CN117040029B - 配电网电力调度方法、装置、计算机设备和存储介质 - Google Patents
配电网电力调度方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117040029B CN117040029B CN202311288306.7A CN202311288306A CN117040029B CN 117040029 B CN117040029 B CN 117040029B CN 202311288306 A CN202311288306 A CN 202311288306A CN 117040029 B CN117040029 B CN 117040029B
- Authority
- CN
- China
- Prior art keywords
- predicted
- load
- power
- target area
- power generation
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000010248 power generation Methods 0.000 claims abstract description 173
- 230000005611 electricity Effects 0.000 claims description 30
- 230000007613 environmental effect Effects 0.000 claims description 26
- 238000012216 screening Methods 0.000 claims description 20
- 230000000694 effects Effects 0.000 abstract description 4
- 238000004590 computer program Methods 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 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
- 230000008569 process Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given 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
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种配电网电力调度方法、装置、计算机设备和存储介质。所述方法包括:根据预测环境数据和预设负荷样本库对目标地区进行负荷预测,获得预测负荷信息;根据预测负荷信息对目标地区的供电性能进行判断,获得性能判断结果;根据性能判断结果和负荷峰值时段确定目标地区发电源和配电网发电源的调度方案。采用本方法能够基于地区负荷类型以及配电网的具体负荷情况进行电力合理调度的效果,并且减轻了配电网在负荷峰值时段的供电压力。
Description
技术领域
本申请涉及配电网技术领域,特别是涉及一种配电网电力调度方法、装置、计算机设备和存储介质。
背景技术
随着科技的进步,各个家庭中的电器多种多样,其中的电力消耗也是越来越严重,在居民的用电高峰期,就会出现负载严重的情况,从而负载控制成为了一个亟需解决的问题。
在现有技术中,为了解决这样的问题,会在用电高峰期削减一部分电器的用电时长。但是这样无差别削减电器耗能的方法,就会造成一些必要的不能断电的电器面临断电的风险。例如不能断电的电器可以为电冰箱。其中当这些必要的不能断电的电器断电之后就会对居民生活造成不良影响。
发明内容
基于此,有必要针对上述技术问题,提供一种能够结合地区和配电网负荷情况有效缓解负荷波动的配电网电力调度方法、装置、计算机设备和计算机可读存储介质。
