CN116523273B - 一种面向工业用户的需求响应特性分析方法 - Google Patents

一种面向工业用户的需求响应特性分析方法 Download PDF

Info

Publication number
CN116523273B
CN116523273B CN202310806384.5A CN202310806384A CN116523273B CN 116523273 B CN116523273 B CN 116523273B CN 202310806384 A CN202310806384 A CN 202310806384A CN 116523273 B CN116523273 B CN 116523273B
Authority
CN
China
Prior art keywords
load
demand response
response
industrial
user
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
Application number
CN202310806384.5A
Other languages
English (en)
Other versions
CN116523273A (zh
Inventor
姚煜
庄华龙
刘敦楠
范晋衡
杜熠伯
董治新
马振宇
张祖菡
赵颖
周亮
余志文
彭伟伦
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.)
Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Beijing Huadian Energy Internet Research Institute Co ltd
North China Electric Power University
Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
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 Beijing Huadian Energy Internet Research Institute Co ltd, North China Electric Power University, Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Beijing Huadian Energy Internet Research Institute Co ltd
Priority to CN202310806384.5A priority Critical patent/CN116523273B/zh
Publication of CN116523273A publication Critical patent/CN116523273A/zh
Application granted granted Critical
Publication of CN116523273B publication Critical patent/CN116523273B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • G06Q10/06316—Sequencing of tasks or work
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及电力调度技术领域，具体涉及一种面向工业用户的需求响应特性分析方法，包括以下步骤：采集工业用户历史负荷数据和历史需求响应数据；对工业用户负荷可调成分进行分析与辨识；针对工业用户历史负荷数据进行分析，将负荷分解到各类工业设备上；对需求响应量与激励价格关系进行分段拟合。本发明，分别对不同类型负荷的响应量与激励价格关系进行分析，更精确地描述工业用户需求响应的经济特性，结合负荷成分辨识的方法，针对不同负荷成分单独分析，分段得到响应负荷量与激励价格关系，无需对工业用户的生产流程进行分析和建模，大大减小了需求响应特性分析的工作量。

