CN116316609A - 基于损耗应用的电量分配系统 - Google Patents

基于损耗应用的电量分配系统 Download PDF

Info

Publication number
CN116316609A
CN116316609A CN202310413371.1A CN202310413371A CN116316609A CN 116316609 A CN116316609 A CN 116316609A CN 202310413371 A CN202310413371 A CN 202310413371A CN 116316609 A CN116316609 A CN 116316609A
Authority
CN
China
Prior art keywords
city block
set city
electricity
time segment
transformer substation
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.)
Granted
Application number
CN202310413371.1A
Other languages
English (en)
Other versions
CN116316609B (zh
Inventor
刘泓利
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.)
Taizhou Kaitai Electric Power Design Co ltd
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202310413371.1A priority Critical patent/CN116316609B/zh
Publication of CN116316609A publication Critical patent/CN116316609A/zh
Priority to GBGB2320086.8A priority patent/GB202320086D0/en
Application granted granted Critical
Publication of CN116316609B publication Critical patent/CN116316609B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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]
    • 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

本发明涉及一种基于损耗应用的电量分配系统，包括：消耗预测器件，用于根据设定城市街区的多项配置数据以及设定城市街区在当前时间分段之前各个过往时间分段分别对应的各个用电总量预测设定城市街区在当前时间分段即将消耗的用电总量；电量分配器件，用于基于管理设定城市街区的变电站到设定城市街区的送电损耗百分比以及用电总量确定变电站在当前时间分段向设定城市街区分配的用电电量。通过本发明，能够为每一城市街区定制智能预测模型，用于预测城市街区的未来时间分段的用电电量需求数据，并基于预测的城市街区的未来时间分段的用电电量需求数据完成变电站应该在未来时间分段向城市街区供应的用电电量的分配。