第一方面,本申请提供了一种配电网电力调度方法。该方法包括:
根据预测环境数据和预设负荷样本库对目标地区进行负荷预测,获得预测负荷信息;
根据预测负荷信息对目标地区的供电性能进行判断,获得性能判断结果;
根据性能判断结果和负荷峰值时段确定目标地区发电源和配电网发电源的调度方案。
在其中一个实施例中,根据预测环境数据和预设负荷样本库对目标地区进行负荷预测,获得预测负荷信息,包括:
根据预测环境数据和第一样本库对目标地区进行用电负荷预测,获得预测用电负荷;
根据预测环境信息和第二样本库对目标地区进行发电量预测,获得第一预测发电量;
根据预测环境信息和第三样本库对目标地区进行发电量预测,获得第二预测发电量;
将预测用电负荷、第一预测发电量和第二预测发电量设定为预测负荷信息。
在其中一个实施例中,根据预测环境数据和第一样本库对目标地区进行用电负荷预测,获得预测用电负荷,包括:
根据预测时段和第一样本库进行样本选择,获得第一预选样本集;
根据第一预选样本集、预测环境信息和预设距离阈值进行样本筛选,获得第一目标样本集;
根据第一目标样本集对预测时段的目标地区进行负荷预测,获得预测用电负荷。
在其中一个实施例中,根据预测环境信息和第二样本库对目标地区进行发电量预测,获得第一预测发电量,包括:
根据预测环境信息的日照光度、第二样本库和预设光度差值阈值进行样本筛选,获得第二目标样本集;
根据第二目标样本集对预测时段的目标地区进行发电量预测,获得第一预测发电量。
在其中一个实施例中,根据预测环境信息和第三样本库对目标地区进行发电量预测,获得第二预测发电量,包括:
根据预测环境信息的预测风力、第三样本库和预设风力差值进行样本筛选,获得第三目标样本集;
根据第三目标样本集对预测时段的目标地区进行发电量预测,获得第二预测发电量。
在其中一个实施例中,根据预测负荷信息对目标地区的供电性能进行判断,获得性能判断结果,包括:
根据预测负荷信息中第一预测发电量和第二预测发电量确定目标地区发电量;
利用预测负荷信息中预测用电负荷和目标地区发电量对目标地区的供电性能进行判断,获得性能判断结果。
在其中一个实施例中,根据性能判断结果和负荷峰值时段确定目标地区发电源和配电网发电源的调度方案,包括:
当性能判断结果为目标地区发电量不低于预测用电负荷,根据预测负荷信息执行第一电力调度方案;
当性能判断结果为目标地区发电量低于预测用电负荷,根据目标地区发电量和预测刚性负荷进行刚性需求判断,获得刚性需求判断结果;
基于刚性需求判断结果执行不同的电力调度方案。
在其中一个实施例中,基于刚性需求判断结果执行不同的电力调度方案,包括:
当刚性需求判断结果为目标地区发电量低于预测刚性负荷,根据负荷峰值时段和预测时段进行用电时段判断,获得时段判断结果;
当时段判断结果为预测时段处于负荷峰值时段内,执行第二电力调度方案;
当时段判断结果为预测时段不处于负荷峰值时段内,执行第三电力调度方案。
在其中一个实施例中,基于刚性需求判断结果执行不同的电力调度方案,还包括:
当刚性需求判断结果为目标地区发电量处于预测刚性负荷和预测总负荷之间,根据负荷峰值时段和预测时段进行用电时段判断,获得时段判断结果;
当时段判断结果为预测时段不处于负荷峰值时段内,执行第三电力调度方案;
当时段判断结果为预测时段处于负荷峰值时段内,执行第四电力调度方案。
第二方面,本申请还提供了一种配电网电力调度装置。该装置包括:
负荷预测模块,用于根据预测环境数据和预设负荷样本库对目标地区进行负荷预测,获得预测负荷信息;
性能判断模块,用于根据预测负荷信息对目标地区的供电性能进行判断,获得性能判断结果;
方案选择模块,用于根据性能判断结果和负荷峰值时段确定目标地区发电源和配电网发电源的调度方案。
第三方面,本申请还提供了一种计算机设备。该计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
根据预测环境数据和预设负荷样本库对目标地区进行负荷预测,获得预测负荷信息;
根据预测负荷信息对目标地区的供电性能进行判断,获得性能判断结果;