Description

一种面向工业用户的需求响应特性分析方法
技术领域
本发明涉及电力调度技术领域，尤其涉及一种面向工业用户的需求响应特性分析方法。
背景技术
随着新能源装机量以及发电量的不断增长，电网发电侧的调控能力不断下降，需求侧管理的意义愈发重要，常见的电力需求侧管理实现方式之一为需求响应，需求响应主要分为价格型和激励型，在激励型需求响应中，用户可与电力公司签订可中断负荷合同，协商确定相应的补偿，工业用户作为用电大户，其调节潜力也非常巨大。
工业用户的用电负荷根据用电目的不同可分为生产设备用电、温控设备用电和其他设备用电，不同类别用电负荷的可调节能力是不同的，具体表现为某些用电设备的负荷弹性较高，中断其电力供给对用户的安全、生产以及舒适性不会有太大的影响，而某些用电设备的负荷弹性非常小，中断其电力供给可能会造成较大的经济损失甚至引发安全事故。
目前来看，已有大量研究通过对工业用户的生产过程进行建模分析，然后计算参加需求响应每个环节的成本，进而得到用户的可中断时长、可压降负荷量以及负荷压降成本，然而这种方式需要对每个用户的生产流程和成本进行详细分析，工作量大，不适合对大量用户进行分析。
若不对工业用户的生产过程进行建模分析，则可以通过分析用户负荷变化量和电价变化或激励价格之间的关系，计算得到价格弹性，进而评估用户的调节潜力，然而这种方式所构建的价格弹性函数较为单一，并且往往忽略了用户不同的负荷成分具有差异较大的价格弹性。
发明内容
基于上述目的，本发明提供了一种面向工业用户的需求响应特性分析方法。
一种面向工业用户的需求响应特性分析方法，包括以下步骤：
S1：采集工业用户历史负荷数据和历史需求响应数据；
S2：对工业用户负荷可调成分进行分析与辨识，具体如下：
S21. 构建负荷分解模型，该模型基于有功功率特征和无功功率特征构建，所述有功功率特征和无功功率特征根据采集的有功数据和无功数据获得，所述有功数据和无功数据基于工业设备不同工况的数据，所述负荷分解模型为：
其中，为负荷设备总数；
、/>分别为第/>级需求响应前负荷的总有功功率和总无功功率；
为负荷设备/>的工况总数，/>；/>为负荷设备/>在第/>级需求响应前处于工况/>；
、/>分别为负荷设备/>在第/>级需求响应前处于工况/>时的有功功率和无功功率；
S22. 采用遗传算法求解上述模型，计算该用户历次参与需求响应前的各负荷成分占总负荷的比值以及需求响应过程中负荷改变量中各设备负荷成分；
S23. 按照用户需求响应时调用设备的优先度，对各设备负荷进行排序，进而形成按优先响应级别排序的负荷成分表；
S3：针对工业用户历史负荷数据进行分析，将负荷分解到各类工业设备上；
S4：对需求响应量与激励价格关系进行分段拟合，具体包括：
S41.确定该工业用户历史上每次参与需求响应时的基线负荷和需求响应负荷总量，需求响应日对应需求响应时段的基线负荷为前三个未参与需求响应日对应时间段的实际负荷的均值，基线负荷为/>，其计算方法为：
其中，P为每日需求响应时段实际负荷为该时段的平均负荷；
所述S41需求响应日该时段响应负荷量为,计算方法为：
其中，为需求响应日对应需求响应时段的实际负荷；
S42. 分析该工业用户历次需求响应的响应负荷成分，并计算各负荷成分的响应量，方法如下：
计算每个负荷成分各自的最大响应量；
其中，为第k个负荷成分的最大响应量，/>为平均负荷占比，/>为平均最大压降比例；
将响应负荷量分解到n级负荷成分上，求解得：
则认为参与响应的负荷成分为第1级到第n级负荷成分，且各负荷成分的响应量为：
；
S43. 计算该工业用户历史上每次参与需求响应时各负荷成分对应的激励单价，设某次需求响应时级负荷成分对应的激励单价为/>；
其中，为本次参与需求响应的激励总额；
每个负荷成分各自响应率计算方法为：
；
S44. 分析该工业用户历次需求响应时，各负荷成分的响应率与对应激励价格之间的关系，分别采用函数进行拟合，将用户每个负荷成分各自响应率与激励单价之间的关系视为一个由两段二次函数构成的分段函数，选取两段区间各自范围内的数据点，用最小二乘法对响应率和激励单价进行拟合，最终求得每个负荷成分各自响应率与激励单价之间的函数关系，并整合为一个分段函数。
进一步的，所述S1中：
负荷数据包括：该工业用户的历史总用电的有功和无功数据、工业设备不同工况下的有功和无功数据；
需求响应数据包括：该用户历次可参与的需求响应的激励单价、该用户历次参与需求响应的负荷量，通过智能电表采集某工业用户近三个月每日的用电有功负荷曲线和无功负荷曲线/>，其中，/>表示每日的时间节点编号；通过当地供电公司确定该工业用户近三个月历次参与需求响应收到的激励总额/>；通过实地测试或设备的技术参数得到该用户所用设备/>在工况/>下的有功功率Pi,m和无功功率Qi,m。
进一步的，所述历史负荷数据以及历史需求响应数据来源于智能电表、供电公司、测试参数。
本发明的有益效果：
