CN115600831A - 用户理论响应潜力评估方法、装置、终端及存储介质 - Google Patents
用户理论响应潜力评估方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN115600831A CN115600831A CN202211192362.6A CN202211192362A CN115600831A CN 115600831 A CN115600831 A CN 115600831A CN 202211192362 A CN202211192362 A CN 202211192362A CN 115600831 A CN115600831 A CN 115600831A
- Authority
- CN
- China
- Prior art keywords
- load
- target
- period
- sampling
- peak
- 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
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
-
- 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/06313—Resource planning in a project environment
-
- 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
Abstract
本发明提供一种用户理论响应潜力评估方法、装置、终端及存储介质。该方法包括:获取目标用户在与需求响应的实施时间段对应的历史时间段内每天的日负荷数据;日负荷数据包括每天各个采样时刻的负荷采样值;基于历史时间段内各天的日负荷数据中的各个负荷采样值,计算需求响应的峰/谷时段对应的每个目标采样时刻的负荷弹性系数;根据峰/谷时段对应的各个目标采样时刻的负荷弹性系数和历史时间段内各天的日负荷数据中在相应目标采样时刻的负荷采样值,计算目标用户在峰/谷时段的理论响应潜力。本发明能够更准确地计算得到的目标用户在峰/谷时段的理论响应潜力,进而更加准确有效地为电网调度制定计划、安排备用容量等业务提供指导。
Description
技术领域
本发明涉及电力调度技术领域,尤其涉及一种用户理论响应潜力评估方法、装置、终端及存储介质。
背景技术
随着分布式电源大规模接入电网以及电动汽车、储能等负荷快速发展,电力供需平衡面临愈发严峻的挑战。需求响应(Demand Response,DR)作为解决电力供需矛盾的重要手段,能够推动电力用户从电网的电能接受者、被动消费者向电网的主动参与者转变,充分发挥市场对资源的优化配置能力,实现可再生能源、可控负荷在一定范围内主动参与电网调节控制,实现参与方的互利共赢,解决分布式源荷随机性、波动性造成的运行问题,达到电网削峰填谷、改善负荷特性的目的。
需求响应计划和策略制定时,事先对用户或行业的需求响应潜力进行评估,可有效提高需求响应容量分配计划的准确性和有效性,使更多的负荷得到削减或转移,从而实现削峰填谷的目的。其中,需求响应潜力可以划分为理论响应潜力、技术响应潜力、经济响应潜力和可用响应潜力,而理论响应潜力评估对筛选潜在的需求响应用户,提升参与需求响应能力具有重要作用。因此,如何准确评估某一用户或某一行业的理论响应潜力是亟需解决的问题。
发明内容
本发明实施例提供了一种用户理论响应潜力评估方法、装置、终端及存储介质,以解决如何准确评估某一用户或某一行业的理论响应潜力的问题。
第一方面,本发明实施例提供了一种用户理论响应潜力评估方法,包括:
获取目标用户在历史时间段内每天的日负荷数据;所述历史时间段为与需求响应的实施时间段对应的时间段;所述日负荷数据包括每天各个采样时刻的负荷采样值;
基于所述历史时间段内各天的日负荷数据中的各个负荷采样值,计算需求响应的峰/谷时段对应的每个目标采样时刻的负荷弹性系数;
根据峰/谷时段对应的各个目标采样时刻的负荷弹性系数和所述历史时间段内各天的日负荷数据中在相应目标采样时刻的负荷采样值,计算所述目标用户在峰/谷时段的理论响应潜力。
在一种可能的实现方式中,所述基于所述历史时间段内各天的日负荷数据中的各个负荷采样值,计算需求响应的峰/谷时段对应的每个目标采样时刻的负荷弹性系数,包括:
基于所述历史时间段内各天的日负荷数据中的各个负荷采样值,确定需求响应的峰/谷时段对应的每个目标采样时刻在所述历史时间段内各天的日负荷数据中的目标负荷采样值;
针对峰/谷时段对应的每个目标采样时刻,根据该目标采样时刻的每个目标负荷采样值和各个目标负荷采样值中的最大值,确定该目标采样时刻的各个目标负荷采样值对应的归一化负荷值;
计算该目标采样时刻的各个目标负荷采样值的平均值,并根据所述平均值和所述最大值,确定该目标采样时刻的归一化平均值;
根据各个所述归一化负荷值和所述归一化平均值,计算需求响应的峰/谷时段对应的该目标采样时刻的负荷弹性系数。
在一种可能的实现方式中,所述根据各个所述归一化负荷值和所述归一化平均值,计算需求响应的峰/谷时段对应的该目标采样时刻的负荷弹性系数,包括:
其中,E(t)为需求响应的峰/谷时段对应的该目标采样时刻t的负荷弹性系数,N为需求响应的实施时间段包括的天数,为该目标采样时刻t在所述历史时间段内第r天的目标负荷采样值对应的归一化负荷值,为该目标采样时刻t的归一化平均值。
在一种可能的实现方式中,根据峰时段对应的各个目标采样时刻的负荷弹性系数和所述历史时间段内各天的日负荷数据中在相应目标采样时刻的负荷采样值,计算所述目标用户在峰时段的理论响应潜力,包括:
其中,为目标用户i在峰时段的理论响应潜力,TF为峰时段对应的各个目标采样时刻的集合,E(t)为需求响应的峰时段对应的目标采样时刻t的负荷弹性系数,Pave(t)为所述历史时间段内各天的日负荷数据中在目标采样时刻t的各个负荷采样值的平均值。
在一种可能的实现方式中,根据谷时段对应的各个目标采样时刻的负荷弹性系数和所述历史时间段内各天的日负荷数据中在相应目标采样时刻的负荷采样值,计算所述目标用户在谷时段的理论响应潜力,包括:
其中,为目标用户i在谷时段的理论响应潜力,TG为谷时段对应的各个目标采样时刻的集合,E(t)为需求响应的谷时段对应的目标采样时刻t的负荷弹性系数,为所述历史时间段内各天的日负荷数据中在目标采样时刻t的各个负荷采样值的最大值,Pave(t)为所述历史时间段内各天的日负荷数据中在目标采样时刻t的各个负荷采样值的平均值。
在一种可能的实现方式中,在获取目标用户在历史时间段内每天的日负荷数据之后,还包括:
统计所述目标用户在历史时间段内每天的日负荷数据中的缺失数据量;
若所述缺失数据量大于第一预设阈值,则舍弃该目标用户;
若所述缺失数据量不大于所述第一预设阈值,则统计所述目标用户在历史时间段内每天的日负荷数据中的过大和过小的异常数据量和连续重复的重复数据量;
若所述缺失数据量、所述异常数据量和所述重复数据量之和大于第二预设阈值,则舍弃该目标用户;
若所述缺失数据量、所述异常数据量和所述重复数据量之和不大于所述第二预设阈值,则对所述目标用户在历史时间段内每天的日负荷数据中的缺失数据、异常数据和重复数据进行修复,获得所述目标用户在历史时间段内每天的修复日负荷数据;
所述基于所述历史时间段内各天的日负荷数据中的各个负荷采样值,计算需求响应的峰/谷时段对应的每个目标采样时刻的负荷弹性系数,包括:
基于所述历史时间段内各天的修复日负荷数据中的各个负荷采样值,计算需求响应的峰/谷时段对应的每个目标采样时刻的负荷弹性系数。
在一种可能的实现方式中,在根据峰/谷时段对应的各个目标采样时刻的负荷弹性系数和所述历史时间段内各天的日负荷数据中在相应目标采样时刻的负荷采样值,计算所述目标用户在峰/谷时段的理论响应潜力之后,还包括:
按照计算所述目标用户在峰/谷时段的理论响应潜力的方法,计算所述目标用户所在行业的所有用户在峰/谷时段的理论响应潜力;
根据所述目标用户所在行业的所有用户在峰/谷时段的理论响应潜力,计算所述目标用户所在行业在峰/谷时段的理论响应潜力评估。
第二方面,本发明实施例提供了一种用户理论响应潜力评估装置,包括:
获取模块,用于获取目标用户在历史时间段内每天的日负荷数据;所述历史时间段为与需求响应的实施时间段对应的时间段;所述日负荷数据包括每天各个采样时刻的负荷采样值;
处理模块,用于基于所述历史时间段内各天的日负荷数据中的各个负荷采样值,计算需求响应的峰/谷时段对应的每个目标采样时刻的负荷弹性系数;
评估模块,用于根据峰/谷时段对应的各个目标采样时刻的负荷弹性系数和所述历史时间段内各天的日负荷数据中在相应目标采样时刻的负荷采样值,计算所述目标用户在峰/谷时段的理论响应潜力。
第三方面,本发明实施例提供了一种终端,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,执行如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
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方法的步骤。
本发明实施例提供一种用户理论响应潜力评估方法、装置、终端及存储介质,在确定需求响应的实施时间段之后,通过先获取目标用户在与实施时间段对应历史时间段内每天的日负荷数据(日负荷数据包括每天各个采样时刻的负荷采样值);再基于历史时间段内各天的日负荷数据中的各个负荷采样值,计算需求响应的峰/谷时段对应的每个目标采样时刻的负荷弹性系数;最后根据峰/谷时段对应的各个目标采样时刻的负荷弹性系数和历史时间段内各天的日负荷数据中在相应目标采样时刻的负荷采样值,计算目标用户在峰/谷时段的理论响应潜力。由于基于历史时间段内各天的日负荷数据中的各个负荷采样值计算得到的负荷弹性系数可以辨识目标用户的用电负荷在时间上变化的灵活性和可控性,因此,根据峰/谷时段对应的各个目标采样时刻的负荷弹性系数计算得到的目标用户在峰/谷时段的理论响应潜力更准确,能够更加准确有效地为电网调度制定计划、安排备用容量等业务提供指导。
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性的前提下,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用户理论响应潜力评估方法的实现流程图;
