CN113642942B - 基于大数据分析的需求响应管理方法与系统 - Google Patents

基于大数据分析的需求响应管理方法与系统 Download PDF

Info

Publication number
CN113642942B
CN113642942B CN202111195535.5A CN202111195535A CN113642942B CN 113642942 B CN113642942 B CN 113642942B CN 202111195535 A CN202111195535 A CN 202111195535A CN 113642942 B CN113642942 B CN 113642942B
Authority
CN
China
Prior art keywords
user
demand response
power grid
response
time sequence
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
CN202111195535.5A
Other languages
English (en)
Other versions
CN113642942A (zh
Inventor
卢湘涛
刘宗林
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.)
Qidong Tongyi Automation Equipment Co ltd
Original Assignee
Qidong Tongyi Automation Equipment 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 Qidong Tongyi Automation Equipment Co ltd filed Critical Qidong Tongyi Automation Equipment Co ltd
Priority to CN202111195535.5A priority Critical patent/CN113642942B/zh
Publication of CN113642942A publication Critical patent/CN113642942A/zh
Application granted granted Critical
Publication of CN113642942B publication Critical patent/CN113642942B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/06315—Needs-based resource requirements planning or 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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
    • 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

Abstract

本发明提出了一种基于大数据分析的需求响应管理方法与系统，该方法包括：根据电网中各电网节点的压力指数得到危险电网节点，根据危险电网节点对之间的距离与压力指数得到危险源危险程度；根据用户所处负载区域电网节点与各危险电网节点之间的距离、以及各危险电网节点的危险程度得到用户的危险源关联程度；根据用户与其他用户的需求响应时序序列的相似度、危险源关联程度、响应力度得到最终贡献力度；根据需求响应前后危险源危险程度的变化情况以及用户的最终贡献力度得到用户需求响应的激励指数，根据激励指数进行需求响应管理。本发明既能鼓励用户节能减排又能准确高效的维护电网的稳定与安全。