本发明，分别对不同类型负荷的响应量与激励价格关系进行分析，更精确地描述工业用户需求响应的经济特性；结合负荷成分辨识的方法，针对不同负荷成分单独分析，分段得到响应负荷量与激励价格关系；无需对工业用户的生产流程进行分析和建模，大大减小了需求响应特性分析的工作量。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，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，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为本发明实施例的分析方法流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，对本发明进一步详细说明。
需要说明的是，除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
如图1所示，一种面向工业用户的需求响应特性分析方法，包括以下步骤：
步骤一：采集工业用户历史负荷数据和历史需求响应数据；
步骤二：对工业用户负荷可调成分进行分析与辨识；
步骤三：针对工业用户历史负荷数据进行分析，将负荷分解到各类工业设备上；
步骤四：对需求响应量与激励价格关系进行分段拟合。
具体如下：
（1）通过智能电表采集某工业用户近三个月每日的用电有功负荷曲线和无功负荷曲线/>，其中，/>表示每日的时间节点编号；通过当地供电公司确定该工业用户近三个月历次参与需求响应收到的激励总额/>；通过实地测试或设备的技术参数得到该用户所用设备/>在工况/>下的Pi,m和无功功率Qi,m。
（2）工业用户负荷可调成分的分析与辨识。针对工业用户历史负荷数据进行分析，将负荷分解到各类工业设备上，进而按照调节优先等级划分为不同的负荷成分。具体步骤如下：
a. 结合（1）中采集的工业设备不同工况下的有功和无功数据，构建基于有功功率和无功功率特征的负荷分解模型：
为负荷设备总数；/>、/>分别为第/>级需求响应前负荷的总有功功率和总无功功率；/>为负荷设备/>的工况总数，/>；/>为负荷设备在第/>次需求响应前处于工况/>；/>、/>分别为负荷设备/>在第/>级需求响应前处于工况/>时的有功功率和无功功率。
b. 利用遗传算法求解模型，计算该用户历次参与需求响应前的各设备占比。在用户每一个总负荷下，设备状态和其对应的功率都是未知量，算法求解过程即为根据各采样点总功率，寻优得到算法拟合总功率与实际总功率距离最小化的最优工况序列和对应设备功率情况。基于有功功率和无功功率特征的寻优目标函数为。
式中，为拟合总功率与实际总功率的距离，/>越小，表明此时的工况序列/>越接近设备真实情况；/>为权重因子，/>。
分别求得级需求响应前总负荷分解到各工业设备上的有功功率/>，进而计算得到各设备的负荷占比/>。
同理，计算得到需求响应过程中负荷改变量中各设备负荷的多少，，进而计算得到各设备的负荷改变比例/>。
式中，为设备/>最近三十天内的最大有功功率，即/>。
c. 将各设备按照参与需求响应的参与度由高到低排序，分为级响应优先度，各级优先度设备产生的负荷记为对应级别的响应负荷，/>。某设备的参与度是指，三十天内共/>级需求响应调用设备/>的次数/>，/>越大表明该设备参与需求响应（即在工业用户参与需求响应是被调用）的优先级别越高。
确定的值以及各设备的级别，使得/>最小。
式中，为/>级响应优先度的/>个设备的标准差，/>为各设备参与度的平均值，/>为该工业用户/>个级别响应优先度设备的标准差之和。
该用户第级负荷平均占比/>为/>级需求响应前所有/>级设备负荷占比的平均值；级负荷平均占比/>为/>级需求响应时所有/>级设备负荷改变比例的平均值。
其中为属于第/>个级别响应优先度的设备。
最终得到如下表格（示例）：
（3）对某个响应时间段下用户响应负荷量与激励价格的关系进行拟合。具体步骤如下：
a.确定该工业用户历史上每次参与需求响应时的基线负荷和响应负荷总量。
每日需求响应时段实际负荷为该时段的平均负荷,计算方法为：
其中，为每天对应需求响应时段内第/>个时间节点的瞬时负荷。
需求响应日对应需求响应时段的基线负荷为前三个未参与需求响应日对应时间段的实际负荷/>的均值，计算方法为：
需求响应日对应需求响应时段的实际负荷记为，计算方法为：
其中，为需求响应日当天对应需求响应时段内第/>个时间节点的瞬时负荷。
需求响应日该时段响应负荷量为,计算方法为：
b.分析该工业用户历次需求响应的响应负荷成分（即不同响应优先度级别的负荷各为一个负荷成分），并计算各负荷成分的响应量，方法如下：
计算每个负荷成分各自的最大响应量。
其中，为第k个负荷成分的大响应量，/>为平均负荷占比，/>为平均最大压降比例；
将响应负荷量分解到n级负荷成分上，求解得：
则认为参与响应的负荷成分为第1级到第n级负荷成分，且各负荷成分的响应量为：
c.计算该工业用户历史上每次参与需求响应时，每个负荷成分对应的激励单价，方法如下：
计算某次需求响应时级负荷成分对应的激励单价/>。