图2是本发明实施例提供的不良数据辨识与修复方法的实现流程图;
图3是本发明实施例提供的计算负荷弹性系数的实现流程图;
图4是本发明实施例提供的用户理论响应潜力评估装置的结构示意图;
图5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。
参见图1,其示出了本发明实施例提供的用户理论响应潜力评估方法的实现流程图,详述如下:
在步骤101中,获取目标用户在历史时间段内每天的日负荷数据。
其中,历史时间段为与需求响应的实施时间段对应的时间段;日负荷数据包括每天各个采样时刻的负荷采样值。
其中,电力需求侧响应一般在负荷供应最紧张,可能存在供电缺口的时段实施,因此可以根据某一地区的最大负荷日确定需求响应的实施时间段。例如将某一地区的最大负荷日所在的月份确定为需求响应的实时时间段,或者将某一地区的最大负荷日±10日对应的时间段确定为需求响应的实时时间段。
在确定需求响应的实施时间段之后,可以获取目标用户在与实施时间段对应的历史时间段内每天的日负荷数据。例如根据2021年A地区的负荷数据,确定2021年8月15日为A地区的最大负荷日,则可以将8月份确定为后续需求响应的实时时间段。在此基础上,获取目标用户在2021年8月的每天的日负荷数据。其中,历史时间段内每天的日负荷数据可以通过按照预设采样频率采样得到。每天的日负荷数据可以按照负荷数据集合或负荷数据曲线的形式存储。例如可以按照每15分钟采集一次的频率采集历史时间段内目标用户每天的日负荷数据并存储。
可选的,在获取目标用户在历史时间段内每天的日负荷数据之后,还可以包括:
统计目标用户在历史时间段内每天的日负荷数据中的缺失数据量。
若缺失数据量大于第一预设阈值,则舍弃该目标用户。
若缺失数据量不大于第一预设阈值,则统计目标用户在历史时间段内每天的日负荷数据中的过大和过小的异常数据量和连续重复的重复数据量。
若缺失数据量、异常数据量和重复数据量之和大于第二预设阈值,则舍弃该目标用户。
若缺失数据量、异常数据量和重复数据量之和不大于第二预设阈值,则对目标用户在历史时间段内每天的日负荷数据中的缺失数据、异常数据和重复数据进行修复,获得目标用户在历史时间段内每天的修复日负荷数据。
相应的,基于历史时间段内各天的日负荷数据中的各个负荷采样值,计算需求响应的峰/谷时段对应的每个目标采样时刻的负荷弹性系数,可以包括:
基于历史时间段内各天的修复日负荷数据中的各个负荷采样值,计算需求响应的峰/谷时段对应的每个目标采样时刻的负荷弹性系数。
在数据采集、传输和存储过程中,由于网络攻击、设备故障、通信不良等原因,可能会有意或无意地引入大量各种各样的不良数据。不良数据的存在可能会导致后续理论响应潜力的估计结果出现偏差,进而影响需求响应的实施,因此有必要对其进行辨识与修复。
本实施例获取的历史时间段内每天的日负荷数据主要存在以下3种类型的不良数据:(1)数据缺失;(2)数据异常过大或过小;(3)连续重复的数据。因此,为了提高数据质量,保证后续理论响应潜力的估计结果的准确性,本实施例提出了如图2所示的不良数据辨识与修复方法。该不良数据辨识与修复方法主要包括以下3个部分:
(1)缺失数据的辨识。为了解决数据的缺失问题,本实施例引入了用户数据缺失率的概念,定义如下:
考虑实际中用户的有功功率数据不太可能出现0的情况,因此可以将历史时间段内每天的日负荷数据(即用户的原始负荷数据)为0和空值(NaN)的数据点视作缺失数据点。在此基础上,可以根据实际情况先确定一个用户数据缺失率阈值(例如10%),根据目标用户在历史时间段内每天的日负荷数据的个数(即用户数据总个数)将用户数据缺失率阈值转化为一预设阈值(即第一预设阈值)a0,然后通过判断目标用户在历史时间段内每天的日负荷数据中的缺失数据量An(即用户数据缺失个数)是否达到预设阈值a0来判断用户数据缺失率是否达到用户数据缺失率阈值。对于用户数据缺失率达到用户数据缺失率阈值的用户进行舍弃。例如对于用户数据缺失率大于10%的用户进行舍弃,不再分析其理论响应潜力。或者重新获取该用户在历史时间段内每天的日负荷数据。对于用户数据缺失率小于或等于10%的用户再进行后续分析。
(2)连续重复数据的辨识。在检测连续重复数据时,可以根据实际情况,通过连续重复的负荷采样值的数量阈值检测是否为连续重复的负荷数据。例如,若用户某一天的日负荷数据中有连续5个以上的负荷采样值重复,则将该处连续重复的负荷采样值视作一处重复数据量,以此得到连续重复的重复数据量Cn。
(3)异常过大和异常过小数据的辨识。示例性的,可以采用6σ准则来识别鉴定异常过大或异常过小的负荷采样值。即当目标用户的某一负荷采样值与该目标用户的所有负荷采样值的平均负荷值的差值大于该目标用户的负荷标准差的6倍时,判定该负荷采样值为异常过大或过小的负荷数据,以此得到过大和过小的异常数据量Bn。
(4)用户的进一步筛选及不良数据的修复。为了对保留的用户数据缺失率小于或等于用户数据缺失率阈值例如10%的用户进行进一步筛选,还可以引入用户数据不良率的概念,定义如下:
在此基础上,对于保留的用户数据缺失率小于或等于用户数据缺失率阈值例如10%的用户,进一步舍弃用户数据不良率在用户数据不良率阈值例如10%及以上的用户。对于最终保留下来的用户,可以采用线性插值的方式对其进行缺失值的填补以及连续重复数据、异常过大和异常过小数据的修复。
