CN113962504A - 一种配电网规划方案成本效益比计算方法 - Google Patents
一种配电网规划方案成本效益比计算方法 Download PDFInfo
- Publication number
- CN113962504A CN113962504A CN202110562154.XA CN202110562154A CN113962504A CN 113962504 A CN113962504 A CN 113962504A CN 202110562154 A CN202110562154 A CN 202110562154A CN 113962504 A CN113962504 A CN 113962504A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- power distribution
- cost
- investment
- lines
- 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
Links
- 238000013439 planning Methods 0.000 title claims abstract description 32
- 238000004364 calculation method Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 238000007728 cost analysis Methods 0.000 claims abstract description 9
- 230000005611 electricity Effects 0.000 claims description 43
- 230000008901 benefit Effects 0.000 claims description 18
- 230000003068 static effect Effects 0.000 claims description 12
- 208000017096 leukoencephalopathy with calcifications and cysts Diseases 0.000 claims description 9
- 238000012417 linear regression Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 11
- 230000002159 abnormal effect Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000001186 cumulative effect Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
-
- 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
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial 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—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)
- Strategic Management (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Public Health (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Technology Law (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及电力系统技术分析技术领域，且公开了一种配电网规划方案成本效益比计算方法，包括以下步骤：步骤一：构建可以量化的配电网线路全生命周期成本模型；步骤二：对配电网线路进行成本分析和投资类型进行分类预测；步骤三：对配电网线路收益率分析。该配电网规划方案成本效益比计算方法，通过建立适用的配电网线路全生命周期成本模型，通过本方法对配电网线路进行成本分析和投资类型进行分类预测和配电网线路收益率分析，实现配电网规划方案成本效益比较，提升配电网规划的技术经济分析水平，提高配电网规划的科学性、合理性，为配电网规划方案成本效益提供有效参考及数据支撑。
Description
技术领域
本发明涉及电力系统技术分析技术领域，具体为一种配电网规划方案成本效益比计算方法。
背景技术
配电网建设投资逐年增加，配电网投资建设步伐日益加快，有效且全面的配电网规划项目比选方案，将会是电网规划建设的决策依据。但在电网投资建设决策方法，主要集中于电网的经济运营管理研究，电网运行安全性研究以及多目标的电网规划问题，缺少对于配电网规划方案成本效益比计算方法。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种配电网规划方案成本效益比计算方法。
(二)技术方案
