧的结构模型，并根据关联参数建立家庭能源消费需求中供给侧的结构模型。结构模型根据关联参数的输入，计算对应的作为监测结果的输出参数。基于此，可分别通过供给侧和需求侧的结构模型输出监测结果，满足家庭能源消费需求的整体定量化分析需求。
基于此，本发明实施例还提供了一种基于传导路径的家庭能源消费需求结构监测装置。
图6为一实施方式的基于传导路径的家庭能源消费需求结构监测装置模块结构图，如图6所示，一实施方式的基于传导路径的家庭能源消费需求结构监测装置包括模块100、模块101和模块102：
参数获取模块100，用于获取气候变化对家庭能源消费需求的影响传导路径中的关联参数；
第一模型建立模块101，用于根据关联参数，建立家庭能源消费需求中供给侧的结构模型；其中，供给侧的结构模型用于输出家庭能源消费需求的供给侧监测结果；
第二模型建立模块102，用于根据关联参数，建立家庭能源消费需求中需求侧的结构模型；其中，供给侧的结构模型用于输出家庭能源消费需求的需求侧监测结果。
上述的基于传导路径的家庭能源消费需求结构监测装置，在获取到气候变化对家庭能源消费需求的影响传导路径中的关联参数后，根据关联参数建立家庭能源消费需求中供给侧的结构模型，并根据关联参数建立家庭能源消费需求中供给侧的结构模型。结构模型根据关联参数的输入，计算对应的作为监测结果的输出参数。基于此，可分别通过供给侧和需求侧的结构模型输出监测结果，满足家庭能源消费需求的整体定量化分析需求。
本发明实施例还提供了一种计算机存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述任一实施例的基于传导路径的家庭能源消费需求结构监测方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
或者，本发明上述集成的单元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，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对相关技术做出贡献的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，包括若干指令用以使得一台计算机设备(可以是个人计算机、终端、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、RAM、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
与上述的计算机存储介质对应的是，在一个实施例中还提供一种计算机设备，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行程序时实现如上述各实施例中的任意一种基于传导路径的家庭能源消费需求结构监测方法。
该计算机设备可以是终端，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于传导路径的家庭能源消费需求结构监测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
上述计算机设备，在获取到气候变化对家庭能源消费需求的影响传导路径中的关联参数后，根据关联参数建立家庭能源消费需求中供给侧的结构模型，并根据关联参数建立家庭能源消费需求中供给侧的结构模型。结构模型根据关联参数的输入，计算对应的作为监测结果的输出参数。基于此，可分别通过供给侧和需求侧的结构模型输出监测结果，满足家庭能源消费需求的整体定量化分析需求。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种基于传导路径的家庭能源消费需求结构监测方法，其特征在于，包括步骤：
获取气候变化对家庭能源消费需求的影响传导路径中的关联参数；所述获取气候变化对家庭能源消费需求的影响传导路径中的关联参数的过程，包括步骤：
获取所述传导路径中的温度关联参数和降雨关联参数；
根据所述关联参数，建立所述家庭能源消费需求中供给侧的结构模型；其中，所述供给侧的结构模型用于输出家庭能源消费需求的供给侧监测结果；
所述根据所述关联参数，建立所述家庭能源消费需求中供给侧的结构模型的过程，如下式：
dRel/Rel＝(1-πe)aedT2+πecedP
其中，Rel表示电力能源供应量，πe表示可再生能源份额，T表示温度，P表示降雨，ae，ce表示地区修正参数；
还如下式：
其中，y1、y2和y3表示家庭部门能源需求，其中y1表示电能需求，y2表示天然气需求，y3表示石油需求；T表示温度；
根据所述关联参数，建立所述家庭能源消费需求中需求侧的结构模型；其中，所述供给侧的结构模型用于输出家庭能源消费需求的需求侧监测结果。
2.根据权利要求1所述的基于传导路径的家庭能源消费需求结构监测方法，其特征在于，所述根据所述关联参数，建立所述家庭能源消费需求中供给侧的结构模型的过程，还如下式：
E1/E0＝[(1-0.277)*(-0.0199)*(T1-T1900)2+0.277*0.2154*dp+1]
其中，E1/E0表示实际电能供给量和理论电能供给量的比值，T1表示各年距平温度，T1900表示公元1900年温度，dp表示降雨变化量。
3.根据权利要求1所述的基于传导路径的家庭能源消费需求结构监测方法，其特征在于，所述根据所述关联参数，建立所述家庭能源消费需求中需求侧的结构模型的过程，如下式：
EL(dT)＝dEh/dT*T/Eh
其中，dEh表示能源需求变化量，dT表示相较于公元1900年的温度变化量，EL(dT)表示能源需求对温度变化的弹性值。
4.根据权利要求3所述的基于传导路径的家庭能源消费需求结构监测方法，其特征在于，dEh/Eh包括-0.022*dT、-0.041*dT、0.015*dT或0.108*dT。
5.一种基于传导路径的家庭能源消费需求结构监测装置，其特征在于，包括：
参数获取模块，用于获取气候变化对家庭能源消费需求的影响传导路径中的关联参数；所述获取气候变化对家庭能源消费需求的影响传导路径中的关联参数的过程，包括步骤：
获取所述传导路径中的温度关联参数和降雨关联参数；
第一模型建立模块，用于根据所述关联参数，建立所述家庭能源消费需求中供给侧的结构模型；其中，所述供给侧的结构模型用于输出家庭能源消费需求的供给侧监测结果；
所述根据所述关联参数，建立所述家庭能源消费需求中供给侧的结构模型的过程，如下式：
dRel/Rel＝(1-πe)aedT2+πecedP
其中，Rel表示电力能源供应量，πe表示可再生能源份额，T表示温度，P表示降雨，ae，ce表示地区修正参数；
还如下式：
其中，y1、y2和y3表示家庭部门能源需求，其中y1表示电能需求，y2表示天然气需求，y3表示石油需求；T表示温度；
第二模型建立模块，用于根据所述关联参数，建立所述家庭能源消费需求中需求侧的结构模型；其中，所述供给侧的结构模型用于输出家庭能源消费需求的需求侧监测结果。
6.一种计算机存储介质，其上存储有计算机指令，其特征在于，所述计算机指令被处理器执行时实现如权利要求1至4任意一项所述的基于传导路径的家庭能源消费需求结构监测方法。