其中,可以令用户数据缺失率阈值与用户数据不良率阈值相同,以使第一预设阈值和第二预设阈值相同。也可以根据实际需要令用户数据不良率阈值大于或小于用户数据缺失率阈值。
在步骤102中,基于历史时间段内各天的日负荷数据中的各个负荷采样值,计算需求响应的峰/谷时段对应的每个目标采样时刻的负荷弹性系数。
本实施例中,可以利用每个采样时刻的各个负荷采样值的均方差衡量每个采样时刻的负荷弹性大小。由于均方差可以反映数组内个体间的离散程度,则对于历史时间段内各天的日负荷数据来讲,若某一采样时刻的各个负荷采样值的均方差较大则代表用户历史用电负荷的相似度不大,用户电力用电可选择使用时间段较多,负荷规律性不强或具有一定的灵活性,因此负荷的可供调整性比较大,用户在该采样时刻的负荷弹性较强。反之,若某一采样时刻的各个负荷采样值的均方差较小则代表用户历史用电负荷的相似度较高,用户电力用电可选择使用时间段较少,负荷规律性强或灵活性低,因此负荷的可供调整性比较小,用户在该采样时刻的负荷弹性较弱。
其中,由于需求响应是通过推动电力用户参与削峰填谷解决电力供需矛盾,因而可以进一步确定可能存在供电缺口的峰时段和供电过剩的谷时段,基于峰时段和谷时段的负荷弹性系数评估用户的理论响应潜力。
其中,可以统计得到某地区年最大负荷发生的第一时刻点和年最小负荷发生的第二时刻点,将第一时刻点±第一预设时间得到需求响应的峰时段,将第二时刻点±第二预设时间得到需求响应的谷时段。例如,可以将第一时刻点±2小时得到需求响应的峰时段,将第二时刻点±4小时得到需求响应的谷时段。需要说明的是,正常情况下,统调负荷会在一天的上午和下午各出现一个负荷峰值,所以可以按照上述方法在一天中选定两个峰时段。除此之外,还可以选定夜间统调负荷最低的4个小时作为谷时段。
可选的,参见图3,基于历史时间段内各天的日负荷数据中的各个负荷采样值,计算需求响应的峰/谷时段对应的每个目标采样时刻的负荷弹性系数,可以包括:
在步骤301中,基于历史时间段内各天的日负荷数据中的各个负荷采样值,确定需求响应的峰/谷时段对应的每个目标采样时刻在历史时间段内各天的日负荷数据中的目标负荷采样值。
本实施例中,在确定需求响应的峰时段和谷时段之后,首先从历史时间段内每天的日负荷数据中各个采样时刻的负荷采样值中,筛选峰时段和谷时段对应的采样时刻作为目标采样时刻,筛选每个目标采样时刻在每天的负荷采样值作为目标负荷采样值。
在步骤302中,针对峰/谷时段对应的每个目标采样时刻,根据该目标采样时刻的每个目标负荷采样值和各个目标负荷采样值中的最大值,确定该目标采样时刻的各个目标负荷采样值对应的归一化负荷值。
在步骤303中,计算该目标采样时刻的各个目标负荷采样值的平均值,并根据平均值和最大值,确定该目标采样时刻的归一化平均值。
为了使后续计算的各个负荷弹性系数更有代表性以及方便量化用户的理论响应潜力,在计算需求响应的每个目标采样时刻的各个目标负荷采样值的均方差之前,可以先对计算均方差所需的各个参数进行归一化处理。针对某一目标采样时刻t来说,可以计算该目标采样时刻t的各个目标负荷采样值对应的归一化负荷值如下:
可以计算该目标采样时刻t的各个目标负荷采样值的平均值Pave(t)如下:
其中,N为需求响应的实施时间段包括的天数。
在步骤304中,根据各个归一化负荷值和归一化平均值,计算需求响应的峰/谷时段对应的该目标采样时刻的负荷弹性系数。
可选的,根据各个归一化负荷值和归一化平均值,计算需求响应的峰/谷时段对应的该目标采样时刻的负荷弹性系数,可以包括:
其中,E(t)为需求响应的峰/谷时段对应的该目标采样时刻t的负荷弹性系数,N为需求响应的实施时间段包括的天数,为该目标采样时刻t在历史时间段内第r天的目标负荷采样值对应的归一化负荷值,为该目标采样时刻t的归一化平均值。
基于本实施例提供的计算需求响应的峰/谷时段对应的该目标采样时刻的负荷弹性系数的公式,可以计算出峰时段和谷时段对应的每个目标采样时刻的负荷弹性系数,从而求得用户用电负荷在哪些时段具有负荷弹性,有效衡量用户用电负荷可调整和迁移的程度。在此基础上,结合历史时间段内每天的日负荷数据在峰谷时段的负荷率可以评估理论响应潜力的大小。
在步骤103中,根据峰/谷时段对应的各个目标采样时刻的负荷弹性系数和历史时间段内各天的日负荷数据中在相应目标采样时刻的负荷采样值,计算目标用户在峰/谷时段的理论响应潜力。
可选的,根据峰时段对应的各个目标采样时刻的负荷弹性系数和历史时间段内各天的日负荷数据中在相应目标采样时刻的负荷采样值,计算目标用户在峰时段的理论响应潜力,可以包括:
其中,为目标用户i在峰时段的理论响应潜力,TF为峰时段对应的各个目标采样时刻的集合,E(t)为需求响应的峰时段对应的目标采样时刻t的负荷弹性系数,Pave(t)为历史时间段内各天的日负荷数据中在目标采样时刻t的各个负荷采样值的平均值。
可选的,根据谷时段对应的各个目标采样时刻的负荷弹性系数和历史时间段内各天的日负荷数据中在相应目标采样时刻的负荷采样值,计算目标用户在谷时段的理论响应潜力,可以包括:
其中,为目标用户i在谷时段的理论响应潜力,TG为谷时段对应的各个目标采样时刻的集合,E(t)为需求响应的谷时段对应的目标采样时刻t的负荷弹性系数,为历史时间段内各天的日负荷数据中在目标采样时刻t的各个负荷采样值的最大值,Pave(t)为历史时间段内各天的日负荷数据中在目标采样时刻t的各个负荷采样值的平均值。
