CN115577913A - 主动型负荷可调度潜力的计算方法、终端及存储介质 - Google Patents
主动型负荷可调度潜力的计算方法、终端及存储介质 Download PDFInfo
- Publication number
- CN115577913A CN115577913A CN202211149799.1A CN202211149799A CN115577913A CN 115577913 A CN115577913 A CN 115577913A CN 202211149799 A CN202211149799 A CN 202211149799A CN 115577913 A CN115577913 A CN 115577913A
- Authority
- CN
- China
- Prior art keywords
- load
- active
- generalized
- intelligent building
- loads
- 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
- 238000004364 calculation method Methods 0.000 title abstract description 7
- 238000013178 mathematical model Methods 0.000 claims abstract description 59
- 238000000034 method Methods 0.000 claims abstract description 52
- 230000006399 behavior Effects 0.000 claims description 70
- 238000004590 computer program Methods 0.000 claims description 22
- 230000009467 reduction Effects 0.000 claims description 12
- 230000004931 aggregating effect Effects 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 5
- 230000003542 behavioural effect Effects 0.000 claims description 4
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 3
- 229910052739 hydrogen Inorganic materials 0.000 claims description 3
- 239000001257 hydrogen Substances 0.000 claims description 3
- 238000006116 polymerization reaction Methods 0.000 claims description 2
- 230000000379 polymerizing effect Effects 0.000 claims description 2
- 230000002776 aggregation Effects 0.000 abstract description 15
- 238000004220 aggregation Methods 0.000 abstract description 15
- 238000012545 processing Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000011176 pooling Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 235000021152 breakfast Nutrition 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
- H02J3/144—Demand-response operation of the power transmission or distribution network
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Power Engineering (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种主动型负荷可调度潜力的计算方法、装置、终端及存储介质。该方法包括:基于配电网中主动型负荷的行为特性,分别建立不同主动型负荷的行为特性数学模型,所述主动型负荷为分布式主动型负荷;采用闵可夫斯基求和的方式,对所述不同主动型负荷的行为特性数学模型进行聚合,得到以智能楼宇为单位的主动负荷可调度潜力数据。本发明能够通过基于闵可夫斯基和的聚合方法,将原本分布式主动型负荷聚合为以智能楼宇为单位的主动负荷可调度潜力数据,可以保留主动型负荷的行为特征,提高聚合准确度,计算方式更为客观,数据特征更加全面。
Description
技术领域