根据性能判断结果和负荷峰值时段确定目标地区发电源和配电网发电源的调度方案。
第四方面,本申请还提供了一种计算机可读存储介质。该计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
根据预测环境数据和预设负荷样本库对目标地区进行负荷预测,获得预测负荷信息;
根据预测负荷信息对目标地区的供电性能进行判断,获得性能判断结果;
根据性能判断结果和负荷峰值时段确定目标地区发电源和配电网发电源的调度方案。
上述配电网电力调度方法、装置、计算机设备和存储介质,获取预测时段的预测环境数据,通过对预测时段分析得到分析结果,根据分析结果在不同的样本库中选取对应的样本,利用预设阈值进一步筛选得到各样本库中的目标样本集,根据筛选得到的目标样本集确定目标地区的用电负荷以及发电量,判断目标地区的发电量是否满足该目标地区的用电负荷,结合判断预测时段是否时域负荷峰值时段,选择适用于该预测时段的用电调度方案,实现了基于地区负荷类型以及配电网的具体负荷情况进行电力合理调度的效果,并且减轻了配电网在负荷峰值时段的供电压力。
附图说明
图1为一个实施例中配电网电力调度方法的应用环境图;
图2为一个实施例中配电网电力调度方法的流程示意图;
图3为一个实施例中预测负荷信息的流程示意图;
图4为一个实施例中电力调度方案选择的流程示意图;
图5为一个实施例中配电网电力调度装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的配电网电力调度方法,可以应用于如图1所示的应用环境中。其中,智能终端102通过网络与云端服务器104进行通信。数据存储系统可以存储云端服务器104需要处理的数据。数据存储系统可以集成在云端服务器104上,也可以放在其他网络服务器上。获取预测时段的预测环境数据,通过对预测时段分析得到分析结果,根据分析结果在不同的样本库中选取对应的样本,利用预设阈值进一步筛选得到各样本库中的目标样本集,根据筛选得到的目标样本集确定目标地区的用电负荷以及发电量,判断目标地区的发电量是否满足该目标地区的用电负荷,结合判断预测时段是否时域负荷峰值时段,选择适用于该预测时段的用电调度方案。其中,智能终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。云端服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种配电网电力调度方法,以该方法应用于图1中的云端服务器为例进行说明,包括以下步骤:
步骤202,根据预测环境数据和预设负荷样本库对目标地区进行负荷预测,获得预测负荷信息。
其中,预设负荷样本库包括第一样本库、第二样本库和第三样本库,预测环境数据包括预测时段及其对应的预测环境信息。
在构建预设负荷样本库时,云端服务器向目标地区各家庭的智能终端发送负荷判定策略(如下表1举例所示),同时云端服务器将采集的环境信息(如下表2举例所示)发送至智能终端。
表1负荷判断策略
表2历史环境信息
T1~Tn用于指示各个时段,例如T1~Tn可以表示时长为1个小时的各个时段,也可以是时长为2个小时的各个时段;ca1~can对应于目标区域在各个时段的日照光度;cb1~cbn对应于目标区域在各个时段的气温;cc1~ccn对应于目标区域在各个时段的湿度;cn1~cnn对应于目标区域在各个时段的风力;等。此外,可以用向量指示与不同时段对应的环境信息,如Cj=[caj, cbj, ccj, ..., cnj]T。
在表2的基础上,根据各个时段所对应的日期是否为节假日对各个时段进行标签,如表3所示:
表3节假日标签
在表3中,字母“Y”表示“是”,字母“N”表示“否”。
智能终端根据符合判定策略和环境信息将获取的负荷信息按照时段进行分类整理,进而确定各个时段的负荷信息,如表4所示:
表4负荷信息
在表4中,FLgi,j为智能终端i统计的家庭i在时段Tj的刚性负荷。FLri,j为智能终端i统计的家庭i在时段Tj的柔性负荷。通过以上方式,各个家庭i确定在各个时段Tj的刚性负荷FLgi,j和柔性负荷FLri,j。然后,将其发送至云端服务器。