本实施例中,在计算得到峰时段和谷时段对应的每个目标采样时刻的负荷弹性系数之后,若某一目标采样时刻的负荷弹性系数较大,则说明用户在该采样时刻对应的时段的用电负荷富有时间弹性,用户可以根据当时电价政策自主选择将高峰期用电量转移到谷期或者平段;若某一目标采样时刻的负荷弹性系数较小,则说明用户在该采样时刻对应的时段的用电负荷不具有时间弹性或者弹性小,则用户该时段的用电较为规律或者固定,无法根据分时电价进行用电转移或者能够转移的用电量非常少。在此基础上,还考虑理论响应潜力大小受当前负荷在各时段电量、负载率大小影响。用户使用的峰时段电量越多,负载率越高,则可迁移的峰时段负荷容量越大,且用电平均电费支出越高,用户受电价激励引导的意愿越强;用户使用的谷时段电量越少,负载率越低,则谷时段可以承载新增的负荷容量越大。
因此根据峰/谷时段对应的各个目标采样时刻的负荷弹性系数和历史时间段内各天的日负荷数据中在相应目标采样时刻的负荷采样值,计算目标用户在峰/谷时段的理论响应潜力。
其中,除了通过目标采样时刻t的各个负荷采样值的最大值确定外,还可以基于目标用户在历史时间段内各天的日负荷数据确定为目标用户的典型日负荷数据,并将典型日负荷数据中目标采样时刻t的负荷值作为在此基础上,通过计算谷时段各个目标采样时刻对应的时段的剩余响应潜力。在此基础上,目标用户在峰时段的理论响应潜力由峰时段的各个目标采样时刻对应的时段的负荷量和该时段的负荷弹性系数决定,负荷量越大,负荷弹性越高,则峰时段负荷响应潜力越大;同理可得,谷时段的剩余响应潜力越大,负荷弹性系数越大,则谷时段的负荷响应潜力越大。
可选的,在根据峰/谷时段对应的各个目标采样时刻的负荷弹性系数和历史时间段内各天的日负荷数据中在相应目标采样时刻的负荷采样值,计算目标用户在峰/谷时段的理论响应潜力之后,还可以包括:
按照计算目标用户在峰/谷时段的理论响应潜力的方法,计算目标用户所在行业的所有用户在峰/谷时段的理论响应潜力。
根据目标用户所在行业的所有用户在峰/谷时段的理论响应潜力,计算目标用户所在行业在峰/谷时段的理论响应潜力评估。
示例性的,可以分别对目标用户所在行业的所有用户在峰时段的理论响应潜力和在谷时段的理论响应潜力取平均,得到目标用户所在行业在峰时段的理论响应潜力CF和在谷时段的理论响应潜力CG。
式中,CF为目标用户所在行业在峰时段的理论响应潜力,CG为目标用户所在行业在谷时段的理论响应潜力,I为目标用户所在行业的用户总数。
本发明实施例在确定需求响应的实施时间段之后,通过先获取目标用户在与实施时间段对应历史时间段内每天的日负荷数据(日负荷数据包括每天各个采样时刻的负荷采样值);再基于历史时间段内各天的日负荷数据中的各个负荷采样值,计算需求响应的峰/谷时段对应的每个目标采样时刻的负荷弹性系数;最后根据峰/谷时段对应的各个目标采样时刻的负荷弹性系数和历史时间段内各天的日负荷数据中在相应目标采样时刻的负荷采样值,计算目标用户在峰/谷时段的理论响应潜力。由于基于历史时间段内各天的日负荷数据中的各个负荷采样值计算得到的负荷弹性系数可以辨识目标用户的用电负荷在时间上变化的灵活性和可控性,有效衡量用户用电负荷可调整和迁移的程度,因此,根据峰/谷时段对应的各个目标采样时刻的负荷弹性系数计算得到的目标用户在峰/谷时段的理论响应潜力更准确,能够更加准确有效地为电网调度制定计划、安排备用容量等业务提供指导。
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用户理论响应潜力评估装置的结构示意图,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,用户理论响应潜力评估装置4包括:获取模块41、处理模块42和评估模块43。
获取模块41,用于获取目标用户在历史时间段内每天的日负荷数据;所述历史时间段为与需求响应的实施时间段对应的时间段;所述日负荷数据包括每天各个采样时刻的负荷采样值;
处理模块42,用于基于所述历史时间段内各天的日负荷数据中的各个负荷采样值,计算需求响应的峰/谷时段对应的每个目标采样时刻的负荷弹性系数;
评估模块43,用于根据峰/谷时段对应的各个目标采样时刻的负荷弹性系数和所述历史时间段内各天的日负荷数据中在相应目标采样时刻的负荷采样值,计算所述目标用户在峰/谷时段的理论响应潜力。
本发明实施例在确定需求响应的实施时间段之后,通过先获取目标用户在与实施时间段对应历史时间段内每天的日负荷数据(日负荷数据包括每天各个采样时刻的负荷采样值);再基于历史时间段内各天的日负荷数据中的各个负荷采样值,计算需求响应的峰/谷时段对应的每个目标采样时刻的负荷弹性系数;最后根据峰/谷时段对应的各个目标采样时刻的负荷弹性系数和历史时间段内各天的日负荷数据中在相应目标采样时刻的负荷采样值,计算目标用户在峰/谷时段的理论响应潜力。由于基于历史时间段内各天的日负荷数据中的各个负荷采样值计算得到的负荷弹性系数可以辨识目标用户的用电负荷在时间上变化的灵活性和可控性,因此,根据峰/谷时段对应的各个目标采样时刻的负荷弹性系数计算得到的目标用户在峰/谷时段的理论响应潜力更准确,能够更加准确有效地为电网调度制定计划、安排备用容量等业务提供指导。