本发明涉及电力数据处理技术领域,尤其涉及一种主动型负荷可调度潜力的计算方法、终端及存储介质。
背景技术
随着智能电网建设的不断深入和推进,配电网作为电网的重要环节之一也逐步向智能化发展,用户与电网之间的互动更为明显。相对于传统负荷而言,配电网中电动汽车、可中断负荷等主动型负荷成分逐年增多,为了对这些主动型负荷资源进行利用和管理,用户侧的电力运营商一般通过价格引导以及合同管理的模式进行需求侧管理。一方面预测用户的用电曲线,通过改变电价的方式改变用户的用电结构,达到削峰填谷的目的;另一方面根据用户的实际用电结构与用户签订负荷管理合同,远程对部分负荷进行直接管理,增加调度的灵活性。同时,主动配电网控制系统的提出和发展,使得配电网可以灵活调度各类分布式资源,包括分布式发电和各类主动型负荷。配电网的调度人员能够使用灵活的网络拓扑结构来调整潮流的变化情况,分布式的资源可以根据合理的监管政策以及用户接入合同,向电力系统提供不同条件下的辅助服务支撑。
但是,现阶段主动型负荷可调度潜力计算和预测方法存在以下问题:
(1)现有的针对主动型负荷可调度潜力计算方法大多通过权重将各项指标统一为一个单一指标来表示,仅具有评价功能,很难与实际的调度过程相结合,且评估较片面;
(2)在实际的市场和调度中,主动型负荷大多以聚合商或智能楼宇的形式聚合参数需求侧响应和调度,其多聚焦于单一分散负荷的建模和可调度潜力分析和计算,无法参与整体调度,缺乏实际的应用价值。
发明内容
本发明实施例提供了一种主动型负荷可调度潜力的计算方法、终端及存储介质,以解决现有技术中主动型负荷可调度潜力计算方法,导致的对可调度潜力进行片面的评估,无法与实际的整体的调度的问题。
第一方面,本发明实施例提供了一种主动型负荷可调度潜力的计算方法,包括:
基于配电网中主动型负荷的行为特性,分别建立不同主动型负荷的行为特性数学模型,所述主动型负荷为分布式主动型负荷;
采用闵可夫斯基求和的方式,对所述不同主动型负荷的行为特性数学模型进行聚合,得到以智能楼宇为单位的主动负荷可调度潜力数据。
在一种可能的实现方式中,主动型负荷包括可平移负荷、可削减负荷和可中断负荷;
所述可平移负荷的行为特性数学模型为
其中,fi,t表示第i个可平移负荷在第t时刻的工作量,Ei表示第i个可平移负荷每天需要完成的总工作量,ts,i表示第i个可平移负荷指定的工作时间区间的起始时间,tend,i表示第i个可平移负荷指定的工作时间区间的结束时间;
所述可削减负荷的行为特性数学模型为
其中,Cppay,i,t表示第i个可削减负荷在第t时刻参与需求响应对应的补贴;Pcurt,i,t表示第i个可削减负荷在第t时刻削减的功率;α1,i、α2,i分别表示第i个可削减负荷对应的补贴系数;Pmax,i,t表示第i个可削减负荷在第t时刻的原负荷功率;β表示可削减负荷的削减极限比例;
所述可中断负荷的行为特性数学模型为
其中,Ps,i,t表示第i个可中断负荷在t时的中断功率,Ps,i,min表示第i个可中断负荷在第t时刻的最小中断功率,Ps,i,max表示第i个可中断负荷在第t时刻的最大中断功率,表示第i个可中断负荷在第t时刻的中断状态,表示第i个可中断负荷在第(t-1)时刻的中断状态,Tmax表示可中断负荷的最大连续中断时间,Ni,max表示第i个可中断负荷一天之内最多中断次数。
在一种可能的实现方式中,所述采用闵可夫斯基求和的方式,对所述不同主动型负荷的行为特性数学模型进行聚合,得到以智能楼宇为单位的主动负荷可调度潜力数据,包括:
将所述可中断负荷的最大连续中断时间约束的定义域扩展到与所述可平移负荷的行为特性数学模型、所述可削减负荷的行为特性数学模型中的变量的时间定义域相同;
分别对所述不同主动型负荷的行为特性数学模型中的约束进行闵可夫斯基求和,得到以智能楼宇为单位的主动负荷的广义变量和广义参数;
根据所述广义变量和所述广义参数,得到以智能楼宇为单位的主动负荷可调度潜力数据。
在一种可能的实现方式中,得到以智能楼宇为单位的主动负荷的广义变量,包括:
其中,fj,t表示第j个智能楼宇在第t时刻的广义可平移负荷工作状态;Pcut,j,t表示第j个智能楼宇在第t时刻的广义可削减负荷削减功率;Ps,j,t表示第j个智能楼宇在第t时刻的广义可中断负荷中断功率;Nj,t表示第j个智能楼宇在第t时刻的广义可中断负荷的中断次数;表示第j个智能楼宇在第t时刻的广义可中断负荷在第m时刻的中断状态,表示第i个可中断负荷在第t时刻从在第m时刻的中断状态,其中,m=1,2,…T-Tmax,N1、N2、N3分别为第j个智能楼宇中的可平移负荷、可削减负荷和可中断负荷的数量。
在一种可能的实现方式中,得到以智能楼宇为单位的主动负荷的广义参数,包括:
其中,Ej为第j个智能楼宇在第t时刻的广义可平移负荷的总工作量;Pmax,j,t为第j个智能楼宇在第t时刻的广义可削减负荷的原有负荷功率;Ps,j,min,t、Ps,j,max,t分别为第j个智能楼宇在第t时刻的广义可中断负荷的最小中断功率、最大中断功率;Nmax,j,t为第j个智能楼宇在第t时刻的广义可中断负荷的最大中断次数;Tj,max为第j个智能楼宇在第t时刻的广义可中断负荷的最大连续可中断时间。
在一种可能的实现方式中,所述根据所述广义变量和所述广义参数,得到以智能楼宇为单位的主动负荷可调度潜力数据,包括:
将所述广义变量和所述广义参数替换对应的所述不同主动型负荷的行为特性数学模型中的变量和参数,得到以智能楼宇为单位的主动负荷可调度潜力数据。