通过目标区域内各个家庭在各个时段的Tj的刚性负荷和柔性负荷,可以计算得到目标区域在各个时段的Tj的刚性负荷和柔性负荷:
在公式中,RLgj为目标区域在时段Tj的刚性负荷,RLrj为目标区域在时段Tj的柔性负荷。
进而根据目标地区各个家庭在各个时段对应的负荷信息,确定目标地区在各个时段对应的负荷信息,如表5所示:
表5目标地区负荷信息
同时,在确定目标地区的负荷信息的同时,云端服务器从第一发电源和第二发电源实时获取发电信息,并且对发电信息进行统计,如表6所示:
表6发电信息
根据上述目标地区的环境信息、负荷信息和发电信息构建3个不同的样本库,即第一样本库、第二样本库和第三样本库,分别如表7、表8和表9所示:
表7第一样本库
第一样本库为目标地区的环境信息与目标地区的负荷信息的样本。
表8第二样本库
第二样本库为目标地区的日照光度与第一发电源的发电量的样本。
表9第三样本库
第三样本库为目标地区的风力与第二发电源的发电量的样本。
具体地,云端服务器通过相应渠道获取未来几个时段的环境信息,例如可以通过互联网方式获取预测时段的预测环境信息。然后从预设负荷样本库中选取与预测时段类型相同的时段对应的环境信息,再基于预测环境信息从预设负荷样本库中挑选符合选取条件的负荷信息数据。利用选取后的负荷信息数据计算得到预测时段的预测负荷信息。
步骤204,根据预测负荷信息对目标地区的供电性能进行判断,获得性能判断结果。
其中,预测负荷信息包括预测用电负荷、第一预测发电量和第二预测发电量。
具体地,在获得预测负荷信息后,根据第一预测发电量和第二预测发电量估算得到目标地区的预测总发电量,然后将该预测时段的预测总发电量与预测用电负荷进行比较,估算目标地区的预测总发电量是否满足目标地区的预测用电负荷,即目标地区的供电能力是否足够。
步骤206,根据性能判断结果和负荷峰值时段确定目标地区发电源和配电网发电源的调度方案。
其中,目标地区发电源包括第一发电源和第二发电源。
具体地,在确定目标地区的预测总发电量可以满足目标地区的预测用电负荷,则目标地区发电源在给目标地区供电有剩余的同时可以将剩余发电量提供至配电网中;若是不足以满足目标地区的预测用电负荷,配电网再基于是否处于负荷峰值时段选择是否由配电网发电源供电至目标地区。
上述预测用电负荷、第一预测发电量和第二预测发电量法中,获取预测时段的预测环境数据,通过对预测时段分析得到分析结果,根据分析结果在不同的样本库中选取对应的样本,利用预设阈值进一步筛选得到各样本库中的目标样本集,根据筛选得到的目标样本集确定目标地区的用电负荷以及发电量,判断目标地区的发电量是否满足该目标地区的用电负荷,结合判断预测时段是否时域负荷峰值时段,选择适用于该预测时段的用电调度方案,实现了基于地区负荷类型以及配电网的具体负荷情况进行电力合理调度的效果,并且减轻了配电网在负荷峰值时段的供电压力。
在一个实施例中,如图3所示,根据预测环境数据和预设负荷样本库对目标地区进行负荷预测,获得预测负荷信息,包括:
步骤302,根据预测环境数据和第一样本库对目标地区进行用电负荷预测,获得预测用电负荷。
具体地,在云端服务器获取目标地区在预测时段对应的预测环境数据后,确定预测时段的类型,在第一样本库中选取与预测时段类型相同的历史时段的样本数据,再利用选取阈值对初步选取的样本数据进行筛选,得到第一目标样本,基于目标样本估算预测用电负荷。
步骤304,根据预测环境信息和第二样本库对目标地区进行发电量预测,获得第一预测发电量。
具体地,利用预测环境数据中日照光度数据在第二样本库初步选取样本数据,然后再利用选取阈值对初步选取的样本数据进行筛选,得到第二目标样本,基于第二目标样本估算第一发电源在预测时段内产生的第一预测发电量。
步骤306,根据预测环境信息和第三样本库对目标地区进行发电量预测,获得第二预测发电量。
具体地,利用预测环境数据中风力数据在第三样本库初步选取样本数据,然后再利用选取阈值对初步选取的样本数据进行筛选,得到第三目标样本,基于第三目标样本估算第二发电源在预测时段内产生的第二预测发电量。