在一种可能的实现方式中,处理模块42,可以用于基于所述历史时间段内各天的日负荷数据中的各个负荷采样值,确定需求响应的峰/谷时段对应的每个目标采样时刻在所述历史时间段内各天的日负荷数据中的目标负荷采样值;
针对峰/谷时段对应的每个目标采样时刻,根据该目标采样时刻的每个目标负荷采样值和各个目标负荷采样值中的最大值,确定该目标采样时刻的各个目标负荷采样值对应的归一化负荷值;
计算该目标采样时刻的各个目标负荷采样值的平均值,并根据所述平均值和所述最大值,确定该目标采样时刻的归一化平均值;
根据各个所述归一化负荷值和所述归一化平均值,计算需求响应的峰/谷时段对应的该目标采样时刻的负荷弹性系数。
其中,E(t)为需求响应的峰/谷时段对应的该目标采样时刻t的负荷弹性系数,N为需求响应的实施时间段包括的天数,为该目标采样时刻t在所述历史时间段内第r天的目标负荷采样值对应的归一化负荷值,为该目标采样时刻t的归一化平均值。
iTF
其中,为目标用户i在峰时段的理论响应潜力,TF为峰时段对应的各个目标采样时刻的集合,E(t)为需求响应的峰时段对应的目标采样时刻t的负荷弹性系数,Pave(t)为所述历史时间段内各天的日负荷数据中在目标采样时刻t的各个负荷采样值的平均值。
其中,为目标用户i在谷时段的理论响应潜力,TG为谷时段对应的各个目标采样时刻的集合,E(t)为需求响应的谷时段对应的目标采样时刻t的负荷弹性系数,为所述历史时间段内各天的日负荷数据中在目标采样时刻t的各个负荷采样值的最大值,Pave(t)为所述历史时间段内各天的日负荷数据中在目标采样时刻t的各个负荷采样值的平均值。
在一种可能的实现方式中,获取模块41,还可以用于统计所述目标用户在历史时间段内每天的日负荷数据中的缺失数据量;
若所述缺失数据量大于第一预设阈值,则舍弃该目标用户;
若所述缺失数据量不大于所述第一预设阈值,则统计所述目标用户在历史时间段内每天的日负荷数据中的过大和过小的异常数据量和连续重复的重复数据量;
若所述缺失数据量、所述异常数据量和所述重复数据量之和大于第二预设阈值,则舍弃该目标用户;
若所述缺失数据量、所述异常数据量和所述重复数据量之和不大于所述第二预设阈值,则对所述目标用户在历史时间段内每天的日负荷数据中的缺失数据、异常数据和重复数据进行修复,获得所述目标用户在历史时间段内每天的修复日负荷数据;
处理模块42,可以用于基于所述历史时间段内各天的修复日负荷数据中的各个负荷采样值,计算需求响应的峰/谷时段对应的每个目标采样时刻的负荷弹性系数。
在一种可能的实现方式中,评估模块43,还可以用于按照计算所述目标用户在峰/谷时段的理论响应潜力的方法,计算所述目标用户所在行业的所有用户在峰/谷时段的理论响应潜力;
根据所述目标用户所在行业的所有用户在峰/谷时段的理论响应潜力,计算所述目标用户所在行业在峰/谷时段的理论响应潜力评估。
图5是本发明实施例提供的终端的示意图。如图5所示,该实施例的终端5包括:处理器50、存储器51以及存储在存储器51中并可在处理器50上运行的计算机程序52。处理器50执行计算机程序52时实现上述各个用户理论响应潜力评估方法实施例中的步骤,例如图1所示的步骤101至步骤103,或者图3所示的步骤301至步骤304。或者,处理器50执行计算机程序52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43的功能。
示例性的,计算机程序52可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器51中,并由处理器50执行,以完成本发明。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,该指令段用于描述计算机程序52在终端5中的执行过程。例如,计算机程序52可以被分割成图4所示的模块/单元41至43。
终端5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端5可包括,但不仅限于,处理器50、存储器51。本领域技术人员可以理解,图5仅仅是终端5的示例,并不构成对终端5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50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。
存储器51可以是终端5的内部存储单元,例如终端5的硬盘或内存。存储器51也可以是终端5的外部存储设备,例如终端5上配备的插接式硬盘,智能存储卡(Smart MediaCard,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器51还可以既包括终端5的内部存储单元也包括外部存储设备。存储器51用于存储计算机程序以及终端所需的其他程序和数据。存储器51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,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。