在一种可能的实现方式中,在所述采用闵可夫斯基求和的方式,对所述不同主动型负荷的行为特性数学模型进行聚合,得到以智能楼宇为单位的主动负荷可调度潜力数据之后,还包括:
采集每个智能楼宇中不同主动型负荷对应的历史数据;
基于所述历史数据,采用时间序列预测方法对所述不同主动负荷的可调度潜力数据进行预测。
第二方面,本发明实施例提供了一种主动型负荷可调度潜力的计算装置,包括:
模型建立模块,用于基于配电网中主动型负荷的行为特性,分别建立不同主动型负荷的行为特性数学模型,所述主动型负荷为分布式主动型负荷;
聚合模块,用于采用闵可夫斯基求和的方式,对所述不同主动型负荷的行为特性数学模型进行聚合,得到以智能楼宇为单位的主动负荷可调度潜力数据。
第三方面,本发明实施例提供了一种终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述的主动型负荷可调度潜力的计算方法的步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述的主动型负荷可调度潜力的计算方法的步骤。
本发明实施例提供一种主动型负荷可调度潜力的计算方法、装置、终端及存储介质,通过基于闵可夫斯基和的聚合方法,将原本分布式主动型负荷进行聚合,以资源集群的形式参与整体调度,将分散的主动型负荷聚合为以智能楼宇为单位的主动负荷可调度潜力数据,可以在保证模型的凸性的同时,尽可能保留主动型负荷的行为特征,提高聚合准确度,相比于现有技术中使用单一指标对可调度潜力进行评估,本实施例采用的主动型负荷可调度潜力的计算方式更为客观,数据特征更加全面。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述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发明的一些实施例,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是本发明实施例提供的主动型负荷可调度潜力的计算方法的应用场景图;
图2是本发明实施例提供的闵可夫斯基求和过程示意图;
图3是本发明实施例提供的得到以智能楼宇为单位的主动负荷可调度潜力数据的实现流程图;
图4是本发明实施例提供的主动型负荷可调度潜力的计算装置的结构示意图;
图5是本发明另一实施例提供的主动型负荷可调度潜力的计算装置的结构示意图;
图6是本发明实施例提供的终端的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图通过具体实施例来进行说明。
图1为本发明实施例提供的一种主动型负荷可调度潜力的计算方法的实现流程图,详述如下:
步骤101,基于配电网中主动型负荷的行为特性,分别建立不同主动型负荷的行为特性数学模型,主动型负荷为分布式主动型负荷。
在本实施例中,主动型负荷包括可平移负荷、可削减负荷和可中断负荷。不同主动型负荷的行为特性也不同。
其中,可平移负荷的行为特征是一天中必须完成固定的工作量,这里工作量即可平移负荷的功率,但是可以通过无线开关调节其工作时间段,其工作时间段也必须在规定的区间之内选取。可平移负荷的总功率为固定值,工作时间可以随调度需求变化。例如可平移负荷可以为洗衣机、电热水器和洗碗机等的功率,以规律生活为基础,洗碗机每天工作三次,分别用于清洗早餐、中餐以及晚餐使用过的餐具,每天早餐中餐以及晚餐的时间可以是不同的,但是每天洗碗机都工作三次,因此总功率一定。
因此,对于某智能楼宇中,可以建立可平移负荷的行为特性数学模型,模型通过约束形式表示,可以包括工作量约束。
可平移负荷的行为特性数学模型为
其中,fi,t表示第i个可平移负荷在第t时刻的工作量,Ei表示第i个可平移负荷每天需要完成的总工作量,ts,i表示第i个可平移负荷指定的工作时间区间的起始时间,tend,i表示第i个可平移负荷指定的工作时间区间的结束时间。
根据可平移负荷的行为特征,我们可以得到可平移负荷可以处于工作状态或停机状态,当其处于工作状态时,即在(ts,i,tend,i)时间区间内时fi,t=1,当其处于停机状态时,即在(ts,i,tend,i)时间区间外时fi,t=0。
可削减负荷的行为特点是可以在不影响正常使用的情况下,通过远程控制削减一部分的负荷功率,可削减负荷的调度需要根据所签订合同确定削减的比例,相当于通过合同的方式对用户某些负荷的功率进行限定,但相比于节能的行为,可削减负荷一方面起到节能的作用,更重要的是参与调度,可以起到一定的削峰的作用。例如可削减负荷可以为电暖气、空调和加湿器等等的功率。
因此,对于某智能楼宇中,可以建立可削减负荷的行为特性数学模型,模型通过约束形式表示,可以包括最大削减功率约束。
可削减负荷的行为特性数学模型为
其中,Cppay,i,t表示第i个可削减负荷在第t时刻参与需求响应对应的补贴;Pcurt,i,t表示第i个可削减负荷在第t时刻削减的功率;α1,i、α2,i分别表示第i个可削减负荷对应的补贴系数;Pmax,i,t表示第i个可削减负荷在第t时刻的原负荷功率;β表示可削减负荷的削减极限比例。