步骤308,将预测用电负荷、第一预测发电量和第二预测发电量设定为预测负荷信息。
具体地,将基于三个样本库分别估算得到的预测用电负荷、第一预测发电量和第二预测发电量设定为预测负荷信息,并将其作为配电网电力调度方案选择的支持数据。
本实施例中,根据预测时段及其对应的预测环境信息在预先构建的三个样本库中初步选取数据,利用选取阈值对初步选取数据再次筛选得到目标样本,基于目标样本确定预测负荷信息,能够使得估算的预测负荷信息更加贴近实际情况,进而便于制定精确度高的电力调度方案。
在一个实施例中,根据预测环境数据和第一样本库对目标地区进行用电负荷预测,获得预测用电负荷,包括:
根据预测时段和第一样本库进行样本选择,获得第一预选样本集;根据第一预选样本集、预测环境信息和预设距离阈值进行样本筛选,获得第一目标样本集;根据第一目标样本集对预测时段的目标地区进行负荷预测,获得预测用电负荷。
具体地,在获得预测时段及其对应的预测环境数据后,确定预测时段的节假日类型,之后再第一样本库中选取与预测时段节假日类型相同的样本数据。例如,如果未来时段TSk对应的日期为节假日,则从样本库中选取节假日对应的样本;否则,从样本库中选取非节假日对应的样本。
将样本数据与预测时段的预测环境数据进行距离计算,具体为:
其中,DC为样本数据与预测时段的预测环境数据的距离,为预测环境信息中日照光度,/>为样本数据中日照光度,/>为预测环境信息中气温,/>为样本数据中气温,/>为预测环境信息中风力,/>为样本数据中风力。
在完成距离计算后,利用预设距离阈值进一步筛选,如选取与预测环境数据CSk距离小于该距离阈值的第一目标样本集CL1~CLx。其中,第一目标样本集CL1~CLx为第一样本库中的样本。
基于第一目标样本集CL1~CLx的用电负荷估算预测用电负荷,具体为:
其中,为样本CLu对应的刚性负荷;
其中,为样本CLu对应的柔性负荷;
则预测总负荷为:
本实施例中,通过利用预测时段及其对应的预测环境信息在第一样本库中选取与预测环境信息较为接近的样本数据,进而估算确定预测负荷信息,同时利用预设距离阈值进一步筛选样本,提高了对预测时段对应的预测负荷信息估算精确性,便于后续制定更加合理的电力调度方案。
在一个实施例中,根据预测环境信息和第二样本库对目标地区进行发电量预测,获得第一预测发电量,包括:
根据预测环境信息的日照光度、第二样本库和预设光度差值阈值进行样本筛选,获得第二目标样本集;根据第二目标样本集对预测时段的目标地区进行发电量预测,获得第一预测发电量。
具体地,利用第二样本库中的样本与预测环境信息中日照光度进行差值计算:
其中,为样本与预测环境信息中日照光度的差值,/>为预测环境信息中日照光度,/>为样本Cj的日照光度。
利用预设光度差值阈值进行样本筛选,选取与日照光度csak的差值小于该预设光度差值阈值的样本CA1~CAy。其中,样本CA1~CAy为第二样本库中的样本。
在确定样本为CA1~CAy后,基于样本CA1~CAy对应的第一发电源的发电量EA1.1~EA1.y估算预测时段TSk对应的第一预测发电量ES1.k:
其中,为样本CAv对应的第一发电源的发电量。
本实施例中,通过利用预测时段及其对应的预测环境信息在第二样本库中选取样本数据,并利用预设的光度差值阈值筛选在一定光度误差内目标样本,使得估算第一发电源的第一预测发电量精确度提高,便于后续制定更加合理的电力调度方案。
在一个实施例中,根据预测环境信息和第三样本库对目标地区进行发电量预测,获得第二预测发电量,包括:
根据预测环境信息的预测风力、第三样本库和预设风力差值进行样本筛选,获得第三目标样本集;根据第三目标样本集对预测时段的目标地区进行发电量预测,获得第二预测发电量。
具体地,利用第三样本库中的样本与预测环境信息中风力进行差值计算:
其中,为样本与预测环境信息中风力的差值,/>为环境信息中风力,/>为样本Cj的风力。