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。
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,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,可实现上述各个用户理论响应潜力评估方法实施例的步骤。其中,计算机程序包括计算机程序代码,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。计算机可读介质可以包括:能够携带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 AccessMemory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上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)
1.一种用户理论响应潜力评估方法,其特征在于,包括:
获取目标用户在历史时间段内每天的日负荷数据;所述历史时间段为与需求响应的实施时间段对应的时间段;所述日负荷数据包括每天各个采样时刻的负荷采样值;
基于所述历史时间段内各天的日负荷数据中的各个负荷采样值,计算需求响应的峰/谷时段对应的每个目标采样时刻的负荷弹性系数;
根据峰/谷时段对应的各个目标采样时刻的负荷弹性系数和所述历史时间段内各天的日负荷数据中在相应目标采样时刻的负荷采样值,计算所述目标用户在峰/谷时段的理论响应潜力。
2.根据权利要求1所述的用户理论响应潜力评估方法,其特征在于,所述基于所述历史时间段内各天的日负荷数据中的各个负荷采样值,计算需求响应的峰/谷时段对应的每个目标采样时刻的负荷弹性系数,包括:
基于所述历史时间段内各天的日负荷数据中的各个负荷采样值,确定需求响应的峰/谷时段对应的每个目标采样时刻在所述历史时间段内各天的日负荷数据中的目标负荷采样值;
针对峰/谷时段对应的每个目标采样时刻,根据该目标采样时刻的每个目标负荷采样值和各个目标负荷采样值中的最大值,确定该目标采样时刻的各个目标负荷采样值对应的归一化负荷值;
计算该目标采样时刻的各个目标负荷采样值的平均值,并根据所述平均值和所述最大值,确定该目标采样时刻的归一化平均值;
根据各个所述归一化负荷值和所述归一化平均值,计算需求响应的峰/谷时段对应的该目标采样时刻的负荷弹性系数。
6.根据权利要求1所述的用户理论响应潜力评估方法,其特征在于,在获取目标用户在历史时间段内每天的日负荷数据之后,还包括:
统计所述目标用户在历史时间段内每天的日负荷数据中的缺失数据量;
若所述缺失数据量大于第一预设阈值,则舍弃该目标用户;
若所述缺失数据量不大于所述第一预设阈值,则统计所述目标用户在历史时间段内每天的日负荷数据中的过大和过小的异常数据量和连续重复的重复数据量;
若所述缺失数据量、所述异常数据量和所述重复数据量之和大于第二预设阈值,则舍弃该目标用户;
若所述缺失数据量、所述异常数据量和所述重复数据量之和不大于所述第二预设阈值,则对所述目标用户在历史时间段内每天的日负荷数据中的缺失数据、异常数据和重复数据进行修复,获得所述目标用户在历史时间段内每天的修复日负荷数据;
所述基于所述历史时间段内各天的日负荷数据中的各个负荷采样值,计算需求响应的峰/谷时段对应的每个目标采样时刻的负荷弹性系数,包括:
基于所述历史时间段内各天的修复日负荷数据中的各个负荷采样值,计算需求响应的峰/谷时段对应的每个目标采样时刻的负荷弹性系数。
7.根据权利要求1所述的用户理论响应潜力评估方法,其特征在于,在根据峰/谷时段对应的各个目标采样时刻的负荷弹性系数和所述历史时间段内各天的日负荷数据中在相应目标采样时刻的负荷采样值,计算所述目标用户在峰/谷时段的理论响应潜力之后,还包括:
按照计算所述目标用户在峰/谷时段的理论响应潜力的方法,计算所述目标用户所在行业的所有用户在峰/谷时段的理论响应潜力;
根据所述目标用户所在行业的所有用户在峰/谷时段的理论响应潜力,计算所述目标用户所在行业在峰/谷时段的理论响应潜力评估。
8.一种用户理论响应潜力评估装置,其特征在于,包括:
获取模块,用于获取目标用户在历史时间段内每天的日负荷数据;所述历史时间段为与需求响应的实施时间段对应的时间段;所述日负荷数据包括每天各个采样时刻的负荷采样值;
处理模块,用于基于所述历史时间段内各天的日负荷数据中的各个负荷采样值,计算需求响应的峰/谷时段对应的每个目标采样时刻的负荷弹性系数;
评估模块,用于根据峰/谷时段对应的各个目标采样时刻的负荷弹性系数和所述历史时间段内各天的日负荷数据中在相应目标采样时刻的负荷采样值,计算所述目标用户在峰/谷时段的理论响应潜力。
9.一种终端,其特征在于,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,执行如权利要求1至7中任一项所述的方法。