其中，为本次参与需求响应的激励总额。
每个负荷成分各自响应率计算方法为：
d.拟合每个负荷成分各自响应率与对应激励单价之间的函数关系，方法如下：
把用户每个负荷成分各自响应率与激励单价之间的关系视为一个由两段二次函数构成的分段函数，分段点为(。例如/>，/>即为/>对应的激励单价。
选取两段区间各自范围内的数据点，用最小二乘法对响应率和激励单价进行拟合，最终求得每个负荷成分各自响应率与激励单价/>之间的函数关系，并整合为一个分段函数：
本发明旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种面向工业用户的需求响应特性分析方法，其特征在于，包括以下步骤：
S1：采集工业用户历史负荷数据和历史需求响应数据；
S2：对工业用户负荷成分进行分析与辨识，具体如下：
S21.构建负荷分解模型，该模型基于有功功率特征和无功功率特征构建，所述有功功率特征和无功功率特征根据采集的有功数据和无功数据获得，所述有功数据和无功数据来源于工业设备不同工况下的数据，所述负荷分解模型为：
其中，N为负荷设备总数；
PL(n)、QL(n)分别为第n级需求响应前负荷的总有功功率和总无功功率；
M(i)为负荷设备i的工况总数，M(i)∈{1,2,3,…}；si,m(n)为负荷设备i在第n级需求响应前处于工况m；
Pi,m(n)、Qi,m(n)分别为负荷设备i在第n级需求响应前处于工况m时的有功功率和无功功率；
S22.采用遗传算法求解上述模型，计算该用户历次参与需求响应前的各负荷成分占总负荷的比值以及需求响应过程中负荷改变量中各负荷成分；
S23.按照用户需求响应时调用设备的优先度，对各设备负荷进行排序，进而形成按优先响应级别排序的负荷成分表；
S3：针对工业用户历史负荷数据进行分析，将负荷分解到各类工业设备上；
S4：对需求响应量与激励价格关系进行分段拟合，具体包括：
S41.确定该工业用户历史上每次参与需求响应时的基线负荷和需求响应负荷总量，需求响应日对应需求响应时段的基线负荷为前三个未参与需求响应日对应时间段的实际负荷P的均值，基线负荷为Pbase，其计算方法为：
需求响应日对应需求响应时段响应负荷量为Pres,计算方法为：
Pres＝Pbase-Prea
其中，Prea为需求响应日对应需求响应时段的实际负荷；
S42.分析该工业用户历次需求响应的响应负荷成分，并计算各负荷成分的响应量，方法如下：
计算每个负荷成分各自的最大响应量FK：
FK＝Pbase×RK×CRK
其中，FK为第k个负荷成分的最大响应量，RK为平均负荷占比，CRK为平均最大压降比例；
将响应负荷量分解到n级负荷成分上，求解得：
则认为参与响应的负荷成分为第1级到第n级负荷成分，且各负荷成分的响应量PK为：
S43.计算该工业用户历史上每次参与需求响应时各负荷成分对应的激励单价，设某次需求响应时K级负荷成分对应的激励单价为OK；
其中，M为本次参与需求响应的激励总额；
每个负荷成分各自响应率计算方法为：
S44.分析该工业用户历次需求响应时，各负荷成分的响应率与对应激励价格之间的关系，分别采用函数进行拟合，将用户每个负荷成分各自响应率与激励单价之间的关系视为一个由两段二次函数构成的分段函数，选取两段区间各自范围内的数据点，用最小二乘法对响应率和激励单价进行拟合，最终求得每个负荷成分各自响应率与激励单价之间的函数关系，并整合为一个分段函数。
2.根据权利要求1所述的一种面向工业用户的需求响应特性分析方法，其特征在于，所述S1中：
负荷数据包括：该工业用户的历史总用电的有功和无功数据、工业设备不同工况下的有功和无功数据；
需求响应数据包括：该用户历次参与的需求响应的激励单价、该用户历次参与需求响应的负荷量，通过智能电表采集某工业用户近三个月每日的用电有功负荷曲线Pt和无功负荷曲线Qt，其中，t表示每日的时间节点编号；通过当地供电公司确定该工业用户近三个月历次参与需求响应收到的激励总额M；通过实地测试或设备的技术参数得到该用户所用设备i在工况m下的有功功率Pi,m和无功功率Qi,m。
3.根据权利要求2所述的一种面向工业用户的需求响应特性分析方法，其特征在于，所述历史负荷数据以及历史需求响应数据来源于智能电表、供电公司、测试参数。
CN202310806384.5A 2023-07-04 2023-07-04 一种面向工业用户的需求响应特性分析方法 Active CN116523273B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310806384.5A CN116523273B (zh) 2023-07-04 2023-07-04 一种面向工业用户的需求响应特性分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310806384.5A CN116523273B (zh) 2023-07-04 2023-07-04 一种面向工业用户的需求响应特性分析方法

