CN113705989B - 基于数据驱动和偏差判据的虚拟电厂用户响应检测方法 - Google Patents
基于数据驱动和偏差判据的虚拟电厂用户响应检测方法 Download PDFInfo
- Publication number
- CN113705989B CN113705989B CN202110941123.5A CN202110941123A CN113705989B CN 113705989 B CN113705989 B CN 113705989B CN 202110941123 A CN202110941123 A CN 202110941123A CN 113705989 B CN113705989 B CN 113705989B
- Authority
- CN
- China
- Prior art keywords
- response
- user
- event
- deviation
- power plant
- 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
- 230000004044 response Effects 0.000 title claims abstract description 139
- 238000001514 detection method Methods 0.000 title claims abstract description 12
- 238000011156 evaluation Methods 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 13
- 230000002776 aggregation Effects 0.000 claims abstract description 9
- 238000004220 aggregation Methods 0.000 claims abstract description 9
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 238000005265 energy consumption Methods 0.000 claims abstract description 6
- 238000012216 screening Methods 0.000 claims abstract description 6
- 238000005065 mining Methods 0.000 claims abstract description 3
- 238000010606 normalization Methods 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims description 2
- 230000003111 delayed effect Effects 0.000 claims description 2
- 230000008901 benefit Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000013439 planning Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 3
- AYFVYJQAPQTCCC-GBXIJSLDSA-N L-threonine Chemical compound C[C@@H](O)[C@H](N)C(O)=O AYFVYJQAPQTCCC-GBXIJSLDSA-N 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
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
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
-
- 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
-
- 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
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/16—Energy services, e.g. dispersed generation or demand or load or energy savings aggregation
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于数据驱动和偏差判据的虚拟电厂用户响应检测方法，通过考察虚拟电厂聚合的用户侧历史用能监测数据，构建用户级响应性能综合评估指标体系；然后通过数据驱动的方式挖掘用户侧历史用能监测数据得到用户成功响应事件；再利用功率偏差量判据筛选用户成功响应事件得到成功响应区间记录，并充分考虑负荷的波动情况，得到模板响应事件；最后根据模板响应事件得到所有参与聚合用户的综合性能评分。本发明利用功率偏差量判据充分考虑到了负荷的短时波动、用户响应行为的随机性等因素，方法对成功响应事件的判断更加准确，所提出的评估方法对用户侧资源的评估更具实用性和可靠性。