可中断负荷的行为特点是可以根据调度的需求随时中断,但是需要根据所签订的合同进行约束。首先,中断的总功率有临界值;其次,不能连续地中断过长时间,会影响正常的用电;最后,一天之内的中断次数不能过多。在满足这些约束的条件下,根据调度需要进行中断,并需要给予相应补偿。
可中断负荷的行为特性数学模型为
其中,Ps,i,t表示第i个可中断负荷在t时的中断功率,Ps,i,min表示第i个可中断负荷在第t时刻的最小中断功率,Ps,i,max表示第i个可中断负荷在第t时刻的最大中断功率,表示第i个可中断负荷在第t时刻的中断状态,为1时表示可中断负荷处于中断状态,为0时表示可中断负荷未处于中断状态,表示第i个可中断负荷在第(t-1)时刻的中断状态,Ti,max表示第i个可中断负荷的最大连续中断时间,Tmax表示可中断负荷的最大连续中断时间,T表示可中断负荷的连续中断时间,k表示时间参数,Ni,max表示第i个可中断负荷一天之内最多中断次数。
需要说明的是,上述不同主动型负荷为分布式的主动负荷,是一种离散状态,无法确定其可调度潜力,对其进行统一调度,因此采用步骤102,将分布式的主动型负荷进行聚合。
步骤102,采用闵可夫斯基求和的方式,对不同主动型负荷的行为特性数学模型进行聚合,得到以智能楼宇为单位的主动负荷可调度潜力数据。
在本步骤中,以智能楼宇为单位,将原本分布式的主动型负荷聚合为广义的主动负荷,以数据集的形式表示主动型负荷可调度潜力。
闵可夫斯基求和是两个欧式几何空间中的点集的和,即在一个空间体的基础上按照另一个空间体的形状进行膨胀扩展,从而得到一个新的空间体,其在物理角度上就是两个空间的膨胀集合。例如点集A和点集B的闵可夫斯基和被定义为其中,x、y为闵可夫斯基和中的点的坐标。如图2所示,点集A和点集B的闵可夫斯基和就是将点集B的每个点坐标当作一个向量,然后点集A分别沿着这些向量平移,得到新的点集就是点集A与点集B的闵可夫斯基和。
但是,闵可夫斯基求和有一定的前提条件:
第一,求和的各变量必须具有同样的定义域;
第二,在扩展定义域时需要考虑到边界条件的存在,对不同的边界条件进行分类计算。
在本实施例的主动型负荷的行为特性数学模型中,大部分变量的定义域都是在[1,24]这一时间区间内,具有闵可夫斯基可加性。然而可中断负荷模型中,最大连续中断时间约束的定义域是从任意时间k开始,到(k+Ti,max)结束,因此需要将其扩展到[1,24]时间尺度上。
可选的,参见图3,采用闵可夫斯基求和的方式,对不同主动型负荷的行为特性数学模型进行聚合,得到以智能楼宇为单位的主动负荷可调度潜力数据,可以包括:
步骤301,将可中断负荷的最大连续中断时间约束的定义域扩展到与可平移负荷的行为特性数学模型、可削减负荷的行为特性数学模型中的变量的时间定义域相同。
可平移负荷和可削减负荷的行为特性数学模型中的变量的定义域都是在[1,24]这一时间区间内,因此需要将可中断负荷的最大连续中断时间约束的定义域扩展到上述时间区间内,即
通过上述扩展时间区间的处理,就可以对不同主动型负荷的行为特性数学模型中的约束进行闵可夫斯基求和。
步骤302,分别对不同主动型负荷的行为特性数学模型中的约束进行闵可夫斯基求和,得到以智能楼宇为单位的主动负荷的广义变量和广义参数。
其中,以智能楼宇为单位,在第j个智能楼宇中分别对每一种主动型负荷进行闵可夫斯基求和,得到以智能楼宇为单位的主动负荷的广义变量,包括:
其中,fj,t表示第j个智能楼宇在第t时刻的广义可平移负荷工作状态;Pcut,j,t表示第j个智能楼宇在第t时刻的广义可削减负荷削减功率;Ps,j,t表示第j个智能楼宇在第t时刻的广义可中断负荷中断功率;Nj,t表示第j个智能楼宇在第t时刻的广义可中断负荷的中断次数;表示第j个智能楼宇在第t时刻的广义可中断负荷在第m时刻的中断状态,N1、N2、N3分别为第j个智能楼宇中的可平移负荷、可削减负荷和可中断负荷的数量。
得到以智能楼宇为单位的主动负荷的广义参数,包括:
其中,Ej为第j个智能楼宇在第t时刻的广义可平移负荷的总工作量;Pmax,j,t为第j个智能楼宇在第t时刻的广义可削减负荷的原有负荷功率;Ps,j,min,t、Ps,j,max,t分别为第j个智能楼宇在第t时刻的广义可中断负荷的最小中断功率、最大中断功率;Nmax,j,t为第j个智能楼宇在第t时刻的广义可中断负荷的最大中断次数;Tj,max为第j个智能楼宇在第t时刻的广义可中断负荷的最大连续可中断时间。
步骤303,根据广义变量和广义参数,得到以智能楼宇为单位的主动负荷可调度潜力数据。
在本实施例中,将广义变量和广义参数替换对应的不同主动型负荷的行为特性数学模型中的变量和参数,得到以智能楼宇为单位的主动负荷可调度潜力数据。
针对第j个智能楼宇,可以得到:
上述主动负荷可调度潜力数据是以数据集的形式存在,含有智能楼宇的所有有用决策和需求侧管理决策信息,而主动负荷可调度潜力数据{Ej,Pmax,j,t,Ps,j,min,t,Ps,j,max,t,Nmax,j,t,Tj,max}一定程度上决定了智能楼宇作为主动型负荷参与需求侧管理的潜力,因此可以将数据集合{Ej,Pmax,j,t,Ps,j,min,t,Ps,j,max,t,Nmax,j,t,Tj,max}作为主动型负荷的可调度潜力。
在采用闵可夫斯基求和的方式,对不同主动型负荷的行为特性数学模型进行聚合,得到以智能楼宇为单位的主动负荷可调度潜力数据之后,还可以包括:
采集每个智能楼宇中不同主动型负荷对应的历史数据;