Publications (2)

Publication Number Publication Date
CN116523273A CN116523273A (zh) 2023-08-01
CN116523273B true CN116523273B (zh) 2023-09-22

Family

ID=87401554

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310806384.5A Active CN116523273B (zh) 2023-07-04 2023-07-04 一种面向工业用户的需求响应特性分析方法

Country Status (1)

Country Link
CN (1) CN116523273B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107578288A (zh) * 2017-09-08 2018-01-12 东南大学 一种考虑用户用电模式差异的非侵入式负荷分解方法
CN108062627A (zh) * 2017-12-16 2018-05-22 广西电网有限责任公司电力科学研究院 一种基于非侵入式用电数据的需求响应分析方法
CN109508908A (zh) * 2018-12-25 2019-03-22 深圳市城市公共安全技术研究院有限公司 非侵入式负荷识别模型训练方法、负荷监测方法及装置
CN110460045A (zh) * 2019-08-12 2019-11-15 国网上海市电力公司 一种基于回归分析法的基线负荷模型的负荷辨识方法
CN110705792A (zh) * 2019-09-30 2020-01-17 重庆大学 一种计及分时定价的动态需求响应求解方法
CN111612052A (zh) * 2020-05-12 2020-09-01 国网河北省电力有限公司电力科学研究院 一种基于改进遗传算法的非侵入式负荷分解方法
CN111952978A (zh) * 2020-07-08 2020-11-17 中国电力科学研究院有限公司 一种考虑用户响应特性的需求响应激励方法及系统
CN115423539A (zh) * 2022-11-03 2022-12-02 南昌工程学院 一种考虑用户满意度的需求响应激励价格确定方法及装置
CN116070888A (zh) * 2023-04-06 2023-05-05 国网浙江省电力有限公司金华供电公司 基于决策树的虚拟电厂可调容量分析方法、装置及介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10879698B2 (en) * 2017-11-30 2020-12-29 Abb Schweiz Ag Systems and methods for performing building power management