利用预设风力差值阈值进行样本筛选,选取与风力csnk的差值小于预设风力差值阈值的样本CN1~CNz。其中,样本CN1~CNz为第三样本库中的样本。
在确定样本为CN1~CNz后,基于样本CN1~CNz对应的第二发电源的发电量EN2.1~EN2.z估算预测时段TSk对应的第二预测发电量ES2.k:
其中,为样本CNv对应的第二发电源的发电量。
本实施例中,通过利用预测时段及其对应的预测环境信息在第三样本库中选取样本数据,并利用预设的风力差值阈值筛选在一定风力误差内目标样本,使得估算第二发电源的第二预测发电量精确度提高,便于后续制定更加合理的电力调度方案。
在一个实施例中,根据预测负荷信息对目标地区的供电性能进行判断,获得性能判断结果,包括:
根据预测负荷信息中第一预测发电量和第二预测发电量确定目标地区发电量;利用预测负荷信息中预测用电负荷和目标地区发电量对目标地区的供电性能进行判断,获得性能判断结果。
具体地,在估算获得预测负荷信息后,确定预测用电负荷的预测总负荷为,预测用电负荷的刚性负荷为/>。在估算获得第一预测发电量/>和第二预测发电量,确定目标地区的预测总发电量:
/>
其中,E为目标地区的预测总发电量。
判断预测总发电量是否能够满足预测用电负荷,获得性能判断结果。
本实施例中,通过估算得到的预测总发电量和预测用电负荷判断目标区域是否可以自行供电,进而根据性能判断结果调节第一发电源、第二发电源和第三发电源的电力调度,即制定更加合理的电力调度方案。
在一个实施例中,如图4所示,根据性能判断结果和负荷峰值时段确定目标地区发电源和配电网发电源的调度方案,包括:
步骤402,当性能判断结果为目标地区发电量不低于预测用电负荷,根据预测负荷信息执行第一电力调度方案。
具体地,当满足时,说明目标地区的第一发电源和第二发电源的总供电量足以支撑目标地区内部所有家庭的用电负荷,则执行第一电力调度方案。第一电力调度方案为不对配电网的第三发电源进行调度,并将第二发电源和第三发电源的盈余发电量提供至配电网中,即第一电力调度方案。
步骤404,当性能判断结果为目标地区发电量低于预测用电负荷,根据目标地区发电量和预测刚性负荷进行刚性需求判断,获得刚性需求判断结果。
具体地,当时,判断目标地区的预测总发电量是否满足目标地区内刚性负荷的需求,即获取刚性需求判断结果。
步骤406,基于刚性需求判断结果执行不同的电力调度方案。
具体地,当目标地区的预测总发电量不满足目标地区内刚性负荷的需求,则调用配电网中第三发电源的电力,使得第三发电源输入的电力与预测总发电量满足目标地区内刚性负荷的需求。
当目标地区的预测总发电量满足目标地区内刚性负荷的需求,再去判断预测时段是否为负荷峰值时段,进而选择是否调用第三发电源的发电量。
本实施例中,通过以目标地区的刚性负荷需求和预测用电负荷需求作为不同方案选择的判断条件,更加合理的调度配电网的电力,有效的缓解配电网的负荷波动,也避免了配电网负载严重的情况。
在一个实施例中,基于刚性需求判断结果执行不同的电力调度方案,包括:
当刚性需求判断结果为目标地区发电量低于预测刚性负荷,根据负荷峰值时段和预测时段进行用电时段判断,获得时段判断结果;当时段判断结果为预测时段处于负荷峰值时段内,执行第二电力调度方案;当时段判断结果为预测时段不处于负荷峰值时段内,执行第三电力调度方案。
具体地,当时,将配电网内第三发电源的发电量输入至目标地区。在确定预测时段为负荷峰值时段时,第三发电源仅在目标地区的预测总发电量基础上提供能够达到刚性负荷需求的电量,即第二电力调度方案。但是确定预测时段不是负荷峰值时段时,第三发电源在目标地区的预测总发电量基础上提供满足预测用电负荷需求的电量,即第三电力调度方案。
本实施例中,在判断配电网是否处于负荷峰值时段,以避免配电网负载严重为前提通过第三发电源提供一定量的电量,合理的调用配电网内第三发电源的电量,进而有效缓解配电网的负荷波动。
在一个实施例中,基于刚性需求判断结果执行不同的电力调度方案,还包括:
当刚性需求判断结果为目标地区发电量处于预测刚性负荷和预测总负荷之间,根据负荷峰值时段和预测时段进行用电时段判断,获得时段判断结果;当时段判断结果为预测时段不处于负荷峰值时段内,执行第三电力调度方案;当时段判断结果为预测时段处于负荷峰值时段内,执行第四电力调度方案。
具体地,当时,说明目标地区的预测总发电量能够满足刚性负荷的电力需求。在此基础上判断预测时段是否为负荷峰值时段,若预测时段不是是负荷峰值时段,第三发电源在目标地区的预测总发电量基础上提供满足预测用电负荷需求的电量,即第三电力调度方案;反之,不调度配电网内第三发电源的电量,即第四电力调度方案。
本实施例中,在判断配电网是否处于负荷峰值时段,选择是否调度第三发电源的电量,合理的调用配电网内第三发电源的电量,进而有效缓解配电网的负荷波动。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的配电网电力调度方法的配电网电力调度装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个配电网电力调度装置实施例中的具体限定可以参见上文中对于配电网电力调度方法的限定,在此不再赘述。
在一个实施例中,如图5所示,提供了一种配电网电力调度装置,包括:负荷预测模块502、性能判断模块504和方案选择模块506,其中:
负荷预测模块502,用于根据预测环境数据和预设负荷样本库对目标地区进行负荷预测,获得预测负荷信息。
性能判断模块504,用于根据预测负荷信息对目标地区的供电性能进行判断,获得性能判断结果。
方案选择模块506,用于根据性能判断结果和负荷峰值时段确定目标地区发电源和配电网发电源的调度方案。
在一个实施例中,负荷预测模块502,还用于根据预测环境数据和第一样本库对目标地区进行用电负荷预测,获得预测用电负荷;根据预测环境信息和第二样本库对目标地区进行发电量预测,获得第一预测发电量;根据预测环境信息和第三样本库对目标地区进行发电量预测,获得第二预测发电量;将预测用电负荷、第一预测发电量和第二预测发电量设定为预测负荷信息。
在一个实施例中,负荷预测模块502,还用于根据预测时段和第一样本库进行样本选择,获得第一预选样本集;根据第一预选样本集、预测环境信息和预设距离阈值进行样本筛选,获得第一目标样本集;根据第一目标样本集对预测时段的目标地区进行负荷预测,获得预测用电负荷。
在一个实施例中,负荷预测模块502,还用于根据预测环境信息的日照光度、第二样本库和预设光度差值阈值进行样本筛选,获得第二目标样本集;根据第二目标样本集对预测时段的目标地区进行发电量预测,获得第一预测发电量。
在一个实施例中,负荷预测模块502,还用于根据预测环境信息的预测风力、第三样本库和预设风力差值进行样本筛选,获得第三目标样本集;根据第三目标样本集对预测时段的目标地区进行发电量预测,获得第二预测发电量。
在一个实施例中,性能判断模块504,还用于根据预测负荷信息中第一预测发电量和第二预测发电量确定目标地区发电量;利用预测负荷信息中预测用电负荷和目标地区发电量对目标地区的供电性能进行判断,获得性能判断结果。
在一个实施例中,方案选择模块506,还用于当性能判断结果为目标地区发电量不低于预测用电负荷,根据预测负荷信息执行第一电力调度方案;当性能判断结果为目标地区发电量低于预测用电负荷,根据目标地区发电量和预测刚性负荷进行刚性需求判断,获得刚性需求判断结果;基于刚性需求判断结果执行不同的电力调度方案。
在一个实施例中,方案选择模块506,还用于当刚性需求判断结果为目标地区发电量低于预测刚性负荷,根据负荷峰值时段和预测时段进行用电时段判断,获得时段判断结果;当时段判断结果为预测时段处于负荷峰值时段内,执行第二电力调度方案;当时段判断结果为预测时段不处于负荷峰值时段内,执行第三电力调度方案。
在一个实施例中,方案选择模块506,还用于当刚性需求判断结果为目标地区发电量处于预测刚性负荷和预测总负荷之间,根据负荷峰值时段和预测时段进行用电时段判断,获得时段判断结果;当时段判断结果为预测时段不处于负荷峰值时段内,执行第三电力调度方案;当时段判断结果为预测时段处于负荷峰值时段内,执行第四电力调度方案。