7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行程序时实现如权利要求1至4任意一项所述的基于传导路径的家庭能源消费需求结构监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110912752.5A CN113626755B (zh) | 2021-08-10 | 2021-08-10 | 基于传导路径的家庭能源消费需求结构监测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110912752.5A CN113626755B (zh) | 2021-08-10 | 2021-08-10 | 基于传导路径的家庭能源消费需求结构监测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113626755A CN113626755A (zh) | 2021-11-09 |
| CN113626755B true CN113626755B (zh) | 2024-04-05 |
Family
ID=78383883
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110912752.5A Active CN113626755B (zh) | 2021-08-10 | 2021-08-10 | 基于传导路径的家庭能源消费需求结构监测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113626755B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113627511B (zh) * | 2021-08-04 | 2024-02-02 | 中国科学院科技战略咨询研究院 | 气候变化对交通业的影响模型训练方法及影响监测方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104193165A (zh) * | 2011-03-15 | 2014-12-10 | 杨德宁 | 平板玻璃及其制备方法与显示屏、光伏太阳能装置 |
| CN105868849A (zh) * | 2016-03-25 | 2016-08-17 | 傅崇辉 | 基于家庭结构变化的生活能源消费量预测方法及装置 |
| CN106779157A (zh) * | 2016-11-18 | 2017-05-31 | 中铁第勘察设计院集团有限公司 | 区域能源消费需求的预测方法 |
| JP2019057035A (ja) * | 2017-09-20 | 2019-04-11 | 株式会社東芝 | 運転計画作成装置、制御装置、運転計画作成方法及び運転計画作成プログラム |
| CN109932896A (zh) * | 2019-03-22 | 2019-06-25 | 易科智控科技(北京)有限公司 | 一种建筑能耗的控制方法和系统 |
| CN110659788A (zh) * | 2018-06-29 | 2020-01-07 | 中国电力科学研究院有限公司 | 一种用户侧综合能源系统的供需平衡分析方法和系统 |
| CN112330370A (zh) * | 2020-11-25 | 2021-02-05 | 南方电网能源发展研究院有限责任公司 | 一种基于times模型的居民消费优化方法 |
| CN112465220A (zh) * | 2020-11-25 | 2021-03-09 | 南方电网能源发展研究院有限责任公司 | 一种基于能源技术供需侧响应模型的分析方法及系统 |
| CN112950098A (zh) * | 2021-04-29 | 2021-06-11 | 国网综合能源服务集团有限公司 | 基于综合能源系统的能源规划方法、装置及终端设备 |
| CN113095556A (zh) * | 2021-03-31 | 2021-07-09 | 广西大学 | 一种考虑碳中和趋势的中长期负荷预测方法及系统 |
| CN113139671A (zh) * | 2020-01-20 | 2021-07-20 | 河海大学 | 基于分支结构模型的电力负荷区间预测方法和系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140278699A1 (en) * | 2013-03-15 | 2014-09-18 | Honeywell International Inc. | Modeling energy conversion in systems |
| JP7148057B2 (ja) * | 2018-06-12 | 2022-10-05 | 株式会社日立製作所 | エネルギー管理システム及びエネルギー管理方法 |
-
2021
- 2021-08-10 CN CN202110912752.5A patent/CN113626755B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104193165A (zh) * | 2011-03-15 | 2014-12-10 | 杨德宁 | 平板玻璃及其制备方法与显示屏、光伏太阳能装置 |
| CN105868849A (zh) * | 2016-03-25 | 2016-08-17 | 傅崇辉 | 基于家庭结构变化的生活能源消费量预测方法及装置 |
| CN106779157A (zh) * | 2016-11-18 | 2017-05-31 | 中铁第勘察设计院集团有限公司 | 区域能源消费需求的预测方法 |
| JP2019057035A (ja) * | 2017-09-20 | 2019-04-11 | 株式会社東芝 | 運転計画作成装置、制御装置、運転計画作成方法及び運転計画作成プログラム |
| CN110659788A (zh) * | 2018-06-29 | 2020-01-07 | 中国电力科学研究院有限公司 | 一种用户侧综合能源系统的供需平衡分析方法和系统 |
| CN109932896A (zh) * | 2019-03-22 | 2019-06-25 | 易科智控科技(北京)有限公司 | 一种建筑能耗的控制方法和系统 |
| CN113139671A (zh) * | 2020-01-20 | 2021-07-20 | 河海大学 | 基于分支结构模型的电力负荷区间预测方法和系统 |
| CN112330370A (zh) * | 2020-11-25 | 2021-02-05 | 南方电网能源发展研究院有限责任公司 | 一种基于times模型的居民消费优化方法 |
| CN112465220A (zh) * | 2020-11-25 | 2021-03-09 | 南方电网能源发展研究院有限责任公司 | 一种基于能源技术供需侧响应模型的分析方法及系统 |
| CN113095556A (zh) * | 2021-03-31 | 2021-07-09 | 广西大学 | 一种考虑碳中和趋势的中长期负荷预测方法及系统 |
| CN112950098A (zh) * | 2021-04-29 | 2021-06-11 | 国网综合能源服务集团有限公司 | 基于综合能源系统的能源规划方法、装置及终端设备 |
Non-Patent Citations (6)
| Title |
|---|