为实现上述目的，本发明提供如下技术方案：一种配电网规划方案成本效益比计算方法，包括以下步骤：
步骤一：构建可以量化的配电网线路全生命周期成本模型；
步骤二：对配电网线路进行成本分析和投资类型进行分类预测；
步骤三：对配电网线路收益率分析；
步骤四：对配电网成本效益预测结果，选定最优配电网投资方案。
优选的，所述步骤一中构建了可量化的配电网线路全生命周期成本模型，
其中投入期成本为CI、运维检修成本CM和报废期成本CD；
其中，∑CI＝CI1+CI2+CI3+CI4+…+CIn；
∑CD＝CD1+CD2+…+CDn。
优选的，所述步骤二对配电网线路进行成本分析和投资类型进行分类预测，配电线路分为架空线路、电缆线路和混合线路，电缆线路、混合线路费用类型与架空线路相近，配电线路LCC阶段投资类型可分为静态投资与动态投资。
优选的，所述步骤三对配电网线路收益率分析；
优选的，所述步骤四对配电网成本效益预测结果，选定最优配电网投资方案，通过对配线接收和输出电量，联合台区接收电量、线损率进行配网收益(配电线路-台区-低压户)的统计，结合公式进行贡献比分析，合理分配收益，最终得出配线资产收益占比值，并以此选择最优方案。
优选的，所述静态投资为配电线路LCC成本阶段及费用科目对照表中静态投资科目，收集汇总近N年聚类样本线路对应科目金额，采用一元线性回归预测，预测聚类线路各项静态投资变动趋势及区间预测值。
优选的，所述动态投资为筛选LCC成本阶段及费用科目对照表中动态投资科目。
优选的，所述步骤四对配电网效益预测对日售电量和用电采集数据的短期售电量预测，能够较好的保证短期内温度因素的准确性。
优选的，所述日售电量和用电采集数据的短期售电量预测用到的算法为 DTW动态时间规整算法。
优选的，所述配网收益中短期售电量由低压用户已发行电量、高压用户已发行电量和高压用户未发行电量共同组成。
(三)有益效果
与现有技术相比，本发明提供了一种配电网规划方案成本效益比计算方法，具备以下有益效果：
该配电网规划方案成本效益比计算方法，通过建立适用的配电网线路全生命周期成本模型，通过本方法对配电网线路进行成本分析和投资类型进行分类预测和配电网线路收益率分析，实现配电网规划方案成本效益比较，提升配电网规划的技术经济分析水平，提高配电网规划的科学性、合理性，为配电网规划方案成本效益提供有效参考及数据支撑。
具体实施方式
下面将结合本发明的实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
一种配电网规划方案成本效益比计算方法，包括以下步骤：
步骤一：构建可以量化的配电网线路全生命周期成本模型；
步骤一中构建了可量化的配电网线路全生命周期成本模型，
其中投入期成本为CI、运维检修成本CM 和报废期成本CD；
其中，∑CI＝CI1+CI2+CI3+CI4+…+CIn；
∑CD＝CD1+CD2+…+CDn；
步骤二：对配电网线路进行成本分析和投资类型进行分类预测；
步骤二对配电网线路进行成本分析和投资类型进行分类预测，配电线路分为架空线路、电缆线路和混合线路，电缆线路、混合线路费用类型与架空线路相近，配电线路LCC阶段投资类型可分为静态投资与动态投资，静态投资：配电线路LCC成本阶段及费用科目对照表中静态投资科目，收集汇总近N 年聚类样本线路对应科目金额，采用一元线性回归预测，预测聚类线路各项静态投资变动趋势及区间预测值，动态投资：筛选LCC成本阶段及费用科目对照表中动态投资科目，收集汇总近N年聚类样本线路对应科目金额，采用多元线性回归预测，以时间节点(暂定为3个月)、工作内容、缺陷内容、技改大修项目为自变量，预测聚类样本对应科目同时间范围、相似工作项目对应投资金额，以此推导未来N年投资金额；
步骤三：对配电网线路收益率分析；
步骤三对配电网线路收益率分析；
步骤四：对配电网成本效益预测结果，选定最优配电网投资方案；
步骤四对配电网成本效益预测结果，选定最优配电网投资方案，通过对配线接收和输出电量，联合台区接收电量、线损率进行配网收益(配电线路- 台区-低压户)的统计，结合公式进行贡献比分析，合理分配收益，最终得出配线资产收益占比值，并以此选择最优方案；
步骤四对配电网效益预测对日售电量和用电采集数据的短期售电量预测，能够较好的保证短期内温度因素的准确性，日售电量和用电采集数据的短期售电量预测用到的算法为DTW动态时间规整算法，配网收益中短期售电量由低压用户已发行电量、高压用户已发行电量和高压用户未发行电量共同组成；
由于低压用户已发行电量、高压用户已发行电量在20号之前已经发行完毕，可以在国家电网总部营销业务管控平台数据库中采集汇总得到，故只需要预测高压用户未发行电量，即可得到月度售电量预测结果。
预测高压用户未发行电量，首先是数据采集，在国家电网总部营销业务管控平台数据库中采集高压已发行电量和预售电量，经数据预处理后将已发行高压用户日售电量和预售电量作为售电量预测的历史数据；获取高压用户抄表频率，高压用户超表频率分为每月抄表一次，和每月抄表多次；高压用户未发行电量的预测时间范围为预售电量截止日的后一日到抄表例日的前一日。然后根据DTW动态时间规整算法将预测日按温度匹配到上一抄表周期，将匹配日的电量作为预测日的预测电量，匹配分为工作日匹配和非工作日匹配若有多个匹配日，则取多个匹配日的售电量均值作为待预测日的预测电量，具体过程如下：