Description

基于损耗应用的电量分配系统
技术领域
本发明涉及电力系统领域，尤其涉及一种基于损耗应用的电量分配系统。
背景技术
变压器(Transformer)是利用电磁感应的原理来改变交流电压的装置，主要构件是初级线圈、次级线圈和铁芯(磁芯)。主要功能有：电压变换、电流变换、阻抗变换、隔离、稳压(磁饱和变压器)等。
变压器按用途可以分为：配电变压器、电力变压器、全密封变压器、组合式变压器、干式变压器、油浸式变压器、单相变压器、电炉变压器、整流变压器、电抗器、抗干扰变压器、防雷变压器、箱式变电器试验变压器、转角变压器、大电流变压器、励磁变压器等。
对于整个城市供电系统来说，可能需要设置多个变压器为不同的城市街区进行电量分配，尤其针对大城市乃至超级城市来说，可能需要大量的变压器管理不同城市街区的电量分配，其中，一个变压器管理多个城市街区。这时存在整个城市范围内的电量统筹问题。
如果变压器为单个城市街区分配的电量相比较于所述城市街区需要的电量较多时，可能造成电量的无端损耗，不利于电力资源的节约，相反，如果变压器为单个城市街区分配的电量相比较于所述城市街区需要的电量较少时，可能造成所述城市街区的分配电量不足，影响了所述城市街区的各个用电用户的正常的生活和工作。
发明内容
为了解决相关领域的技术问题，本发明提供了一种基于损耗应用的电量分配系统，能够为每一城市街区定制针对性的智能预测模型，用于基于城市街区的多项配置数据以及城市街区的前序各个时间分段分别对应的各份用电信息预测城市街区的未来时间分段的用电电量需求数据，并基于预测的城市街区的未来时间分段的用电电量需求数据根据变电站到设定城市街区的送电损耗百分比确定变电站应该在未来时间分段向城市街区分配的用电电量，从而在满足各个城市街区的电力供应需求的同时，兼顾城市供电系统的电力资源节省。
根据本发明的一方面，提供了一种基于损耗应用的电量分配系统，所述系统包括：
分布式采集机构，包括多个分散布置的数据采集设备，分别用于采集多个不同用电用户的分时用电数量，每一个数据采集设备采集的相应用电用户的分时用电数量包括所述相应用电用户的一天的各个时间分段内分别使用的各个电量累计数值，一天的各个时间分段分别对应的各个持续时长相等；
区域分辨机构，与所述分布式采集机构连接，用于基于所述分布式采集机构的输出数据针对用电用户的地理位置获取设定城市街区的各个用电用户在过往任一时间分段使用的电量累计数值的总和，以作为设定城市街区过往任一时间分段对应的用电总量；
参数捕获机构，用于获取设定城市街区的占地面积以及设定城市街区内的用电用户的总数，同时获取管理设定城市街区的变电站到设定城市街区的距离；
消耗预测器件，分别与所述分布式采集机构、所述区域分辨机构以及所述参数捕获机构连接，用于根据设定城市街区的占地面积、设定城市街区内的用电用户的总数、管理设定城市街区的变电站到设定城市街区的距离以及设定城市街区在当前时间分段之前各个过往时间分段分别对应的各个用电总量采用卷积神经网络模型预测设定城市街区在当前时间分段即将消耗的用电总量；
电量分配器件，设置在管理设定城市街区的变电站内且与所述消耗预测器件连接，用于基于所述变电站到所述设定城市街区的送电损耗百分比以及预测的所述设定城市街区在当前时间分段即将消耗的用电总量确定所述变电站在当前时间分段向所述设定城市街区分配的用电电量；
其中，将预测的所述设定城市街区在当前时间分段即将消耗的用电总量除以所述变电站到所述设定城市街区的送电损耗百分比获取的电量数值作为确定的所述变电站在当前时间分段向所述设定城市街区分配的用电电量；
其中，选择的在当前时间分段之前各个过往时间分段的数量与设定城市街区的占地面积正向关联。
通过本发明，能够为每一城市街区定制智能预测模型，用于预测城市街区的未来时间分段的用电电量需求数据，并基于预测的城市街区的未来时间分段的用电电量需求数据完成变电站应该在未来时间分段向城市街区供应的用电电量的分配。
附图说明
以下将结合附图对本发明的实施例进行描述，其中：
图1为根据本发明第一实施例示出的基于损耗应用的电量分配系统的结构方框图。
图2为根据本发明第二实施例示出的基于损耗应用的电量分配系统的结构方框图。
图3为根据本发明第三实施例示出的基于损耗应用的电量分配系统的结构方框图。
具体实施方式