基于历史数据,采用时间序列预测方法对不同主动负荷的可调度潜力数据进行预测。在本实施例中,可以采用CNN-LSTM时间序列预测方法对不同主动负荷的可调度潜力数据进行预测。
参见图3,将获取的智能楼宇记录的作为输入序列输入CNN-LSTM网络结构中进行负荷预测。CNN-LSTM网络结构包括两个卷积层、一个最大池化层、LSTM和一个全连接层,其中两个卷积层分别为有64个过滤器的卷积层和128个过滤器的卷积层。输入序列首先经过有64个过滤器的卷积层进行卷积处理,然后处理结果输入128个过滤器的卷积层继续进行卷积处理,由于通过卷积操作提取的特征通常维度很高,为了降低训练开销,会将卷积处理后的数据进入池化层进行特征维度降低的处理,池化层对特征进行降维处理的同时,还在一定程度上提升整个网络结构的抗噪能力。池化层输出的数据进入LSTM后,输出结果进入全连接层处理,得到最终的输出结果由输出层输出。
本发明实施例提供一种主动型负荷可调度潜力的计算方法,通过基于配电网中主动型负荷的行为特性,分别建立不同主动型负荷的行为特性数学模型,采用闵可夫斯基求和的方式,对不同主动型负荷的行为特性数学模型进行聚合,得到以智能楼宇为单位的主动负荷可调度潜力数据。本实施例中将原本分布式主动型负荷进行聚合,以资源集群的形式参与整体调度,基于闵可夫斯基和的聚合方法,将分散的主动型负荷聚合为以智能楼宇为单位的主动负荷可调度潜力数据,可以在保证模型的凸性的同时,尽可能保留主动型负荷的行为特征,提高聚合准确度,相比于现有技术中使用单一指标对可调度潜力进行评估,本实施例采用的主动型负荷可调度潜力的计算方式更为客观,数据特征更加全面。基于CNN-LSTM的可调度潜力时序预测方法,能够根据历史数据,以集合的形式对可调度潜力进行全面的预测,预测结果能够辅助调度机构进行决策分析。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
以下为本发明的装置实施例,对于其中未详尽描述的细节,可以参考上述对应的方法实施例。
图4示出了本发明实施例提供的主动型负荷可调度潜力的计算装置的结构示意图,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
如图4所示,主动型负荷可调度潜力的计算装置包括:模型建立模块41和聚合模块42。
模型建立模块41,用于基于配电网中主动型负荷的行为特性,分别建立不同主动型负荷的行为特性数学模型,主动型负荷为分布式主动型负荷;
聚合模块42,用于采用闵可夫斯基求和的方式,对不同主动型负荷的行为特性数学模型进行聚合,得到以智能楼宇为单位的主动负荷可调度潜力数据。
在一种可能的实现方式中,主动型负荷包括可平移负荷、可削减负荷和可中断负荷;
模型建立模块41建立的可平移负荷的行为特性数学模型为
其中,fi,t表示第i个可平移负荷在第t时刻的工作量,Ei表示第i个可平移负荷每天需要完成的总工作量,ts,i表示第i个可平移负荷指定的工作时间区间的起始时间,tend,i表示第i个可平移负荷指定的工作时间区间的结束时间;
模型建立模块41建立的可削减负荷的行为特性数学模型为
其中,Cppay,i,t表示第i个可削减负荷在第t时刻参与需求响应对应的补贴;Pcurt,i,t表示第i个可削减负荷在第t时刻削减的功率;α1,i、α2,i分别表示第i个可削减负荷对应的补贴系数;Pmax,i,t表示第i个可削减负荷在第t时刻的原负荷功率;β表示可削减负荷的削减极限比例;
模型建立模块41建立的可中断负荷的行为特性数学模型为
其中,Ps,i,t表示第i个可中断负荷在t时的中断功率,Ps,i,min表示第i个可中断负荷在第t时刻的最小中断功率,Ps,i,max表示第i个可中断负荷在第t时刻的最大中断功率,表示第i个可中断负荷在第t时刻的中断状态,表示第i个可中断负荷在第(t-1)时刻的中断状态,Tmax表示可中断负荷的最大连续中断时间,Ni,max表示第i个可中断负荷一天之内最多中断次数。
在一种可能的实现方式中,聚合模块42采用闵可夫斯基求和的方式,对不同主动型负荷的行为特性数学模型进行聚合,得到以智能楼宇为单位的主动负荷可调度潜力数据时,用于:
将可中断负荷的最大连续中断时间约束的定义域扩展到与可平移负荷的行为特性数学模型、可削减负荷的行为特性数学模型中的变量的时间定义域相同;
分别对不同主动型负荷的行为特性数学模型中的约束进行闵可夫斯基求和,得到以智能楼宇为单位的主动负荷的广义变量和广义参数;
根据广义变量和广义参数,得到以智能楼宇为单位的主动负荷可调度潜力数据。
在一种可能的实现方式中,聚合模块42得到以智能楼宇为单位的主动负荷的广义变量时,用于:
其中,fj,t表示第j个智能楼宇在第t时刻的广义可平移负荷工作状态;Pcut,j,t表示第j个智能楼宇在第t时刻的广义可削减负荷削减功率;Ps,j,t表示第j个智能楼宇在第t时刻的广义可中断负荷中断功率;Nj,t表示第j个智能楼宇在第t时刻的广义可中断负荷的中断次数;表示第j个智能楼宇在第t时刻的广义可中断负荷在第m时刻的中断状态,表示第i个可中断负荷在第t时刻从在第m时刻的中断状态,其中,m=1,2,…T-Tmax,N1、N2、N3分别为第j个智能楼宇中的可平移负荷、可削减负荷和可中断负荷的数量。
在一种可能的实现方式中,聚合模块42得到以智能楼宇为单位的主动负荷的广义参数时,用于:
其中,Ej为第j个智能楼宇在第t时刻的广义可平移负荷的总工作量;Pmax,j,t为第j个智能楼宇在第t时刻的广义可削减负荷的原有负荷功率;Ps,j,min,t、Ps,j,max,t分别为第j个智能楼宇在第t时刻的广义可中断负荷的最小中断功率、最大中断功率;Nmax,j,t为第j个智能楼宇在第t时刻的广义可中断负荷的最大中断次数;Tj,max为第j个智能楼宇在第t时刻的广义可中断负荷的最大连续可中断时间。
在一种可能的实现方式中,聚合模块42根据广义变量和广义参数,得到以智能楼宇为单位的主动负荷可调度潜力数据时,用于:
将广义变量和广义参数替换对应的不同主动型负荷的行为特性数学模型中的变量和参数,得到以智能楼宇为单位的主动负荷可调度潜力数据。
如图5所示,主动型负荷可调度潜力的计算装置还包括预测模块43;
在聚合模块42采用闵可夫斯基求和的方式,对不同主动型负荷的行为特性数学模型进行聚合,得到以智能楼宇为单位的主动负荷可调度潜力数据之后,预测模块43用于:
采集每个智能楼宇中不同主动型负荷对应的历史数据;
基于历史数据,采用时间序列预测方法对不同主动负荷的可调度潜力数据进行预测。
上述主动型负荷可调度潜力的计算装置,通过基于配电网中主动型负荷的行为特性,建立模块分别建立不同主动型负荷的行为特性数学模型,采用闵可夫斯基求和的方式,聚合模块对不同主动型负荷的行为特性数学模型进行聚合,得到以智能楼宇为单位的主动负荷可调度潜力数据。本实施例中将原本分布式主动型负荷进行聚合,以资源集群的形式参与整体调度,基于闵可夫斯基和的聚合方法,将分散的主动型负荷聚合为以智能楼宇为单位的主动负荷可调度潜力数据,可以在保证模型的凸性的同时,尽可能保留主动型负荷的行为特征,提高聚合准确度,相比于现有技术中使用单一指标对可调度潜力进行评估,本实施例采用的主动型负荷可调度潜力的计算方式更为客观,数据特征更加全面。预测模块基于CNN-LSTM的可调度潜力时序预测方法,能够根据历史数据,以集合的形式对可调度潜力进行全面的预测,预测结果能够辅助调度机构进行决策分析。
图6是本发明实施例提供的终端的示意图。如图6所示,该实施例的终端6包括:处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62。所述处理器60执行所述计算机程序62时实现上述各个主动型负荷可调度潜力的计算方法实施例中的步骤,例如图1所示的步骤101至步骤102。或者,所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能,例如图4所示模块/单元41至42的功能或图6所示模块/单元41至43的功能。
示例性的,所述计算机程序62可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器61中,并由所述处理器60执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序62在所述终端6中的执行过程。例如,所述计算机程序62可以被分割成图4所示的模块/单元41至42或图6所示模块/单元41至43的功能。
所述终端6可包括,但不仅限于,处理器60、存储器61。本领域技术人员可以理解,图6仅仅是终端6的示例,并不构成对终端6的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器60可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61可以是所述终端6的内部存储单元,例如终端6的硬盘或内存。所述存储器61也可以是所述终端6的外部存储设备,例如所述终端6上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器61还可以既包括所述终端6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个主动型负荷可调度潜力的计算方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种主动型负荷可调度潜力的计算方法,其特征在于,包括:
基于配电网中主动型负荷的行为特性,分别建立不同主动型负荷的行为特性数学模型,所述主动型负荷为分布式主动型负荷;
采用闵可夫斯基求和的方式,对所述不同主动型负荷的行为特性数学模型进行聚合,得到以智能楼宇为单位的主动负荷可调度潜力数据。
2.根据权利要求1所述的主动型负荷可调度潜力的计算方法,其特征在于,主动型负荷包括可平移负荷、可削减负荷和可中断负荷;
所述可平移负荷的行为特性数学模型为
其中,fi,t表示第i个可平移负荷在第t时刻的工作量,Ei表示第i个可平移负荷每天需要完成的总工作量,ts,i表示第i个可平移负荷指定的工作时间区间的起始时间,tend,i表示第i个可平移负荷指定的工作时间区间的结束时间;
所述可削减负荷的行为特性数学模型为
其中,Cppay,i,t表示第i个可削减负荷在第t时刻参与需求响应对应的补贴;Pcurt,i,t表示第i个可削减负荷在第t时刻削减的功率;α1,i、α2,i分别表示第i个可削减负荷对应的补贴系数;Pmax,i,t表示第i个可削减负荷在第t时刻的原负荷功率;β表示可削减负荷的削减极限比例;
所述可中断负荷的行为特性数学模型为