将待预测的高压用户上一抄表周期的历史日期划分为2个日期集合，工作日和非工作日，当待测日为工作日或非工作日时，需要根据温度利用DTW 分别在上一抄表周期的工作日集合和非工作日集合中寻找历史相似日，
输入：上一抄表周期时间段内工作日\非工作日温度序列，当前抄表周期时间段内且包含待测日的工作日\非工作日温度序列，满足，
过程：搜索从点出发搜索至，可以展开若干条路径，可计算每条路径达到点时的总的积累距离，通过逐点向前寻找就可以求得整条路径，具有最小累积距离者即为规整路径，对于，其可达到该格点的只可能是、和，即选择到这3个格点距离之中最小的路径延伸到达，求解两序列匹配时，累计距离最小所对应的规整函数，它表示为序列上点和上的点之间的规整路径距离：
其中为上点和上的点之间的欧式距离(在本发明中，该距离为和对应日期的温度的差的绝对值)，
输出：最小规整距离，以及点和点的匹配关系结果，
这样，每个待测日都可以找到历史中的相似匹配日，按照历史相似日的日售电量得到预测日的日售电量预测值，若存在多个匹配日，则取多个匹配日的售电量均值作为待预测日的日售电量预测值，
采用高斯过程对预测的日售电量进行误差修正，以得到修正后日售电量预测值，
以历史日售电量预测结果和真实的日售电量求取误差，将高斯过程用于回归建模进行误差预测，它可看作是一个函数回归问题，可将预测误差作为函数的输出，将对应的预测日售电量作为函数的输入，训练样本集由历史数据提供，最终目的是寻找一个有良好推广能力的从预测电量到预测误差的映射，
最后根据从各省公司调研得到的高压用户抄表频率数据，测算高压用户未发行电量，如果是抄表一次，则将预售电量和预测的日售电量加和得到月度高压用户的售电量预测结果，如果是抄表多次，则将本月之前的高压用户已发行电量、本次抄表周期内的预售电量和预测的日售电量加和得到月度高压用户的售电量预测结果；
方法中涉及到的具体算法如下：
1、DTW动态时间规整算法
动态时间规整(DynamicTimeWarping)诞生有一定的历史了(日本学者Itakura于20世纪60年代提出)，它出现的目的也比较单纯，是一种衡量两个长度不同的时间序列X＝(x1,...,xi,...,xm)和Y＝(y1,...,yj,...,yn)的相似度的方法，DTW通过把时间序列进行延伸和缩短，来计算两个时间序列性之间的相似性，动态时间规整DTW是一个典型的优化问题，求解两模板匹配时累计距离最小所对应的规整函数D(i,j)，它表示为序列X上点i和Y上的点j之间的规整路径距离：D(i,j)＝Dist(i,j)+min{D(i-1,j),D(i,j-1),D(i-1,j-1)}，其中Dist(i,j)为X 上点i和Y上的点j之间的欧式距离，
2、高斯过程
高斯过程(GP)是任一点联合密度函数属于高斯的随机过程，其任意有限变量集合的分布都是高斯分布，即对任意整数n≥1及任意的一组随机变量， t1,...,tn∈T，与其对应的t时刻的过程状态f(t1),f(t2),...,f(tn)的联合概率分布服从n维高斯分布，
GP可以根据均值函数、协方差函数和训练样本进行预测，并同时得到预测值的精度参数，对于新的输入x*，GP模型的任务是根据先验知识预测出与 x*对应的输出值y*，
假设观察目标值y被噪声腐蚀，它与真实输出x相差e，即：y＝x+ε，式中，ε为独立的随机变量，ε～N(0,σ2)，观察目标值y的先验分布为：
式中，K为n×n阶对称称正定的协方差矩阵，且K＝K(X,Y) 矩阵中的任一项Kij度量了xi和xj的相关性，
n个训练样本输出y和一个测试样本输出y*所形成的联合高斯先验分布为
式中，K(X,x*)为测试点输入x*与训练集的所有输入点X的n×1阶协方差矩阵，K(x*,x*)为为测试点输入x*自身的协方差，
GP模型根据贝叶斯学习原理在训练集的基础上预测出与x*对应的最可能的输出值，贝叶斯分析的目的是利用观察到的特定数据的基础上更新分布，即给定新的输入；
为了避免个别异常值对预测结果产生影响，需要对历史日累计发行电量数据中的异常值进行识别并处理，此处我们用箱型图法进行异常值识别和处理。
具体算法过程如下：
记X＝x(i)(i为日期)为日累计发行电量数据，其中i为日期。如 x(20161001)为第2016年10月1日日累计发行电量数据。
由于日累计发行电量数据为累计数据，因此有x(i+1)>＝x(i)。对于不满足该不等式的数据，利用插值法进行替换。如若存在x(i+1)<x(i)，则令x(i+1)＝(x(i+2)+x(i))/2对x(i+1)进行填补。
对于参与建模的日累计发行数据x(i)求取一阶差分，即 u(i)＝x(i)-x(i-1)，这里对所有一阶差分数据除去要判断是否为异常值的数据进行分箱，确定其上下边界，即:
up＝Q2+1.5*(Q3-Q1) (3)
down＝Q2-1.5*(Q3-Q1) (4)
其中Q2表示均值，Q3表示上四分位数，Q1表示下四分位数。
判断目标差分数据是否在界限内，若存在连续两个差分数据都不在界限内，则判定两个中的第一个差分数据所在时间点的日累计发行电量数据为异常值。识别出异常值后，采用历史均值替换，对异常值进行处理，具体过程间见算法1。
●缺失值填充
对于数据中缺失值，采用插值法进行填补。
如若数据x(i)缺失，则令x(i)＝(x(i-1)+x(i+1))/2对x(i)进行填补。