| A perspective on solar energy-powered road and rail transportation in China;Limin Jia等;CSEE Journal of Power and Energy Systems;第6卷(第4期);第760页-771页 * |
| 上海气候变化脆弱性评估与治理对策;车生泉等;风景园林;第27卷(第12期);第69页-74页 * |
| 中国能源系统转型及可再生能源消纳路径研究;柳逸月;中国博士学位论文全文数据库(第1期);第J150-7页 * |
| 全球化背景下中国玉米的供求、贸易与预测;韩昕儒;中国博士学位论文全文数据库经济与管理科学辑(第10期);第J149-14页 * |
| 家庭能源消费研究述评;陆莹莹;赵旭;;水电能源科学;第26卷(第01期);第187页-191页 * |
| 考虑电热综合需求响应的虚拟电厂优化调度;江叶峰等;电力建设;第40卷(第12期);第61页-69页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113626755A (zh) | 2021-11-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chiang et al. | Evidence of anthropogenic impacts on global drought frequency, duration, and intensity | |
| Chong et al. | Guidelines for the Bayesian calibration of building energy models | |
| Zhao et al. | Optimal inspection and replacement policy based on experimental degradation data with covariates | |
| McFarland et al. | Impacts of rising air temperatures and emissions mitigation on electricity demand and supply in the United States: a multi-model comparison | |
| Oraiopoulos et al. | On the accuracy of urban building energy modelling | |
| Hong et al. | Field-failure predictions based on failure-time data with dynamic covariate information | |
| CN110728008B (zh) | 一种用于确定智能电表的期望寿命的方法及装置 | |
| Flick et al. | Designed experiments to characterize PEMFC material properties and performance | |
| Gang et al. | Assessing the spatiotemporal variation in distribution, extent and NPP of terrestrial ecosystems in response to climate change from 1911 to 2000 | |
| US9147018B2 (en) | Method and system for use in controlling a pressure vessel | |
| CN115270003B (zh) | 一种基于物联网平台行为数据挖掘的信息推荐方法及系统 | |
| CN113626755B (zh) | 基于传导路径的家庭能源消费需求结构监测方法及装置 | |
| CN115147012B (zh) | 一种基于神经网络模型的碳排放量核算方法及装置 | |
| Wang et al. | A fusion prognostics strategy for fuel cells operating under dynamic conditions | |
| CN117078480A (zh) | 碳排放量监测方法、装置、设备、存储介质和计算机产品 | |
| Suarez-Gutierrez et al. | Extreme heat and drought typical of an end-of-century climate could occur over Europe soon and repeatedly | |
| Xu et al. | State of charge estimation under different temperatures using unscented Kalman filter algorithm based on fractional-order model with multi-innovation | |
| Innocenti et al. | Comparative assessment of methane emissions from onshore LNG facilities measured using differential absorption lidar | |
| Liu et al. | Structural change features and influencing factors of China’s carbon price | |
| Aramendia et al. | Estimation of useful-stage energy returns on investment for fossil fuels and implications for renewable energy systems | |
| Canaydin et al. | Interpretable domain-informed and domain-agnostic features for supervised and unsupervised learning on building energy demand data | |
| Loughlin et al. | Marginal abatement cost curve for nitrogen oxides incorporating controls, renewable electricity, energy efficiency, and fuel switching | |
| CN115907307B (zh) | 面向电网实时数据交互的电力系统碳排放流在线分析方法 | |
| Bernard et al. | Finite sample inference methods for dynamic energy demand models | |
| CN111177131A (zh) | 用电数据检测方法、装置、计算机设备和存储介质 |
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 |