Description
技术领域
本发明涉及的是一种电力资源分配领域的技术，具体是一种基于数据驱动和功率偏差量判据的虚拟电厂聚合用户响应检测方法。
背景技术
现有的虚拟电厂能够通过先进的信息采集、控制、通信技术，将跨地区、多种类的可控分布式资源聚合起来，而对参与聚合的需求侧用户管理则是优化运行的基础，聚合资源性能会影响到虚拟电厂的收益和可持续发展能力。现有的需求侧资源评估和管理方法通过分析用户对电价的敏感程度，形成电力用户需求响应潜力评估值。但这些技术往往针对常规机组却不适用于需求侧用户资源，或者是从响应功率的角度来刻画用户特性。此外，由于影响聚合用户响应性能的因素较多，无法利用常规数学模型来判断。
发明内容
本发明针对现有技术存在的上述不足，提出一种基于数据驱动和偏差判据的虚拟电厂用户响应检测方法，利用功率偏差量判据充分考虑到了负荷的短时波动、用户响应行为的随机性等因素，方法对成功响应事件的判断更加准确，所提出的评估方法对用户侧资源的评估更具实用性和可靠性。
本发明是通过以下技术方案实现的：
本发明涉及一种基于数据驱动和偏差判据的虚拟电厂用户响应检测方法，通过考察虚拟电厂聚合的用户侧历史用能监测数据，构建用户级响应性能综合评估指标体系；然后通过数据驱动的方式挖掘用户侧历史用能监测数据得到用户成功响应事件；再利用功率偏差量判据筛选用户成功响应事件得到成功响应区间记录，并充分考虑负荷的波动情况，得到模板响应事件；最后根据模板响应事件得到所有参与聚合用户的综合性能评分。
所述的用户级响应性能综合评估指标体系包括：单次事件评估指标、平均评估指标、综合评估指标。
所述的单次事件评估指标包括：表征实际响应开始晚于计划响应事件的时长响应延迟时间分数表示实际响应时间，即从开始到结束持续的时长，除以计划响应时长的响应持续时间分数/>其中：ak为第a个用户的第k次计划响应事件， 分别为实际响应开始时间、计划响应开始时间和实际响应结束时间，由于计划响应时长通常为1小时，所以分母上省略。此外，响应时间通常以分钟为单位计算，通过除以60，将评估分数转化为以小时为单位计量。
所述的平均评估指标包括：由延迟时间绝对值的均值计算得到，用来反应用户响应的准时情况的用户a的响应准时度分数由成功响应事件的响应持续时间求均值得到的响应平均持续时间分数/>其中：Sa表示用户a成功响应事件数目。
所述的综合评估指标包括：用户a的成功响应率综合性能评分/>其中：Fa表示用户a未成功响应事件数，/>和/>分别为/>和/>归一化处理后得到的数据。
所述的归一化方法是指：最大值归一化，即变量除以该组变量中的最大值，A表示用户集合，具体为：
所述的用户成功响应事件是指：筛选历史数据中虚拟电厂中各用户的运行数据中计划参与需求响应的事件，并在包含此事件的特定区间范围内，通过对比基线负荷与实际负荷偏差情况，设定偏差量阈值，以判定用户是否响应虚拟电厂指令，即完成响应调峰任务，统计计划事件总数及成功响应事件总数。
所述的特定区间范围是指：终端用能信息采集设备每15分钟获取一次用电量，考虑到用户的响应存在提前或延后的情况，为了增加响应事件搜索的灵活性和可靠性，将响应事件的搜索区间设为
所述的利用功率偏差量判据是指：在无响应事件的时候，实际负荷密切追踪基线负荷，偏差量较小；发生响应时，实际负荷明显偏离基线负荷，偏差量较大。为了对用户响应事件进行自动辨识，需要对偏差量进行量化，具体为：偏差量其中：/>为计划事件当日t时刻的基线负荷功率、实际负荷功率，t＝1，...，24，取值在0～1之间。
所述的模板响应事件是指：同时满足条件①用户功率偏差量dt超过响应阈值的开始时刻以及条件②偏差值大于阈值的持续时间te-ts应大于等于30分钟的事件，其中：te为ts时刻后，用户功率偏差量dt小于响应阈值的第一个时刻。
所述的综合性能评分是指：综合性能评分其中：/>表示用户a的成功响应率，/>和/>分别为/>和/>归一化处理后得到的数据。
技术效果
与现有技术相比，本发明虚拟电厂可以有针对性的选择满足要求的用户资源，提高整体收益。此外，虚拟电厂和用户之间存在利益分配问题，本发明是对已有关于响应功率评估体系的补充，全面地对每个用户进行响应检测将有助于构建合理的利益分配机制，同时清晰的检测结果反馈到用户侧，则可以促进用户有针对性的调整自身用能习惯，提高综合评估分数，进一步促使虚拟电厂的整体性能的提升。工业应用价值：基于数据驱动和偏差判据的用户响应监测方法能够准确识别用户成功响应事件，能够获得虚拟电厂的响应能力，为电力调度中心制定需求响应机制和运行计划提供必要信息。同时，将促进用户调整自身用能习惯，进一步提升虚拟电厂的响应能力，形成更加快速准确响应电力调度中心计划指令的能力，降低社会发用电成本，促进绿色低碳发展。
附图说明
图1为本发明流程示意图；
图2为实施例流程图。
具体实施方式