若第一个数据x(j)(j为序列中第一个数据的日期)缺失，令x(j)＝x(j+1)/2 进行填补。若最后一个数据x(k)(j为序列中最后一个数据的日期)缺失，令x(k)＝x(k-1)进行填补。
将DTW、高斯过程等多种算法进行融合，提出了一种基于日售电量和用电采集数据的短期售电量预测方法适用于海量数据下的短期售电量预测。由于数据粒度为日度售电量，如当月售电量异常，则日售电量数据就能很好的体现。另外由于低压用户已发行电量、高压用户已发行电量在20号之前已经发行完毕，可以在国家电网总部营销业务管控平台数据库中采集汇总得到，故需要预测的周期较短，而短期天气预报等数据可信度较高，避免了中长期售电量预测由于天气数据不准导致的问题。
综上所述，该配电网规划方案成本效益比计算方法，通过建立适用的配电网线路全生命周期成本模型，通过本方法对配电网线路进行成本分析和投资类型进行分类预测和配电网线路收益率分析，实现配电网规划方案成本效益比较，提升配电网规划的技术经济分析水平，提高配电网规划的科学性、合理性，为配电网规划方案成本效益提供有效参考及数据支撑。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种配电网规划方案成本效益比计算方法，其特征在于，包括以下步骤：
步骤一：构建可以量化的配电网线路全生命周期成本模型；
步骤二：对配电网线路进行成本分析和投资类型进行分类预测；
步骤三：对配电网线路收益率分析；
步骤四：对配电网成本效益预测结果，选定最优配电网投资方案。
2.根据权利要求1所述的一种配电网规划方案成本效益比计算方法，其特征在于，所述步骤一中构建了可量化的配电网线路全生命周期成本模型，
其中投入期成本为CI、运维检修成本CM和报废期成本CD；
其中，
；
；
。
3.根据权利要求1所述的一种配电网规划方案成本效益比计算方法，其特征在于，所述步骤二对配电网线路进行成本分析和投资类型进行分类预测，配电线路分为架空线路、电缆线路和混合线路，电缆线路、混合线路费用类型与架空线路相近，配电线路LCC阶段投资类型可分为静态投资与动态投资。
4.根据权利要求1所述的一种配电网规划方案成本效益比计算方法，其特征在于，所述步骤三对配电网线路收益率分析；配电线路收益率=配电线路收益/配电线路投入成本
=（配网售电收益*配线收益占比）/
=（售电量*售电电价-购电电量*购电电价）*配线收益占比/（
）。
5.根据权利要求1所述的一种配电网规划方案成本效益比计算方法，其特征在于，所述步骤四对配电网成本效益预测结果，选定最优配电网投资方案，通过对配线接收和输出电量，联合台区接收电量、线损率进行配网收益（配电线路-台区-低压户）的统计，结合公式进行贡献比分析，合理分配收益，最终得出配线资产收益占比值，并以此选择最优方案。
6.根据权利要求3所述的一种配电网规划方案成本效益比计算方法，其特征在于，所述静态投资为配电线路LCC成本阶段及费用科目对照表中静态投资科目，收集汇总近N年聚类样本线路对应科目金额，采用一元线性回归预测，预测聚类线路各项静态投资变动趋势及区间预测值。
7.根据权利要求3所述的一种配电网规划方案成本效益比计算方法，其特征在于，所述动态投资为筛选LCC成本阶段及费用科目对照表中动态投资科目。
8.根据权利要求1所述的一种配电网规划方案成本效益比计算方法，其特征在于，所述步骤四对配电网效益预测对日售电量和用电采集数据的短期售电量预测，能够较好的保证短期内温度因素的准确性。
9.根据权利要求8所述的一种配电网规划方案成本效益比计算方法，其特征在于，所述日售电量和用电采集数据的短期售电量预测用到的算法为DTW动态时间规整算法。
10.根据权利要求5所述的一种配电网规划方案成本效益比计算方法，其特征在于，所述配网收益中短期售电量由低压用户已发行电量、高压用户已发行电量和高压用户未发行电量共同组成。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110562154.XA CN113962504A (zh) | 2021-05-21 | 2021-05-21 | 一种配电网规划方案成本效益比计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110562154.XA CN113962504A (zh) | 2021-05-21 | 2021-05-21 | 一种配电网规划方案成本效益比计算方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113962504A true CN113962504A (zh) | 2022-01-21 |
Family
ID=79460137
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110562154.XA Pending CN113962504A (zh) | 2021-05-21 | 2021-05-21 | 一种配电网规划方案成本效益比计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113962504A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114330938A (zh) * | 2022-03-16 | 2022-04-12 | 广东电网有限责任公司东莞供电局 | 一种配电网分布式储能规划方法及系统 |