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中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211192362.6A CN115600831A (zh) | 2022-09-28 | 2022-09-28 | 用户理论响应潜力评估方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211192362.6A CN115600831A (zh) | 2022-09-28 | 2022-09-28 | 用户理论响应潜力评估方法、装置、终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115600831A true CN115600831A (zh) | 2023-01-13 |
Family
ID=84845353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211192362.6A Pending CN115600831A (zh) | 2022-09-28 | 2022-09-28 | 用户理论响应潜力评估方法、装置、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115600831A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116415801A (zh) * | 2023-06-12 | 2023-07-11 | 山东创宇环保科技有限公司 | 基于大数据的商业能源负荷智能分配方法及系统 |
-
2022
- 2022-09-28 CN CN202211192362.6A patent/CN115600831A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116415801A (zh) * | 2023-06-12 | 2023-07-11 | 山东创宇环保科技有限公司 | 基于大数据的商业能源负荷智能分配方法及系统 |
CN116415801B (zh) * | 2023-06-12 | 2023-08-29 | 山东创宇环保科技有限公司 | 基于大数据的商业能源负荷智能分配方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109034244B (zh) | 基于电量曲线特征模型的线损异常诊断方法及装置 | |
CN114298863B (zh) | 一种智能抄表终端的数据采集方法及系统 | |
CN107992401B (zh) | 性能测试评价方法、装置、终端设备及存储介质 | |
CN109446041B (zh) | 一种服务器压力预警方法、系统及终端设备 | |
CN112307003B (zh) | 电网数据多维辅助分析方法、系统、终端及可读存储介质 | |
CN110542867A (zh) | 电池健康状态评估方法、装置及存储介质 | |
CN113379564A (zh) | 电网负荷预测方法、装置及终端设备 | |
CN110930052A (zh) | 一种变电设备故障率预测方法,系统,设备及可读存储介质 | |
CN111815065A (zh) | 基于长短时记忆神经网络的短期电力负荷预测方法 | |
CN115600831A (zh) | 用户理论响应潜力评估方法、装置、终端及存储介质 | |
CN115905927A (zh) | 用电异常用户的识别方法、装置、电子设备及存储介质 | |
EP3472889A1 (de) | Verfahren und vorrichtung für den lebensdauer-optimierten einsatz eines elektro-chemischen energiespeichers | |
CN110991761B (zh) | 一种供热负荷预测方法及装置 | |
CN111626360A (zh) | 用于检测锅炉故障类型的方法、装置、设备和存储介质 | |
CN110795324A (zh) | 一种数据处理方法及装置 | |
CN113536519B (zh) | 一种生物多样性评价方法及计算机设备 | |
Armony et al. | Asymptotically optimal appointment schedules | |
CN109242321B (zh) | 用户电力负荷在线分析方法及终端设备 | |
CN113590608A (zh) | 一种基于数据流处理的用户用电信息即采即校方法 | |
CN115829268A (zh) | 面向居民的需求响应评估方法及装置、终端、存储介质 | |
CN114462298A (zh) | 电力计量资产管理方法、装置、设备及存储介质 | |
CN113393099A (zh) | 配电网项目群价值指标评估方法、装置及终端设备 | |
CN113238911A (zh) | 告警处理方法及装置 | |
CN112531629B (zh) | 配电网保护定值自动整定方法、装置及终端设备 | |
CN113514713B (zh) | 动车组牵引变流器性能检测方法、装置及终端设备 |
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 |