如图2所示，为本实施例涉及一种基于数据驱动和偏差判据的虚拟电厂用户响应检测方法，包括以下步骤：
i)设置计划事件当日的用能记录为affair_list，响应阈值thre＝k*average(dt)；
ii)筛选出偏差量大于阈值的时间点对应的记录，记为res_affair；
iii)对res_affair记录中的时刻t进行遍历，t初始化为res_affair中第一个时刻，当ts＝t，ts表示可能被辨识为成功响应事件的开始时刻，n初始化为1；
iv)当te＝ts+nΔt，当te对应的记录也属于res_affair，那么n＝n+1，重复步骤a)；当te不属于res_affair,那么进行步骤ii)；
v)为了避免短时的负荷波动对辨识结果产生影响，因此限定，只有n≥2时，也就是偏差值大于阈值的时间至少需要持续30分钟，且时，[ts，te]才可以记为一次成功响应事件的开始与结束时间对，并将该区间内对应的记录添加到success_list中，更新Sa:Sa＝Sa+1；当ts＝te+(n+m)Δt，m是使下一次循环的开始时间ts属于res_affair的最小正整数；当n＜2，不添加成功事件记录，而直接更新ts,并返回步骤i)。
vi)当获取的success_list为空，则当knew＝0.95*kold，并计算前后两次阈值的差，当threold-threnew≥0.01，则结束循环，在本次计划事件中用户并未发生响应；否则返回步骤1)。
vii)对每一次成功响应的事件记录success_list，按照第一部分内容中的指标计算公式计算各类评估指标，最终形成针对每个参与响应用户的检测结果，并加以分析。
本实施例以某日某用户参与的响应事件为例，截取响应事件当日计划开始前1小时至计划结束后3小时的数据记录如表1所示：
表1
基于上述数据，首先计算日内偏差率均值为-0.02586，设定k＝1.5，此时阈值为-0.03879。偏差量的绝对值超过阈值绝对值的记录加粗，可以看出有13条记录满足条件；当t初始化为9:30，在其基础上每次递增15分钟，当t＝12:00时，虽然该记录的阈值不满足，但考虑到允许负荷的短时波动，暂时继续向上递增，当t＝12:15时，阈值仍不满足条件，则停止寻找。由于11:45与9:30间的时间差大于30分钟，所以满足构成一次成功响应时间对的条件，将对应的3～12号记录添加到success_list当中；当ts更新后从序号17开始，即t＝13:00，虽然有两条连续记录，但是已经超过了计划结束时间加上延后的45分钟，所以遍历结束，该次响应事件有一段成功响应记录，即t＝9:30～11:30；通过单次事件评估指标的计算环节。经计算，响应延迟时间分数为-0.5，响应持续时间分数/>为2。
按照上述操作重复对其余14次响应事件进行评估，现将每次响应事件的评估结果列出，表中标记为“\”表示该用户未成功响应当次事件如表2和表3所示：
表2
表3
| 事件总数 | 成功响应次数 | 平均响应延迟时间 | 平均响应持续时间 | 综合性能评分 |
| 15 | 6 | 0.291666667 | 1.458333 | 2 |
现列出共18个聚合大用户的评分情况，表中“响应准时度分数”和“响应平均持续时间分数”均经过归一化处理，以便在众多用户之间形成纵向对比如表4所示。
表4
表中↑表示该指标评分越高，则对应表现越好；↓则表示该指标评分越低，则对应表现越好。
利用数据驱动的方法，通过分析2018年期间需求响应事件的响应记录，通过本方法，能够得到每个用户的单项评估结果以及综合性能指标。通过上述分析和评估结果可以看出，在18个参与聚合的用户中，从成功响应次数来看，用户7表现最优，说明对响应的参与积极性较高，而用户17则较差。从“响应准时度分数”来看，用户1响应的准时度是最高的，而用户16的不准时程度比较严重。从“响应平均持续时间分数”来看，用户17具有较稳定的响应特性，响应区间能够覆盖计划时间，但其他用户时间的差异性也不是很大，均表现不错，用户6相对较弱。最后从“综合性能评分”来看，分数最高的是用户2，虽然用户2在单项评分中没有非常突出，但是它的总体性能是最好的，每一个单项也都处于中上位次。综上可以看出，本发明提出的评估方法，不仅能够有效的针对每一个用户各方面的性能进行评估，直观的分析得到用户的优势与不足之处，可以在后续项目的进行中有针对性的加以改进，而且定义的综合评估指标，可以筛选出综合性能最优的用户，而且算例也验证了这一方法的有效性和合理性。
与现有技术相比，本方法得出本算例中18个参与聚合的主体的多维度的性能，考虑到了需求响应数据的实际处理情况，从实际功率与基线负荷的数据分析出发，通过合理且有效的方式筛选出用户真实响应情况，判别了成功响应事件数目，响应的准时性、响应的可持续时长等，从而提高了检测的准确性。并且通过本方法，可以清晰的判别出每个用户的优势或不足所在，可以促进其有针对性的改进。最终形成的综合评分便可以为虚拟电厂与用户之间的利益分配机制提供参考，例如，性能更好的用户，可以获得更高的补偿单价，或者在净利润分配中占比更高。
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整，本发明的保护范围以权利要求书为准且不由上述具体实施所限，在其范围内的各个实现方案均受本发明之约束。