| CN115473216A (zh) * | 2022-05-31 | 2022-12-13 | 云南电网有限责任公司 | 一种改进电网线损计算的方法及系统 |
-
2021
- 2021-05-21 CN CN202110562154.XA patent/CN113962504A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114330938A (zh) * | 2022-03-16 | 2022-04-12 | 广东电网有限责任公司东莞供电局 | 一种配电网分布式储能规划方法及系统 |
| CN115473216A (zh) * | 2022-05-31 | 2022-12-13 | 云南电网有限责任公司 | 一种改进电网线损计算的方法及系统 |
| CN115473216B (zh) * | 2022-05-31 | 2023-06-06 | 云南电网有限责任公司 | 一种改进电网线损计算的方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109308571B (zh) | 配电线路线变关系检测方法 | |
| Amjady et al. | Day‐ahead price forecasting of electricity markets by a hybrid intelligent system | |
| CN108171379B (zh) | 一种用电负荷预测方法 | |
| CN116976529B (zh) | 基于供需预测动态校正的跨流域调水方法和系统 | |
| CN111967684B (zh) | 一种基于大数据分析的计量资产主动配送方法 | |
| CN113962504A (zh) | 一种配电网规划方案成本效益比计算方法 | |
| CN114169434A (zh) | 一种负荷预测方法 | |
| CN113627735A (zh) | 工程建设项目安全风险的预警方法及系统 | |
| CN106780018A (zh) | 一种基于历史重现的股票数据挖掘模型和系统 | |
| CN115860797A (zh) | 一种适应新电价改革形势的电量需求预测方法 | |
| Gomez-Zamudio et al. | Are daily financial data useful for forecasting GDP? Evidence from Mexico | |
| CN112506982A (zh) | 一种线路和配变的最大负载预测的方法 | |
| CN117851908B (zh) | 一种改进的在线低压台区电能表失准监测方法及装置 | |
| CN108256693A (zh) | 一种光伏发电功率预测方法、装置及系统 | |
| CN118412848A (zh) | 一种多维度中长期发电量预测方法 | |
| CN114298538A (zh) | 电网零购项目的投资方案评估方法、系统及存储介质 | |
| Yakut et al. | Modeling of energy consumption forecast with economic indicators using particle swarm optimization and genetic algorithm: an application in Turkey between 1979 and 2050 | |
| CN116645014A (zh) | 一种基于人工智能的供应商供应数据模型构建方法 | |
| Puiu et al. | Principled data completion of network constraints for day ahead auctions in power markets | |
| CN114676931A (zh) | 一种基于数据中台技术的电量预测系统 | |
| CN114139770A (zh) | 基于索洛增长和存量递归的金属产业经济预估系统和方法 | |
| CN110175705B (zh) | 一种负荷预测方法及包含该方法的存储器、系统 | |
| CN112926664A (zh) | 基于进化算法的特征选择与cart森林的短时强降水预报方法 | |
| Patel et al. | An electricity MCP forecast based on improved cascaded neural network for Russian wholesale electricity market | |
| Davarzani et al. | Study of missing meter data impact on domestic load profiles clustering and characterization |
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 |