3.根据权利要求2所述的主动型负荷可调度潜力的计算方法,其特征在于,所述采用闵可夫斯基求和的方式,对所述不同主动型负荷的行为特性数学模型进行聚合,得到以智能楼宇为单位的主动负荷可调度潜力数据,包括:
将所述可中断负荷的最大连续中断时间约束的定义域扩展到与所述可平移负荷的行为特性数学模型、所述可削减负荷的行为特性数学模型中的变量的时间定义域相同;
分别对所述不同主动型负荷的行为特性数学模型中的约束进行闵可夫斯基求和,得到以智能楼宇为单位的主动负荷的广义变量和广义参数;
根据所述广义变量和所述广义参数,得到以智能楼宇为单位的主动负荷可调度潜力数据。
4.根据权利要求3所述的主动型负荷可调度潜力的计算方法,其特征在于,得到以智能楼宇为单位的主动负荷的广义变量,包括:
6.根据权利要求3所述的主动型负荷可调度潜力的计算方法,其特征在于,所述根据所述广义变量和所述广义参数,得到以智能楼宇为单位的主动负荷可调度潜力数据,包括:
将所述广义变量和所述广义参数替换对应的所述不同主动型负荷的行为特性数学模型中的变量和参数,得到以智能楼宇为单位的主动负荷可调度潜力数据。
7.根据权利要求1-6中任一项所述的主动型负荷可调度潜力的计算方法,其特征在于,在所述采用闵可夫斯基求和的方式,对所述不同主动型负荷的行为特性数学模型进行聚合,得到以智能楼宇为单位的主动负荷可调度潜力数据之后,还包括:
采集每个智能楼宇中不同主动型负荷对应的历史数据;
基于所述历史数据,采用时间序列预测方法对所述不同主动负荷的可调度潜力数据进行预测。
8.一种主动型负荷可调度潜力的计算装置,其特征在于,包括:
模型建立模块,用于基于配电网中主动型负荷的行为特性,分别建立不同主动型负荷的行为特性数学模型,所述主动型负荷为分布式主动型负荷;
聚合模块,用于采用闵可夫斯基求和的方式,对所述不同主动型负荷的行为特性数学模型进行聚合,得到以智能楼宇为单位的主动负荷可调度潜力数据。
9.一种终端,包括存储器和处理器,所述存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上的权利要求1至7中任一项所述的主动型负荷可调度潜力的计算方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上的权利要求1至7中任一项所述的主动型负荷可调度潜力的计算方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211149799.1A CN115577913A (zh) | 2022-09-21 | 2022-09-21 | 主动型负荷可调度潜力的计算方法、终端及存储介质 |
PCT/CN2023/080502 WO2024060521A1 (zh) | 2022-09-21 | 2023-03-09 | 主动型负荷可调度潜力的计算方法、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211149799.1A CN115577913A (zh) | 2022-09-21 | 2022-09-21 | 主动型负荷可调度潜力的计算方法、终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115577913A true CN115577913A (zh) | 2023-01-06 |
Family
ID=84581658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211149799.1A Pending CN115577913A (zh) | 2022-09-21 | 2022-09-21 | 主动型负荷可调度潜力的计算方法、终端及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115577913A (zh) |
WO (1) | WO2024060521A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024060521A1 (zh) * | 2022-09-21 | 2024-03-28 | 国网河北省电力有限公司电力科学研究院 | 主动型负荷可调度潜力的计算方法、终端及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150261892A1 (en) * | 2014-03-12 | 2015-09-17 | Nec Laboratories America, Inc. | Integrated optimal placement, sizing, and operation of energy storage devices in electric distribution networks |
CN112949942A (zh) * | 2021-04-08 | 2021-06-11 | 湘潭大学 | 基于多目标多元宇宙优化算法的智能楼宇负荷优化调度方法 |
CN114692965A (zh) * | 2022-03-25 | 2022-07-01 | 国网湖北省电力有限公司电力科学研究院 | 基于数模混合驱动的电动汽车集群可调度潜力预测方法及装置 |