Description

基于大数据分析的需求响应管理方法与系统
技术领域
本申请涉及电网、大数据领域，具体涉及一种基于大数据分析的需求响应管理方法与系统。
背景技术
随着社会的发展，电力能源的消耗越来越严重，当前节能减排的理念日益深入人心，国家和政府也积极鼓励节能减排，主张和号召相关用户减少用电，错开用电高峰，较少排放，节约电力资源，政府部门会给响应号召的相关用户合适的补偿，最常见的就使电价优惠，以此来激励节约减排。
实施需求响应是有效解决电力能源消耗问题的重要手段。一些方案针对已知的故障事件制定相应的需求响应方法，能够较好地降低需求响应成本，但是缺少对用户主动需求响应的管理。
发明内容
为了解决上述问题，本发明的目的在于提供一种基于大数据分析的需求响应管理方法，该方法包括以下步骤：
根据电网中各电网节点的压力指数得到危险电网节点，根据危险电网节点对之间的距离与压力指数得到危险源危险程度；
根据用户所处负载区域电网节点与各危险电网节点之间的距离、以及各危险电网节点的危险程度得到用户的危险源关联程度；
根据用户的危险源关联程度、响应力度得到用户的直接贡献力度；根据用户与其他用户的需求响应时序序列的相似度、其他用户的直接贡献力度得到用户的间接贡献力度；直接贡献力度与间接贡献力度之和为用户的最终贡献力度；
根据需求响应前后危险源危险程度的变化情况以及用户的最终贡献力度得到用户需求响应的激励指数，根据激励指数进行需求响应管理。
优选地，各电网节点的压力指数具体为各电网节点上流过的功率与电网节点允许的最大功率的比值。
优选地，基于大数据平台获取用户在需求响应前的消耗时序序列以及在需求响应后的消耗时序序列，需求响应前的消耗时序序列与需求响应后的消耗时序序列的差值即为用户的需求响应时序序列；用户的需求响应时序序列各元素之和即为用户的响应力度。
优选地，用户与其他用户的需求响应时序序列的相似度具体为：分别将用户与其他用户的需求响应时序序列中各个元素减去该需求响应时序序列元素的均值得到去中心化时序序列，利用神经网络对去中心化时序序列进行分析得到用户与其他用户的需求响应时序序列的相似度。
优选地，用户需求响应的激励指数还包括：基于大数据平台的历史数据，获取用户最大的若干次历史响应力度的均值得到响应均值，获取响应次数与被邀约次数的比值得到响应频率，根据响应均值与响应频率得到用户的历史响应指数；根据需求响应前后危险源危险程度的变化情况、用户的最终贡献力度、用户的当前响应力度以及用户的历史响应指数得到用户需求响应的激励指数。
本发明还提供一种基于大数据分析的需求响应管理系统，该系统包括：
电网数据获取模块，根据电网中各电网节点的压力指数得到危险电网节点，根据危险电网节点对之间的距离与压力指数得到危险源危险程度；
电网数据分析模块，根据用户所处负载区域电网节点与各危险电网节点之间的距离、以及各危险电网节点的危险程度得到用户的危险源关联程度；
需求响应数据分析模块，根据用户的危险源关联程度、响应力度得到用户的直接贡献力度；根据用户与其他用户的需求响应时序序列的相似度、其他用户的直接贡献力度得到用户的间接贡献力度；直接贡献力度与间接贡献力度之和为用户的最终贡献力度；
需求响应管理模块，根据需求响应前后危险源危险程度的变化情况以及用户的最终贡献力度得到用户需求响应的激励指数，根据激励指数进行需求响应管理。
本发明的有益效果如下：
本发明通过获取电网需求响应数据和电网危险源，以此为基础分析用户和电网危险节点的关系来判断用户需求响应的程度，获得激励指数，进行需求响应管理，既能鼓励用户节能减排又能准确高效的维护电网的稳定与安全。
附图说明
图1为方法流程图。
具体实施方式
下面结合附图和具体实施例对本发明进一步详细说明。
实施例一：
本实施例提供一种基于大数据分析的需求响应管理方法，方法流程图如图1所示。
政府或相关部门在平台上（网站或客户端）发布响应邀约，号召用户节能减排，节约用电，减少电网负荷，维持电网稳定，例如在夏冬季节等用电量大时发布响应邀约；用户收到响应邀约之后，响应号召，根据用户自身的用电需求自觉减少电力的使用，这些用户称为需求响应用户（可以是企业、个人、园区、施工单位等），这一响应号召的行为称为需求响应。政府或相关部门会对需求响应用户给予奖励（或者补偿或者激励），常见的奖励方法是电价的折扣。