下面将参照附图对本发明的基于损耗应用的电量分配系统的实施例进行详细说明。
实施例A
图1为根据本发明第一实施例示出的基于损耗应用的电量分配系统的结构方框图，所述系统包括：
分布式采集机构，包括多个分散布置的数据采集设备，分别用于采集多个不同用电用户的分时用电数量，每一个数据采集设备采集的相应用电用户的分时用电数量包括所述相应用电用户的一天的各个时间分段内分别使用的各个电量累计数值，一天的各个时间分段分别对应的各个持续时长相等；
示例地，分别用于采集多个不同用电用户的分时用电数量，每一个数据采集设备采集的相应用电用户的分时用电数量包括所述相应用电用户的一天的各个时间分段内分别使用的各个电量累计数值，一天的各个时间分段分别对应的各个持续时长相等包括：所述多个不同用电用户为相同类型的用电用户；
例如，所述多个不同用电用户或者为多个不同的工厂企业的用电用户，或者为多个城市居民的用电用户；
区域分辨机构，与所述分布式采集机构连接，用于基于所述分布式采集机构的输出数据针对用电用户的地理位置获取设定城市街区的各个用电用户在过往任一时间分段使用的电量累计数值的总和，以作为设定城市街区过往任一时间分段对应的用电总量；
参数捕获机构，用于获取设定城市街区的占地面积以及设定城市街区内的用电用户的总数，同时获取管理设定城市街区的变电站到设定城市街区的距离；
消耗预测器件，分别与所述分布式采集机构、所述区域分辨机构以及所述参数捕获机构连接，用于根据设定城市街区的占地面积、设定城市街区内的用电用户的总数、管理设定城市街区的变电站到设定城市街区的距离以及设定城市街区在当前时间分段之前各个过往时间分段分别对应的各个用电总量采用卷积神经网络模型预测设定城市街区在当前时间分段即将消耗的用电总量；
电量分配器件，设置在管理设定城市街区的变电站内且与所述消耗预测器件连接，用于基于所述变电站到所述设定城市街区的送电损耗百分比以及预测的所述设定城市街区在当前时间分段即将消耗的用电总量确定所述变电站在当前时间分段向所述设定城市街区分配的用电电量；
其中，将预测的所述设定城市街区在当前时间分段即将消耗的用电总量除以所述变电站到所述设定城市街区的送电损耗百分比获取的电量数值作为确定的所述变电站在当前时间分段向所述设定城市街区分配的用电电量；
其中，选择的在当前时间分段之前各个过往时间分段的数量与设定城市街区的占地面积正向关联。
实施例B
图2为根据本发明第二实施例示出的基于损耗应用的电量分配系统的结构方框图。
相比较于图1，本发明第二实施例示出的基于损耗应用的电量分配系统还可以包括：
信息存储芯片，与所述电量分配器件连接，用于预先存储所述变电站到所述设定城市街区的送电损耗百分比。
实施例C
图3为根据本发明第三实施例示出的基于损耗应用的电量分配系统的结构方框图。
相比较于图1，本发明第三实施例示出的基于损耗应用的电量分配系统还可以包括：
模型建立器件，与所述消耗预测器件连接，用于将经过设定数量的各次学习后的卷积神经网络作为卷积神经网络模型发送给所述消耗预测器件使用；
示例地，将经过设定数量的各次学习后的卷积神经网络作为卷积神经网络模型发送给所述消耗预测器件使用包括：可以采用数值仿真模式完成对经过设定数量的各次学习后的卷积神经网络的构建和测试。
接着，继续对本发明的基于损耗应用的电量分配系统的具体结构进行进一步的说明。
在根据本发明的各个实施例的基于损耗应用的电量分配系统中：
将经过设定数量的各次学习后的卷积神经网络作为卷积神经网络模型发送给所述消耗预测器件使用包括：所述设定数量的取值与所述设定城市街区内的用电用户的总数成正比；
其中，将经过设定数量的各次学习后的卷积神经网络作为卷积神经网络模型发送给所述消耗预测器件使用包括：在每一次学习中，将设定城市街区的占地面积、设定城市街区内的用电用户的总数、管理设定城市街区的变电站到设定城市街区的距离以及设定城市街区在历史单个时间分段之前各个过往时间分段分别对应的各个用电总量作为所述卷积神经网络的各项输入内容，将设定城市街区在历史单个时间分段对应的用电总量作为所述卷积神经网络的单项输入内容。
在根据本发明的各个实施例的基于损耗应用的电量分配系统中：