Claims (4)
1.一种基于数据驱动和偏差判据的虚拟电厂用户响应检测方法，其特征在于，通过考察虚拟电厂聚合的用户侧历史用能监测数据，构建用户级响应性能综合评估指标体系；然后通过数据驱动的方式挖掘用户侧历史用能监测数据得到用户成功响应事件；再利用功率偏差量判据筛选用户成功响应事件得到成功响应区间记录，并充分考虑负荷的波动情况，得到模板响应事件；最后根据模板响应事件得到所有参与聚合用户的综合性能评分；
所述的用户级响应性能综合评估指标体系包括：单次事件评估指标、平均评估指标、综合评估指标；
所述的用户成功响应事件是指：筛选历史数据中虚拟电厂中各用户的运行数据中计划参与需求响应的事件，并在包含此事件的特定区间范围内，通过对比基线负荷与实际负荷偏差情况，设定偏差量阈值，以判定用户是否响应虚拟电厂指令，即完成响应调峰任务，统计计划事件总数及成功响应事件总数；
所述的模板响应事件是指：同时满足条件①用户功率偏差量dt超过响应阈值的开始时刻以及条件②偏差值大于阈值的持续时间te-ts应大于等于30分钟的事件，其中：te为ts时刻后，用户功率偏差量dt小于响应阈值的第一个时刻；
所述的单次事件评估指标包括：表征实际响应开始晚于计划响应事件的时长响应延迟时间分数表示实际响应时间，即从开始到结束持续的时长，除以计划响应时长的响应持续时间分数/>其中：ak为第a个用户的第k次计划响应事件，/> 分别为实际响应开始时间、计划响应开始时间和实际响应结束时间；
所述的平均评估指标包括：由延迟时间绝对值的均值计算得到，用来反应用户响应的准时情况的用户a的响应准时度分数由成功响应事件的响应持续时间求均值得到的响应平均持续时间分数/>其中：Sa表示用户a成功响应事件数目；
所述的综合评估指标包括：用户a的成功响应率综合性能评分/>其中：Fa表示用户a未成功响应事件数，/>和/>分别为/>和/>归一化处理后得到的数据。
2.根据权利要求1所述的基于数据驱动和偏差判据的虚拟电厂用户响应检测方法，其特征是，所述的归一化是指：最大值归一化，即变量除以该组变量中的最大值，A表示用户集合，具体为：
3.根据权利要求1所述的基于数据驱动和偏差判据的虚拟电厂用户响应检测方法，其特征是，所述的特定区间范围是指：终端用能信息采集设备每15分钟获取一次用电量，考虑到用户的响应存在提前或延后的情况，为了增加响应事件搜索的灵活性和可靠性，将响应事件的搜索区间设为ΔT＝15。
4.根据权利要求1所述的基于数据驱动和偏差判据的虚拟电厂用户响应检测方法，其特征是，所述的利用功率偏差量判据是指：在无响应事件的时候，实际负荷密切追踪基线负荷，偏差量较小；发生响应时，实际负荷明显偏离基线负荷，偏差量较大，为了对用户响应事件进行自动辨识，需要对偏差量进行量化，具体为：偏差量其中：/>为计划事件当日t时刻的基线负荷功率、实际负荷功率，t＝1,...,24，取值在0～1之间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110941123.5A CN113705989B (zh) | 2021-08-17 | 2021-08-17 | 基于数据驱动和偏差判据的虚拟电厂用户响应检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110941123.5A CN113705989B (zh) | 2021-08-17 | 2021-08-17 | 基于数据驱动和偏差判据的虚拟电厂用户响应检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113705989A CN113705989A (zh) | 2021-11-26 |
| CN113705989B true CN113705989B (zh) | 2023-12-08 |
Family
ID=78652950
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110941123.5A Active CN113705989B (zh) | 2021-08-17 | 2021-08-17 | 基于数据驱动和偏差判据的虚拟电厂用户响应检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113705989B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013039553A1 (en) * | 2011-09-17 | 2013-03-21 | Narayam Amit | Load forecasting from individual customer to system level |
| CN105160149A (zh) * | 2015-07-22 | 2015-12-16 | 国家电网公司 | 一种模拟调峰机组的需求响应调度评估体系构建方法 |