只有政府或相关部门发布响应邀约后才对需求响应的用户给予奖励，当政府或相关部门没有发布邀约时，不会对需求响应用户给予奖励，这样做的目的是避免电力资源充足的情况下用户盲目的响应，以此来获取奖励，给财政收入增加负担，这也是现有的电价调控和制定的一种策略，也有助于对电网和用户的管控。
本发明基于用户响应与电网节点状态的变化，确定对用户的激励系数。
首先，根据电网中各电网节点的压力指数得到危险电网节点，根据危险电网节点对之间的距离与压力指数得到危险源危险程度。电网中各电网节点的压力指数具体为各电网节点上流过的功率与电网节点允许的最大功率的比值。
获取电网数据，包括电网上每个电网节点上流过的平均功率，计算电网节点上流过的功率与电网节点允许的最大功率的比值得到为电网节点的压力指数。所述电网节点是指在电网上的母线节点，用于连接电网设备，例如变电站、隔离开关、负载等。
获取危险电网节点的过程具体为：根据电网的网络结构获得第一图数据
Figure DEST_PATH_IMAGE002
：第一图数据上的节点就是电网节点，节点的大小就是电网节点的压力指数，若两个电网节点存在直接的电力连接，那么这两个电网节点的边权值为1，否则为0。将第一图数据结构输入GCN网络中，输出危险源，所述危险源是危险电网节点的集合。在当前电网压力分布和电网结构下，危险源内的危险电网节点容易发生危险事故，由于这些危险电网节点的存在电网无法可靠稳定运行，容易发生故障以及难以故障隔离。GCN的训练数据集是人为标注的，标注方法和图像邻域的语义分割任务的数据集的标注方法类似。
对于危险源
Figure DEST_PATH_IMAGE004
，其中任意两个危险电网节点为
Figure DEST_PATH_IMAGE006
，两者的压力指数分别为
Figure DEST_PATH_IMAGE008
和
Figure DEST_PATH_IMAGE010
，则危险源的危险程度为
Figure DEST_PATH_IMAGE012
式中，
Figure DEST_PATH_IMAGE014
为根据节点
Figure 361401DEST_PATH_IMAGE006
之间的距离获得的依赖程度，具体计算方法是：设节点
Figure 12962DEST_PATH_IMAGE006
之间最短游走路径上的边权值之和为
Figure DEST_PATH_IMAGE016
，那么
Figure DEST_PATH_IMAGE018
，即两个节点之间的最短游走路径越小，表示两个节点在电气连接上越接近，在电网供电时两个节点越相互依赖、联系越紧密，发生故障越难以隔离。综上所述，当危险源内的危险电网节点的压力指数越大、电网节点间依赖程度越大那么说明危险源的危险程度越大。此外，对于任意危险电网节点
Figure DEST_PATH_IMAGE020
，其危险程度为
Figure DEST_PATH_IMAGE022
。
其次，根据用户所处负载区域电网节点与各危险电网节点之间的距离、以及各危险电网节点的危险程度得到用户的危险源关联程度。
对于某个需求响应用户，获取该用户所处负载区域电网节点集合
Figure DEST_PATH_IMAGE024
，设
Figure 510808DEST_PATH_IMAGE024
中共有
Figure DEST_PATH_IMAGE026
个电网节点，对于需求响应之前的危险源
Figure DEST_PATH_IMAGE028
，设
Figure 984646DEST_PATH_IMAGE028
中共有
Figure DEST_PATH_IMAGE030
个电网节点，该需求响应用户与危险源的关联程度表示为
Figure DEST_PATH_IMAGE032
，式中,
Figure DEST_PATH_IMAGE034
表示危险源
Figure 110603DEST_PATH_IMAGE028
内危险电网节点n的危险程度，
Figure DEST_PATH_IMAGE036
表示根据集合
Figure 136328DEST_PATH_IMAGE024
中的第
Figure DEST_PATH_IMAGE038
个电网节点与
Figure 314280DEST_PATH_IMAGE028
中的第
Figure DEST_PATH_IMAGE040
个电网节点之间的距离获得的依赖程度。