CN115577913A (zh) * | 2022-09-21 | 2023-01-06 | 国网河北省电力有限公司电力科学研究院 | 主动型负荷可调度潜力的计算方法、终端及存储介质 |
-
2022
- 2022-09-21 CN CN202211149799.1A patent/CN115577913A/zh active Pending
-
2023
- 2023-03-09 WO PCT/CN2023/080502 patent/WO2024060521A1/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024060521A1 (zh) * | 2022-09-21 | 2024-03-28 | 国网河北省电力有限公司电力科学研究院 | 主动型负荷可调度潜力的计算方法、终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2024060521A1 (zh) | 2024-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020119051A1 (zh) | 云平台资源使用预测方法及终端设备 | |
Simaria et al. | A genetic algorithm based approach to the mixed-model assembly line balancing problem of type II | |
Oukil et al. | Ranking dispatching rules in multi-objective dynamic flow shop scheduling: a multi-faceted perspective | |
Pereira Jr et al. | On multicriteria decision making under conditions of uncertainty | |
CN113205263B (zh) | 一种基于能源互联网的精准电力需求侧管理方法及系统 | |
CN105373432A (zh) | 一种基于虚拟资源状态预测的云计算资源调度方法 | |
CN111680841A (zh) | 基于主成分分析的短期负荷预测方法、系统及终端设备 | |
CN111738529B (zh) | 基于强化学习的综合能源系统需求响应方法、系统及设备 | |
CN111639793A (zh) | 一种锅炉群组调度优化方法及装置 | |
Nguyen et al. | Sharing profit from joint offering of a group of wind power producers in day ahead markets | |
CN115577913A (zh) | 主动型负荷可调度潜力的计算方法、终端及存储介质 | |
Azadani et al. | Stability constrained optimal power flow in deregulated power systems | |
US20150127306A1 (en) | Apparatus and method for creating a power consumption model and non-transitory computer readable storage medium thereof | |
CN115237592B (zh) | 隐私感知的混合云服务流程调度方法 | |
CN115599522A (zh) | 一种云计算平台任务调度方法、装置和设备 | |
CN109301820A (zh) | 一种企业电力控制方法及系统 | |
KR102507185B1 (ko) | 전력 계통 클러스터링 방법 및 장치 | |
CN114154780A (zh) | 评价方法、装置、电子设备及相关产品 | |
CN110768294B (zh) | 一种分布式电源随机调度方法和装置 | |
CN112632937A (zh) | 一种报废清单的生成方法、装置、存储介质及电子设备 | |
Andro-Vasko et al. | Decrease and reset for power-down | |
Sun et al. | Fair online power capping for emergency handling in multi-tenant cloud data centers | |
He et al. | Online workload scheduling for green cloud data center with delay guarantee in smart grid | |
Wang et al. | Research on music creation and audition based on wireless environment | |
CN115425657A (zh) | 配电网需求响应的预测方法及装置 |
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 |