| CN109255463A (zh) * | 2018-07-11 | 2019-01-22 | 东南大学 | 一种面向可中断负荷的需求响应效果分阶段评估方法 |
| CN109508883A (zh) * | 2018-11-14 | 2019-03-22 | 国网江苏省电力有限公司电力科学研究院 | 需求响应综合评价系统和方法 |
| CN110245790A (zh) * | 2019-05-31 | 2019-09-17 | 国网上海市电力公司 | 基于虚拟电厂技术的区域负荷精准调节方法 |
| AU2020101218A4 (en) * | 2020-07-01 | 2020-08-06 | North China Electric Power University | Method for multi-dimensional identification of flexible load demand response effect |
| CN111507565A (zh) * | 2020-03-13 | 2020-08-07 | 中国电力科学研究院有限公司 | 一种储能电站在调频应用场景下的性能评价方法及系统 |
| CN111738776A (zh) * | 2020-07-17 | 2020-10-02 | 深圳华工能源技术有限公司 | 一种考虑不同时间尺度的电力需求响应结果认定评价方法 |
| CN112085394A (zh) * | 2020-09-11 | 2020-12-15 | 广西电网有限责任公司电力科学研究院 | 一种计及需求侧响应的用户侧储能评估方法及系统 |
| CN112396301A (zh) * | 2020-11-05 | 2021-02-23 | 国网天津市电力公司 | 基于能源大数据驱动的电力用户需求响应特性控制方法 |
| CN112581012A (zh) * | 2020-12-25 | 2021-03-30 | 国网北京市电力公司 | 参与需求响应的用电客户分类方法 |
| CN113033953A (zh) * | 2021-02-07 | 2021-06-25 | 国网浙江省电力有限公司金华供电公司 | 一种基于大数据的用户侧需求响应决策建议方法 |
| CN113240330A (zh) * | 2021-06-03 | 2021-08-10 | 国网上海市电力公司 | 一种需求侧虚拟电厂多维价值评估方法和调度策略 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6236587B2 (ja) * | 2011-09-16 | 2017-11-29 | オートグリッド インコーポレイテッド | デマンドレスポンス及び分散エネルギーリソースを最適化及び管理するシステム及び方法 |
-
2021
- 2021-08-17 CN CN202110941123.5A patent/CN113705989B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013039553A1 (en) * | 2011-09-17 | 2013-03-21 | Narayam Amit | Load forecasting from individual customer to system level |
| CN105160149A (zh) * | 2015-07-22 | 2015-12-16 | 国家电网公司 | 一种模拟调峰机组的需求响应调度评估体系构建方法 |
| CN109255463A (zh) * | 2018-07-11 | 2019-01-22 | 东南大学 | 一种面向可中断负荷的需求响应效果分阶段评估方法 |
| CN109508883A (zh) * | 2018-11-14 | 2019-03-22 | 国网江苏省电力有限公司电力科学研究院 | 需求响应综合评价系统和方法 |
| CN110245790A (zh) * | 2019-05-31 | 2019-09-17 | 国网上海市电力公司 | 基于虚拟电厂技术的区域负荷精准调节方法 |
| CN111507565A (zh) * | 2020-03-13 | 2020-08-07 | 中国电力科学研究院有限公司 | 一种储能电站在调频应用场景下的性能评价方法及系统 |
| AU2020101218A4 (en) * | 2020-07-01 | 2020-08-06 | North China Electric Power University | Method for multi-dimensional identification of flexible load demand response effect |
| CN111738776A (zh) * | 2020-07-17 | 2020-10-02 | 深圳华工能源技术有限公司 | 一种考虑不同时间尺度的电力需求响应结果认定评价方法 |
| CN112085394A (zh) * | 2020-09-11 | 2020-12-15 | 广西电网有限责任公司电力科学研究院 | 一种计及需求侧响应的用户侧储能评估方法及系统 |