进一步的，基于大数据平台获取用户在需求响应前的消耗时序序列以及在需求响应后的消耗时序序列，需求响应前的消耗时序序列与需求响应后的消耗时序序列的差值即为用户的需求响应时序序列；用户的需求响应时序序列各元素之和即为用户的响应力度。分别将用户与其他用户的需求响应时序序列中各个元素减去需求响应时序序列元素的均值得到去中心化时序序列，利用神经网络对去中心化时序序列进行分析得到用户与其他用户的需求响应时序序列的相似度。根据用户的危险源关联程度、响应力度得到用户的直接贡献力度；根据用户与其他用户的需求响应时序序列的相似度、其他用户的直接贡献力度得到用户的间接贡献力度；直接贡献力度与间接贡献力度之和为用户的最终贡献力度。
基于大数据平台，获取一个需求响应用户在需求响应前的消耗时序序列，获取用户在需求响应后的消耗时序序列，获取需求响应前的消耗时序序列与需求响应后的消耗时序序列的差值得到用户的需求响应时序序列。
每个用户的自身用电需求或用电习惯不同，或面临的生产生活场景不同，因此需求响应序列不同，这种不同一方面体现在序列元素的和不同，另一方面序列的变化趋势不相同。计算用户需求响应时序序列各元素的和得到用户的响应力度，表示的是用户节约的电量；变化趋势表示需求响应能否契合电网的用电变化趋势。
为了获取任意用户与其他用户的需求响应时序序列的相似度，分别将用户与其他用户的需求响应时序序列中的各个元素都减去该需求响应时序序列元素的均值得到去中心化时序序列。将去中心化时序序列输入TCN网络中，输出两个序列的相似度，优选地，本实施例中相似度的取值为10个等级：0.1,0.2，……，1.0，等级越大说明这两个用户的需求响应时序序列的相似度就越大。相似度用于表征两个序列是否具有相同的变化趋势，两个序列的变化趋势越一致，那么相似度就越高，否则越低。网络的训练数据集是人为标注的。
获取最终贡献力度的过程具体为：以需求响应用户为节点，节点的大小为用户的响应力度，节点间的边权值为对应的两个用户的需求响应时序序列的相似度，如果相似度小于预设阈值那么边权值为0，如果相似度大于预设阈值那么边权值为1，构建第二图数据
Figure DEST_PATH_IMAGE042
；该数据结构用于反应用户与用户之间的需求响应关系，这种关系导致了电网危险源的危险程度变化。
对第二图数据结构
Figure 857388DEST_PATH_IMAGE042
进行一阶聚合获得最终贡献力度，具体方法为：对于一个用户为用户节点
Figure DEST_PATH_IMAGE044
，获取一个其他用户为该用户的一阶邻居点集合
Figure DEST_PATH_IMAGE046
中的任意一个元素，设该元素为用户节点
Figure DEST_PATH_IMAGE048
，用户节点
Figure 572272DEST_PATH_IMAGE044
的最终贡献力度
Figure DEST_PATH_IMAGE050
为:
Figure DEST_PATH_IMAGE052
式中，
Figure DEST_PATH_IMAGE054
和
Figure DEST_PATH_IMAGE056
分别表示为两个用户节点的响应力度；
Figure DEST_PATH_IMAGE058
表示为用户节点
Figure 283745DEST_PATH_IMAGE044
和用户节点
Figure 474293DEST_PATH_IMAGE048
的需求响应时序序列的相似度，
Figure DEST_PATH_IMAGE060
和
Figure DEST_PATH_IMAGE062
分别表示为两个用户节点的危险源关联程度，
Figure DEST_PATH_IMAGE064
为用户节点
Figure 289933DEST_PATH_IMAGE044
的直接贡献力度，
Figure DEST_PATH_IMAGE066
为用户节点
Figure 712519DEST_PATH_IMAGE048
的直接贡献力度，
Figure DEST_PATH_IMAGE068
为用户节点
Figure 548888DEST_PATH_IMAGE044
的间接贡献力度。
获取所有用户的最终贡献力度，保持图结构的拓扑结构不变，节点的大小重新设置为用户对应的最终贡献力度，获得第三图数据
Figure DEST_PATH_IMAGE070
，对第三图数据结构