根据设定城市街区的占地面积、设定城市街区内的用电用户的总数、管理设定城市街区的变电站到设定城市街区的距离以及设定城市街区在当前时间分段之前各个过往时间分段分别对应的各个用电总量采用卷积神经网络模型预测设定城市街区在当前时间分段即将消耗的用电总量包括：将设定城市街区的占地面积、设定城市街区内的用电用户的总数、管理设定城市街区的变电站到设定城市街区的距离以及设定城市街区在当前时间分段之前各个过往时间分段分别对应的各个用电总量作为卷积神经网络模型的各项输入内容，以执行卷积神经网络模型获得卷积神经网络模型输出的设定城市街区在当前时间分段即将消耗的用电总量。
在根据本发明的各个实施例的基于损耗应用的电量分配系统中：
获取管理设定城市街区的变电站到设定城市街区的距离包括：获取管理设定城市街区的变电站的中心位置的定位数据，以及获取设定城市街区的中心位置的定位数据，基于二种定位数据的位置差值确定管理设定城市街区的变电站到设定城市街区的距离；
其中，获取管理设定城市街区的变电站到设定城市街区的距离包括：所述管理设定城市街区的变电站用于为所述设定城市街区调配每一时间分段所需的用电电量。
在根据本发明的各个实施例的基于损耗应用的电量分配系统中：
分别用于采集多个不同用电用户的分时用电数量，每一个数据采集设备采集的相应用电用户的分时用电数量包括所述相应用电用户的一天的各个时间分段内分别使用的各个电量累计数值包括：一天的各个时间分段共同构成一天的时间长度；
其中，基于所述分布式采集机构的输出数据针对用电用户的地理位置获取设定城市街区的各个用电用户在过往任一时间分段使用的电量累计数值的总和，以作为设定城市街区过往任一时间分段对应的用电总量包括：基于所述分布式采集机构的输出数据针对用电用户的地理位置获取设定城市街区的各个用电用户在过往任一时间分段分别使用的各个电量累计数值，将设定城市街区的各个用电用户在过往任一时间分段分别使用的各个电量累计数值相加以获得设定城市街区的各个用电用户在过往任一时间分段使用的电量累计数值的总和。
另外，在所述基于损耗应用的电量分配系统中，根据设定城市街区的占地面积、设定城市街区内的用电用户的总数、管理设定城市街区的变电站到设定城市街区的距离以及设定城市街区在当前时间分段之前各个过往时间分段分别对应的各个用电总量采用卷积神经网络模型预测设定城市街区在当前时间分段即将消耗的用电总量包括：采用数值仿真模式完成对所述卷积神经网络模型的仿真和测试。
通过上面的描述可见，本发明至少具有以下三个重要发明点：
首先、根据设定城市街区的占地面积、设定城市街区内的用电用户的总数、管理设定城市街区的变电站到设定城市街区的距离以及设定城市街区在当前时间分段之前各个过往时间分段分别对应的各个用电总量采用卷积神经网络模型预测设定城市街区在当前时间分段即将消耗的用电总量，从而为设定城市街区在未来时间分段内的电量分配提供关键信息；
其次、基于变电站到设定城市街区的送电损耗百分比以及预测的设定城市街区在当前时间分段即将消耗的用电总量确定变电站在当前时间分段向设定城市街区分配的用电电量，其中，将预测的设定城市街区在当前时间分段即将消耗的用电总量除以变电站到设定城市街区的送电损耗百分比获取的电量数值作为确定的变电站在当前时间分段向设定城市街区分配的用电电量，从而提升整个城市范围内的电力输送的效率和利用率，避免造成有限电力资源的空耗和浪费；
再次、在为设定城市街区针对性设计的卷积神经网络模型中，选择的在当前时间分段之前各个过往时间分段的数量与设定城市街区的占地面积正向关联，从而保证了卷积神经网络模型的预测结果的可靠性。
采用本发明的基于损耗应用的电量分配系统，针对现有技术中难以采用有限电力资源完成整个城市范围内对各个城市街区的充足、有效的电量配置的技术问题，能够为每一城市街区定制智能预测模型，用于预测城市街区的未来时间分段的用电电量需求数据，并基于预测的城市街区的未来时间分段的用电电量需求数据完成变电站应该在未来时间分段向城市街区供应的用电电量的分配。
对本发明示例性实施例的前述描述是为了例示和描述的目的而提供的。其并非旨在穷举或者将本发明限于所公开的确切形式。显然，许多修改和变型对于本领域技术人员是显而易见的。选择并描述示例性实施例是为了最好地说明本发明的原理及其实际应用，从而使得本领域其他技术人员能够理解本发明的适用于所构想特定用途的各种实施例和各种变型例。旨在由所附权利要求及其等同物来限定本发明的范围。