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107578288A (zh) * 2017-09-08 2018-01-12 东南大学 一种考虑用户用电模式差异的非侵入式负荷分解方法
CN108062627A (zh) * 2017-12-16 2018-05-22 广西电网有限责任公司电力科学研究院 一种基于非侵入式用电数据的需求响应分析方法
CN109508908A (zh) * 2018-12-25 2019-03-22 深圳市城市公共安全技术研究院有限公司 非侵入式负荷识别模型训练方法、负荷监测方法及装置
CN110460045A (zh) * 2019-08-12 2019-11-15 国网上海市电力公司 一种基于回归分析法的基线负荷模型的负荷辨识方法
CN110705792A (zh) * 2019-09-30 2020-01-17 重庆大学 一种计及分时定价的动态需求响应求解方法
CN111612052A (zh) * 2020-05-12 2020-09-01 国网河北省电力有限公司电力科学研究院 一种基于改进遗传算法的非侵入式负荷分解方法
CN111952978A (zh) * 2020-07-08 2020-11-17 中国电力科学研究院有限公司 一种考虑用户响应特性的需求响应激励方法及系统
CN115423539A (zh) * 2022-11-03 2022-12-02 南昌工程学院 一种考虑用户满意度的需求响应激励价格确定方法及装置
CN116070888A (zh) * 2023-04-06 2023-05-05 国网浙江省电力有限公司金华供电公司 基于决策树的虚拟电厂可调容量分析方法、装置及介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
考虑用户用电特性的基线负荷计算方法;刘顺桂;杨佳驹;王磊;;电力需求侧管理(03);全文 *
考虑用户用电特性的基线负荷计算方法;芦兴;何刚;;供用电(04);全文 *

Also Published As

Publication number Publication date
CN116523273A (zh) 2023-08-01

Similar Documents

Publication Publication Date Title
Das et al. Day-ahead optimal bidding strategy of microgrid with demand response program considering uncertainties and outages of renewable energy resources
Dong et al. Wind power day-ahead prediction with cluster analysis of NWP
Jota et al. Building load management using cluster and statistical analyses
CN104657788B (zh) 基于行业景气指数的重点行业用电量预测方法
Wang et al. Analysis of conservation voltage reduction effects based on multistage SVR and stochastic process
CN110097297A (zh) 一种多维度窃电态势智能感知方法、系统、设备及介质
CN102999791A (zh) 一种电力行业中基于客户分群的电力负荷预测方法
JP7114956B2 (ja) 電力需要算出装置およびプログラム
CN114372360A (zh) 用于电力负荷预测的方法、终端及存储介质
CN105184388A (zh) 一种城市电力负荷短期预测的非线性回归方法
CN111582548A (zh) 一种基于多元用户行为画像的用电负荷预测方法
CN115222106A (zh) 一种自适应模型的用户日前负荷预测方法
CN115496627A (zh) 一种可调资源响应潜力的评估方法及系统
Ibrahim et al. Short-term individual household load forecasting framework using LSTM deep learning approach
CN110533247A (zh) 一种采用气温数据异常点补偿的月度用电量预测方法
CN114595861A (zh) 基于mstl和lstm模型的中长期电力负荷预测方法
Bashawyah et al. Machine learning based short-term load forecasting for smart meter energy consumption data in london households
CN114186733A (zh) 一种短期负荷预测方法和装置
CN104252647B (zh) 基于反距离权重插值法的用电负荷预测方法
Aritonang et al. An application of backpropagation neural network for sales forecasting rice miling unit
CN116523273B (zh) 一种面向工业用户的需求响应特性分析方法
CN115829418A (zh) 适用于负荷管理的电力用户负荷特性画像构建方法和系统
CN115358476A (zh) 需求响应潜力预测方法、装置、计算机设备和存储介质
CN115392546A (zh) 基于气象因子的降温电量预测及需求侧管理方法及装置
Kuo et al. A novel framework short-term load forecasting for micro-grid energy management system

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
TR01 Transfer of patent right

Effective date of registration: 20231211

Address after: 510620, No. two, No. 2, Tianhe South Road, Guangzhou, Guangdong, Tianhe District

Patentee after: Guangzhou Power Supply Bureau of Guangdong Power Grid Co.,Ltd.

Address before: 510620, No. two, No. 2, Tianhe South Road, Guangzhou, Guangdong, Tianhe District

Patentee before: Guangzhou Power Supply Bureau of Guangdong Power Grid Co.,Ltd.

Patentee before: NORTH CHINA ELECTRIC POWER University

Patentee before: Beijing Huadian energy Internet Research Institute Co.,Ltd.

TR01 Transfer of patent right