Figure 197038DEST_PATH_IMAGE070
进行一阶图均值滤波，节点值更新为该节点与一阶邻居点的均值。
最后，根据需求响应前后危险源危险程度的变化情况以及用户的最终贡献力度得到用户需求响应的激励指数，根据激励指数进行需求响应管理。
该激励指数还包括：基于大数据平台的历史数据，获取用户最大的若干次历史响应力度的均值得到响应均值，获取响应次数与被邀约次数的比值得到响应频率，根据响应均值与响应频率得到用户的历史响应指数；根据需求响应前后危险源危险程度的变化情况、用户的最终贡献力度、用户的当前响应力度以及用户的历史响应指数得到用户需求响应的激励指数。
具体的某个用户的激励指数表示为：
Figure DEST_PATH_IMAGE072
式中，
Figure DEST_PATH_IMAGE074
表示用户的当前时刻需求响应完成之后计算获得的响应力度，用于表征当前需求响应节约多少电量；
Figure DEST_PATH_IMAGE076
表示历史响应指数，计算方法是：获取该用户在历史记录中，响应力度最大的
Figure DEST_PATH_IMAGE078
（本实施例中
Figure DEST_PATH_IMAGE080
）次响应，计算这K次响应对应的响应力度的均值得到响应均值设为
Figure 157647DEST_PATH_IMAGE016
；计算响应的次数与被邀约次数的比值得到响应频率
Figure DEST_PATH_IMAGE082
；那么
Figure DEST_PATH_IMAGE084
；
Figure DEST_PATH_IMAGE086
表示需求响应前与需求响应后危险源危险程度的变化情况，计算方法是：计算需求响应前危险源危险程度与需求响应后危险源危险程度的差值；
Figure 784806DEST_PATH_IMAGE050
表示为用户的最终贡献力度，即第三图数据的节点值；
Figure DEST_PATH_IMAGE088
，
Figure DEST_PATH_IMAGE090
，
Figure DEST_PATH_IMAGE092
是超参数，满足
Figure DEST_PATH_IMAGE094
，优选地，本实施例中
Figure DEST_PATH_IMAGE096
，
Figure DEST_PATH_IMAGE098
，
Figure 312783DEST_PATH_IMAGE092
=0.15。
获取最终贡献力度大于阈值的需求响应用户，获取他们的需求响应时序序列集合，以及他们响应力度的均值。当下次检测到同样的电网危险源时，将这些需求响应时序序列的变化趋势和响应力度的均值公布在平台上，作为用户需求响应的模板参考，鼓励用户根据自身需求使得自身的需求响应时序序列趋势和模板相同，响应力度越大越好；这样做的目的是避免盲目的需求响应，更加高效的利用用户的需求来稳定电网和增加电网可靠性，使需求响应更加契合电网运行。
最后需要将激励指数以电价的折扣程度进行映射，例如激励指数大于第一阈值时，电价打5折，激励指数小于第二阈值时，电价打9折；激励指数大于第二阈值小于第一阈值时，电价打7折。具体映射方法实施者决定，也可以进行其他奖励，包括从名誉、经济、投资等方面进行奖励。
以上实施例仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明保护范围之内。
实施例二：
本实施例提供一种基于大数据分析的需求响应管理系统，该系统包括：
电网数据获取模块，根据电网中各电网节点的压力指数得到危险电网节点，根据危险电网节点对之间的距离与压力指数得到危险源危险程度；
电网数据分析模块，根据用户所处负载区域电网节点与各危险电网节点之间的距离、以及各危险电网节点的危险程度得到用户的危险源关联程度；
需求响应数据分析模块，根据用户的危险源关联程度、响应力度得到用户的直接贡献力度；根据用户与其他用户的需求响应时序序列的相似度、其他用户的直接贡献力度得到用户的间接贡献力度；直接贡献力度与间接贡献力度之和为用户的最终贡献力度；
需求响应管理模块，根据需求响应前后危险源危险程度的变化情况以及用户的最终贡献力度得到用户需求响应的激励指数，根据激励指数进行需求响应管理。
以上实施例仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (4)