Claims (10)

1.一种基于损耗应用的电量分配系统，其特征在于，所述系统包括：
分布式采集机构，包括多个分散布置的数据采集设备，分别用于采集多个不同用电用户的分时用电数量，每一个数据采集设备采集的相应用电用户的分时用电数量包括所述相应用电用户的一天的各个时间分段内分别使用的各个电量累计数值，一天的各个时间分段分别对应的各个持续时长相等；
区域分辨机构，与所述分布式采集机构连接，用于基于所述分布式采集机构的输出数据针对用电用户的地理位置获取设定城市街区的各个用电用户在过往任一时间分段使用的电量累计数值的总和，以作为设定城市街区过往任一时间分段对应的用电总量；
参数捕获机构，用于获取设定城市街区的占地面积以及设定城市街区内的用电用户的总数，同时获取管理设定城市街区的变电站到设定城市街区的距离；
消耗预测器件，分别与所述分布式采集机构、所述区域分辨机构以及所述参数捕获机构连接，用于根据设定城市街区的占地面积、设定城市街区内的用电用户的总数、管理设定城市街区的变电站到设定城市街区的距离以及设定城市街区在当前时间分段之前各个过往时间分段分别对应的各个用电总量采用卷积神经网络模型预测设定城市街区在当前时间分段即将消耗的用电总量；
电量分配器件，设置在管理设定城市街区的变电站内且与所述消耗预测器件连接，用于基于所述变电站到所述设定城市街区的送电损耗百分比以及预测的所述设定城市街区在当前时间分段即将消耗的用电总量确定所述变电站在当前时间分段向所述设定城市街区分配的用电电量；
其中，将预测的所述设定城市街区在当前时间分段即将消耗的用电总量除以所述变电站到所述设定城市街区的送电损耗百分比获取的电量数值作为确定的所述变电站在当前时间分段向所述设定城市街区分配的用电电量；
其中，选择的在当前时间分段之前各个过往时间分段的数量与设定城市街区的占地面积正向关联。
2.如权利要求1所述的基于损耗应用的电量分配系统，其特征在于，所述系统还包括：
信息存储芯片，与所述电量分配器件连接，用于预先存储所述变电站到所述设定城市街区的送电损耗百分比。
3.如权利要求1所述的基于损耗应用的电量分配系统，其特征在于，所述系统还包括：
模型建立器件，与所述消耗预测器件连接，用于将经过设定数量的各次学习后的卷积神经网络作为卷积神经网络模型发送给所述消耗预测器件使用。
4.如权利要求3所述的基于损耗应用的电量分配系统，其特征在于：
将经过设定数量的各次学习后的卷积神经网络作为卷积神经网络模型发送给所述消耗预测器件使用包括：所述设定数量的取值与所述设定城市街区内的用电用户的总数成正比。
5.如权利要求4所述的基于损耗应用的电量分配系统，其特征在于：
将经过设定数量的各次学习后的卷积神经网络作为卷积神经网络模型发送给所述消耗预测器件使用包括：在每一次学习中，将设定城市街区的占地面积、设定城市街区内的用电用户的总数、管理设定城市街区的变电站到设定城市街区的距离以及设定城市街区在历史单个时间分段之前各个过往时间分段分别对应的各个用电总量作为所述卷积神经网络的各项输入内容，将设定城市街区在历史单个时间分段对应的用电总量作为所述卷积神经网络的单项输入内容。
6.如权利要求2-5任一所述的基于损耗应用的电量分配系统，其特征在于：
根据设定城市街区的占地面积、设定城市街区内的用电用户的总数、管理设定城市街区的变电站到设定城市街区的距离以及设定城市街区在当前时间分段之前各个过往时间分段分别对应的各个用电总量采用卷积神经网络模型预测设定城市街区在当前时间分段即将消耗的用电总量包括：将设定城市街区的占地面积、设定城市街区内的用电用户的总数、管理设定城市街区的变电站到设定城市街区的距离以及设定城市街区在当前时间分段之前各个过往时间分段分别对应的各个用电总量作为卷积神经网络模型的各项输入内容，以执行卷积神经网络模型获得卷积神经网络模型输出的设定城市街区在当前时间分段即将消耗的用电总量。
7.如权利要求2-5任一所述的基于损耗应用的电量分配系统，其特征在于：
获取管理设定城市街区的变电站到设定城市街区的距离包括：获取管理设定城市街区的变电站的中心位置的定位数据，以及获取设定城市街区的中心位置的定位数据，基于二种定位数据的位置差值确定管理设定城市街区的变电站到设定城市街区的距离。
8.如权利要求7所述的基于损耗应用的电量分配系统，其特征在于：
获取管理设定城市街区的变电站到设定城市街区的距离包括：所述管理设定城市街区的变电站用于为所述设定城市街区调配每一时间分段所需的用电电量。
9.如权利要求2-5任一所述的基于损耗应用的电量分配系统，其特征在于：
分别用于采集多个不同用电用户的分时用电数量，每一个数据采集设备采集的相应用电用户的分时用电数量包括所述相应用电用户的一天的各个时间分段内分别使用的各个电量累计数值包括：一天的各个时间分段共同构成一天的时间长度。
10.如权利要求9所述的基于损耗应用的电量分配系统，其特征在于：
基于所述分布式采集机构的输出数据针对用电用户的地理位置获取设定城市街区的各个用电用户在过往任一时间分段使用的电量累计数值的总和，以作为设定城市街区过往任一时间分段对应的用电总量包括：基于所述分布式采集机构的输出数据针对用电用户的地理位置获取设定城市街区的各个用电用户在过往任一时间分段分别使用的各个电量累计数值，将设定城市街区的各个用电用户在过往任一时间分段分别使用的各个电量累计数值相加以获得设定城市街区的各个用电用户在过往任一时间分段使用的电量累计数值的总和。
CN202310413371.1A 2023-04-17 2023-04-17 基于损耗应用的电量分配系统 Active CN116316609B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202310413371.1A CN116316609B (zh) 2023-04-17 2023-04-17 基于损耗应用的电量分配系统
GBGB2320086.8A GB202320086D0 (en) 2023-04-17 2023-12-28 Power distribution system based on loss application