| CN112396301A (zh) * | 2020-11-05 | 2021-02-23 | 国网天津市电力公司 | 基于能源大数据驱动的电力用户需求响应特性控制方法 |
| CN112581012A (zh) * | 2020-12-25 | 2021-03-30 | 国网北京市电力公司 | 参与需求响应的用电客户分类方法 |
| CN113033953A (zh) * | 2021-02-07 | 2021-06-25 | 国网浙江省电力有限公司金华供电公司 | 一种基于大数据的用户侧需求响应决策建议方法 |
| CN113240330A (zh) * | 2021-06-03 | 2021-08-10 | 国网上海市电力公司 | 一种需求侧虚拟电厂多维价值评估方法和调度策略 |
Non-Patent Citations (3)
| Title |
|---|
| 基于信用等级的虚拟电厂需求响应效果后评估;谢畅;王蓓蓓;李然;嵇文路;;电力建设(09);全文 * |
| 智能配电网需求响应效益综合评价;曾博;白婧萌;郭万祝;杨雍琦;曾鸣;;电网技术(05);全文 * |
| 计及激励型需求响应的微电网可靠性分析;陈天马;;电力大数据(02);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113705989A (zh) | 2021-11-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210056647A1 (en) | Method for multi-dimensional identification of flexible load demand response effect | |
| CN111898873A (zh) | 一种集团公司碳排放预警信息系统及其预警方法 | |
| CN109034445A (zh) | 一种面向市场的电力管理系统和方法 | |
| CN105372591A (zh) | 一种基于暂态过程的水电机组健康状态量化评价方法 | |
| CN105447634A (zh) | 一种基于大数据平台的实时风险控制方法及系统 | |
| CN114819626A (zh) | 区域电力碳排放核算方法 | |
| CN112418687A (zh) | 基于用电特征的用户用电异常识别方法、装置和存储介质 | |
| CN114878934A (zh) | 一种电能耗数据异常预警方法 | |
| Thanos et al. | Evaluating demand response programs by means of key performance indicators | |
| CN113705989B (zh) | 基于数据驱动和偏差判据的虚拟电厂用户响应检测方法 | |
| CN110264056B (zh) | 一种电量消耗的分析方法及系统 | |
| CN111968008A (zh) | 基于多能协作的综合能源监控系统及方法 | |
| CN111080135A (zh) | 一种动态增量能耗数据的处理方法、设备及可读存储介质 | |
| CN108805458A (zh) | 一种企业技术竞争力评估方法及装置 | |
| CN112036713A (zh) | 一种基于主成分分析的煤改电综合效益评价方法和系统 | |
| CN117236532B (zh) | 一种基于负荷数据的用电高峰负荷预测的方法及系统 | |
| CN110297145B (zh) | 一种基于多用户电能量数据深度分析的电压暂降检测方法 | |
| CN112529383B (zh) | 一种优化风场能量可利用率指标的方法 | |
| CN116384798B (zh) | 一种工业用户调峰潜力评估方法 | |
| CN117408749B (zh) | 一种广告投放策略生成方法及系统 | |
| CN117557300B (zh) | 基于主要设备的能耗数据推演商业活跃度的方法及系统 | |
| CN116912031B (zh) | 一种基于大数据分析的换热站设备运行信息采集生成方法 | |
| Li et al. | Study of typical scenarios of wind power based on data dimension reduction and affinity propagation clustering | |
| Song et al. | Data-Driven Electricity Market Price Risk Evaluation Based on Price Elasticity Indicator | |
| CN116029595A (zh) | 一种模型数据双驱动的虚拟电厂调控潜力评估方法 |
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 |