1.一种基于大数据分析的需求响应管理方法，其特征在于，该方法包括以下步骤：
根据电网中各电网节点的压力指数得到危险电网节点，根据危险电网节点对之间的距离与压力指数得到危险源危险程度；所述电网中各电网节点的压力指数具体为各电网节点上流过的功率与电网节点允许的最大功率的比值；
根据用户所处负载区域电网节点与各危险电网节点之间的距离、以及各危险电网节点的危险程度得到用户的危险源关联程度；
根据用户的危险源关联程度、响应力度得到用户的直接贡献力度；根据用户与其他用户的需求响应时序序列的相似度、其他用户的直接贡献力度得到用户的间接贡献力度；直接贡献力度与间接贡献力度之和为用户的最终贡献力度；用户的响应力度具体为：基于大数据平台获取用户在需求响应前的消耗时序序列以及在需求响应后的消耗时序序列，需求响应前的消耗时序序列与需求响应后的消耗时序序列的差值即为用户的需求响应时序序列；用户的需求响应时序序列各元素之和即为用户的响应力度；用户与其他用户的需求响应时序序列的相似度具体为：分别将用户与其他用户的需求响应时序序列中各个元素减去需求响应时序序列元素的均值得到去中心化时序序列，利用神经网络对去中心化时序序列进行分析得到用户与其他用户的需求响应时序序列的相似度；
根据需求响应前后危险源危险程度的变化情况以及用户的最终贡献力度得到用户需求响应的激励指数，根据激励指数进行需求响应管理。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于大数据平台的历史数据，获取用户最大的若干次历史响应力度的均值得到响应均值，获取响应次数与被邀约次数的比值得到响应频率，根据响应均值与响应频率得到用户的历史响应指数；根据需求响应前后危险源危险程度的变化情况、用户的最终贡献力度、用户的当前响应力度以及用户的历史响应指数得到用户需求响应的激励指数。
3.一种基于大数据分析的需求响应管理系统，其特征在于，该系统包括：
电网数据获取模块，根据电网中各电网节点的压力指数得到危险电网节点，根据危险电网节点对之间的距离与压力指数得到危险源危险程度；所述电网中各电网节点的压力指数具体为各电网节点上流过的功率与电网节点允许的最大功率的比值；
电网数据分析模块，根据用户所处负载区域电网节点与各危险电网节点之间的距离、以及各危险电网节点的危险程度得到用户的危险源关联程度；
需求响应数据分析模块，根据用户的危险源关联程度、响应力度得到用户的直接贡献力度；根据用户与其他用户的需求响应时序序列的相似度、其他用户的直接贡献力度得到用户的间接贡献力度；直接贡献力度与间接贡献力度之和为用户的最终贡献力度；用户的响应力度具体为：基于大数据平台获取用户在需求响应前的消耗时序序列以及在需求响应后的消耗时序序列，需求响应前的消耗时序序列与需求响应后的消耗时序序列的差值即为用户的需求响应时序序列；用户的需求响应时序序列各元素之和即为用户的响应力度；用户与其他用户的需求响应时序序列的相似度具体为：分别将用户与其他用户的需求响应时序序列中各个元素减去该需求响应时序序列元素的均值得到去中心化时序序列，利用神经网络对去中心化时序序列进行分析得到用户与其他用户的需求响应时序序列的相似度；
需求响应管理模块，根据需求响应前后危险源危险程度的变化情况以及用户的最终贡献力度得到用户需求响应的激励指数，根据激励指数进行需求响应管理。
4.根据权利要求3所述的系统，其特征在于，所述用户需求响应的激励指数还包括：
基于大数据平台的历史数据，获取用户最大的若干次历史响应力度的均值得到响应均值，获取响应次数与被邀约次数的比值得到响应频率，根据响应均值与响应频率得到用户的历史响应指数；根据需求响应前后危险源危险程度的变化情况、用户的最终贡献力度、用户的当前响应力度以及用户的历史响应指数得到用户需求响应的激励指数。
CN202111195535.5A 2021-10-14 2021-10-14 基于大数据分析的需求响应管理方法与系统 Active CN113642942B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111195535.5A CN113642942B (zh) 2021-10-14 2021-10-14 基于大数据分析的需求响应管理方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111195535.5A CN113642942B (zh) 2021-10-14 2021-10-14 基于大数据分析的需求响应管理方法与系统