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310413371.1A CN116316609B (zh) 2023-04-17 2023-04-17 基于损耗应用的电量分配系统

Publications (2)

Publication Number Publication Date
CN116316609A true CN116316609A (zh) 2023-06-23
CN116316609B CN116316609B (zh) 2024-04-09

Family

ID=86785139

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310413371.1A Active CN116316609B (zh) 2023-04-17 2023-04-17 基于损耗应用的电量分配系统

Country Status (2)

Country Link
CN (1) CN116316609B (zh)
GB (1) GB202320086D0 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117254494A (zh) * 2023-09-27 2023-12-19 南方电网调峰调频(广东)储能科技有限公司 多站点协同储能集控调度系统及方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102402726A (zh) * 2011-11-04 2012-04-04 中国电力科学研究院 一种基于区域负荷分析的大规模配电网电力电量预测方法
US20130198490A1 (en) * 2012-01-31 2013-08-01 Thang M. Tran Systems and methods for reducing branch misprediction penalty
JP2014071742A (ja) * 2012-09-28 2014-04-21 Fujifilm Corp 生物濃縮倍率の予測装置、予測方法及びプログラム
CN106096774A (zh) * 2016-06-07 2016-11-09 国网山东省电力公司菏泽供电公司 一种基于网格法的大面积区域全社会用电量预测方法
TW201907337A (zh) * 2017-07-04 2019-02-16 台灣電力股份有限公司 由多個類神經網路組成的發電量預測系統與其方法
WO2022069685A2 (de) * 2020-09-30 2022-04-07 Daniel Brand GmbH Verfahren zur bedarfsgerechten bestimmung eines wasser- und/oder nährstoffbedarfs einzelner bäume sowie wasserspeicher
CN115186944A (zh) * 2022-09-15 2022-10-14 合肥优晟电力科技有限公司 一种城市配电网规划方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102402726A (zh) * 2011-11-04 2012-04-04 中国电力科学研究院 一种基于区域负荷分析的大规模配电网电力电量预测方法
US20130198490A1 (en) * 2012-01-31 2013-08-01 Thang M. Tran Systems and methods for reducing branch misprediction penalty
JP2014071742A (ja) * 2012-09-28 2014-04-21 Fujifilm Corp 生物濃縮倍率の予測装置、予測方法及びプログラム
CN106096774A (zh) * 2016-06-07 2016-11-09 国网山东省电力公司菏泽供电公司 一种基于网格法的大面积区域全社会用电量预测方法
TW201907337A (zh) * 2017-07-04 2019-02-16 台灣電力股份有限公司 由多個類神經網路組成的發電量預測系統與其方法
WO2022069685A2 (de) * 2020-09-30 2022-04-07 Daniel Brand GmbH Verfahren zur bedarfsgerechten bestimmung eines wasser- und/oder nährstoffbedarfs einzelner bäume sowie wasserspeicher
CN115186944A (zh) * 2022-09-15 2022-10-14 合肥优晟电力科技有限公司 一种城市配电网规划方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
冯伟;蒋玮;杨乐;姚建光;郭亮;吴倩;汤海波;: "基于BP神经网络方法的城市用电量预测模型研究", 电网与清洁能源, no. 06, 25 June 2018 (2018-06-25) *
杨立, 左春, 王裕国: "保险洪灾损失预测模型", 计算机辅助设计与图形学学报, no. 11, 20 November 2005 (2005-11-20) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117254494A (zh) * 2023-09-27 2023-12-19 南方电网调峰调频(广东)储能科技有限公司 多站点协同储能集控调度系统及方法
CN117254494B (zh) * 2023-09-27 2024-03-22 南方电网调峰调频(广东)储能科技有限公司 多站点协同储能集控调度系统及方法