Publications (2)

Publication Number Publication Date
CN113642942A CN113642942A (zh) 2021-11-12
CN113642942B true CN113642942B (zh) 2022-03-25

Family

ID=78426821

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111195535.5A Active CN113642942B (zh) 2021-10-14 2021-10-14 基于大数据分析的需求响应管理方法与系统

Country Status (1)

Country Link
CN (1) CN113642942B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103559656A (zh) * 2013-11-15 2014-02-05 国家电网公司 一种需求响应控制系统及方法
CN104408663A (zh) * 2014-09-03 2015-03-11 上海大学 智能电网用户需求响应调度系统及方法
CN108154309A (zh) * 2017-12-30 2018-06-12 国网天津市电力公司电力科学研究院 计及冷热电多负荷动态响应的能源互联网经济调度方法
CN109344895A (zh) * 2018-09-28 2019-02-15 合肥工业大学 一种激励型需求响应下的用户响应可靠性评估方法
CN110244566A (zh) * 2019-06-24 2019-09-17 燕山大学 计及柔性负荷的冷热电联供系统容量优化配置方法
CN113298402A (zh) * 2021-06-03 2021-08-24 江苏电百达智能科技有限公司 基于人工智能的配网供电可靠性精细化方法与系统
CN113422366A (zh) * 2021-08-25 2021-09-21 南通华豪巨电子科技有限公司 一种基于大数据分析和需求响应的电力调度方法及其系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103559656A (zh) * 2013-11-15 2014-02-05 国家电网公司 一种需求响应控制系统及方法
CN104408663A (zh) * 2014-09-03 2015-03-11 上海大学 智能电网用户需求响应调度系统及方法
CN108154309A (zh) * 2017-12-30 2018-06-12 国网天津市电力公司电力科学研究院 计及冷热电多负荷动态响应的能源互联网经济调度方法
CN109344895A (zh) * 2018-09-28 2019-02-15 合肥工业大学 一种激励型需求响应下的用户响应可靠性评估方法
CN110244566A (zh) * 2019-06-24 2019-09-17 燕山大学 计及柔性负荷的冷热电联供系统容量优化配置方法
CN113298402A (zh) * 2021-06-03 2021-08-24 江苏电百达智能科技有限公司 基于人工智能的配网供电可靠性精细化方法与系统
CN113422366A (zh) * 2021-08-25 2021-09-21 南通华豪巨电子科技有限公司 一种基于大数据分析和需求响应的电力调度方法及其系统

Also Published As

Publication number Publication date
CN113642942A (zh) 2021-11-12

Similar Documents

Publication Publication Date Title
CN101179195B (zh) 配电网规划方案辅助决策系统
Viegas et al. Classification of new electricity customers based on surveys and smart metering data
Murakami Agent-based simulations of the influence of social policy and neighboring communication on the adoption of grid-connected photovoltaics
CN110555624A (zh) 一种考虑指标关联的电网调度运行综合评估方法
CN112288303B (zh) 确定线损率的方式、装置
Li et al. A hybrid approach for transmission grid resilience assessment using reliability metrics and power system local network topology
Kladnik et al. An assessment of the effects of demand response in electricity markets
CN110110933A (zh) 一种智能变电站保护系统的检修周期优化方法
CN106204162A (zh) 一种互联网环境下新入网电力用户用电模式预测方法
CN105225021A (zh) 配电网待建项目的优化选择方法
Evangelopoulos et al. Probabilistic spatial load forecasting for assessing the impact of electric load growth in power distribution networks
Okoligwe et al. Relationship between electricity consumption and economic growth: evidence from Nigeria (1971-2012)
Olanrele Assessing the effects of rural electrification on household welfare in Nigeria
Rathod et al. Design of electricity tariff plans using gap statistic for K-means clustering based on consumers monthly electricity consumption data
CN113642942B (zh) 基于大数据分析的需求响应管理方法与系统
Shaghaghi et al. Proposing a new optimized forecasting model for the failure rate of power distribution network thermal equipment for educational centers
Reddy et al. Prioritization of load points in distribution system considering multiple load types using fuzzy theory
CN112039111A (zh) 一种新能源微电网参与电网调峰能力的方法及系统
Langouranis et al. Fuzzy total power quality index for electric networks
Jin et al. Comprehensive evaluation of impacts of connecting distributed generation to the distribution network
Bichpuriya et al. Non-parametric probability density forecast of an hourly peak load during a month
Bandyopadhayay et al. Forecasting day-ahead price of electricity–a dynamic regression approach
Ramirez-Rosado et al. Spatial long-term forecasting of small power photovoltaic systems expansion
CN111967896A (zh) 提高可中断类负荷参与需求响应积极性的方法及系统
CN112653121A (zh) 一种新能源微电网参与电网调频能力的评估方法及装置

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