Also Published As

Publication number Publication date
GB202320086D0 (en) 2024-02-14
CN116316609B (zh) 2024-04-09

Similar Documents

Publication Publication Date Title
Karfopoulos et al. Distributed coordination of electric vehicles providing V2G services
Di Santo et al. A review on smart grids and experiences in Brazil
Hayes et al. Optimal power flow for maximizing network benefits from demand-side management
Tan et al. An optimal and distributed demand response strategy with electric vehicles in the smart grid
Hayashi et al. Versatile modeling platform for cooperative energy management systems in smart cities
CN116316609B (zh) 基于损耗应用的电量分配系统
KR20140048108A (ko) 에너지 소비 관리
Garcia et al. Multi-objective optimization for the management of the response to the electrical demand in commercial users
JP6539169B2 (ja) 電力管理システム、電力管理方法及びプログラム
EP2730003B1 (en) Distributed energy grid management
Patel et al. Role of smart meters in smart city development in India
CN108199367B (zh) 一种基于中压配电网单元制网格供电规划方法
Yaghmaee et al. Personalized pricing: A new approach for dynamic pricing in the smart grid
JPWO2012114372A1 (ja) 電力需要管理システム及び電力需要管理方法
Humayun et al. Optimal capacity planning of substation transformers by demand response combined with network automation
Jha et al. Emission-aware energy storage scheduling for a greener grid
Pouladi et al. A new model of charging demand related to plug-in hybrid electric vehicles aggregation
US10931107B2 (en) System and method for management of an electricity distribution grid
Nguyen et al. Multi-objective demand response allocation in restructured energy market
CN106296464A (zh) 大数据多点负荷预测方法
Murakami et al. Dynamic optimization of SVR control parameters for improving tap operation efficiency of voltage control in distribution networks
Badar et al. Economic analysis and control strategy of residential prosumer
van Pruissen et al. High concentration of heat pumps in suburban areas and reduction of their impact on the electricity network
Lin Market-based transmission planning model in PJM electricity market
Tavares et al. Distribution network planning using detailed flexibility models for DER

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
TA01 Transfer of patent application right

Effective date of registration: 20231204

Address after: Room 1101, Building 5, New World Center, No. 88, the Pearl River Road, Nanjing, Jiangsu Province, 210000

Applicant after: Nanjing Moye Electrical Equipment Co.,Ltd.

Address before: 300380 Tianjin electric power construction company, No. 258, Xiqing Road, Xiqing District, Tianjin

Applicant before: Liu Hongli

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240315

Address after: No. 102, Fenghuang West Road, pharmaceutical high tech Zone, Taizhou, Jiangsu 225300

Applicant after: Taizhou Kaitai Electric Power Design Co.,Ltd.

Country or region after: China

Address before: Room 1101, Building 5, New World Center, No. 88, the Pearl River Road, Nanjing, Jiangsu Province, 210000

Applicant before: Nanjing Moye Electrical Equipment Co.,Ltd.

Country or region before: China

GR01 Patent grant