上述配电网电力调度装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储预测时段、预测环境信息和预测负荷信息数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种配电网电力调度方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是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非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种配电网电力调度方法,其特征在于,所述方法包括:
根据预测环境数据和预设负荷样本库对目标地区进行负荷预测,获得预测负荷信息;其中,所述预设负荷样本库包括第一样本库、第二样本库和第三样本库;包括:根据所述预测环境数据和第一样本库对目标地区进行用电负荷预测,获得预测用电负荷;根据所述预测环境数据和第二样本库对目标地区进行发电量预测,获得第一预测发电量;根据所述预测环境数据和第三样本库对目标地区进行发电量预测,获得第二预测发电量;将所述预测用电负荷、所述第一预测发电量和所述第二预测发电量设定为预测负荷信息;
根据所述预测负荷信息对目标地区的供电性能进行判断,获得性能判断结果;包括:根据所述预测负荷信息中第一预测发电量和第二预测发电量确定目标地区发电量;利用所述预测负荷信息中预测用电负荷和所述目标地区发电量对目标地区的供电性能进行判断,获得性能判断结果;其中,所述预测负荷信息包括预测用电负荷,所述预测用电负荷包括预测刚性负荷;
根据所述性能判断结果和负荷峰值时段确定目标地区发电源和配电网发电源的调度方案,包括:当所述性能判断结果为目标地区发电量不低于预测用电负荷,根据所述预测负荷信息执行第一电力调度方案;当所述性能判断结果为目标地区发电量低于预测用电负荷,根据所述目标地区发电量和预测刚性负荷进行刚性需求判断,获得刚性需求判断结果;基于所述刚性需求判断结果执行不同的电力调度方案,具体包括:根据负荷峰值时段和预测时段进行用电时段判断,获得时段判断结果;基于所述刚性需求判断结果和所述时段判断结果分别执行第二电力调度方案、第三电力调度方案或第四电力调度方案。
2.根据权利要求1所述的方法,其特征在于,所述根据所述预测环境数据和第一样本库对目标地区进行用电负荷预测,获得预测用电负荷,包括:
根据预测时段和所述第一样本库进行样本选择,获得第一预选样本集;
根据所述第一预选样本集、所述预测环境数据和预设距离阈值进行样本筛选,获得第一目标样本集;
根据所述第一目标样本集对预测时段的目标地区进行负荷预测,获得预测用电负荷。
3.根据权利要求1所述的方法,其特征在于,所述预测环境数据包括预测日照光度;所述根据所述预测环境数据和第二样本库对目标地区进行发电量预测,获得第一预测发电量,包括:
根据所述预测环境数据的日照光度、所述第二样本库和预设光度差值阈值进行样本筛选,获得第二目标样本集;
根据所述第二目标样本集对预测时段的目标地区进行发电量预测,获得第一预测发电量。
4.根据权利要求1所述的方法,其特征在于,所述预测环境数据还包括预测风力;所述根据所述预测环境数据和第三样本库对目标地区进行发电量预测,获得第二预测发电量,包括:
根据所述预测环境数据的预测风力、所述第三样本库和预设风力差值进行样本筛选,获得第三目标样本集;
根据所述第三目标样本集对预测时段的目标地区进行发电量预测,获得第二预测发电量。
5.根据权利要求1所述的方法,其特征在于,所述基于所述刚性需求判断结果执行不同的电力调度方案,包括:
当所述刚性需求判断结果为目标地区发电量低于预测刚性负荷,根据负荷峰值时段和预测时段进行用电时段判断,获得时段判断结果;
当所述时段判断结果为预测时段处于负荷峰值时段内,执行第二电力调度方案;
当所述时段判断结果为预测时段不处于负荷峰值时段内,执行第三电力调度方案。
6.根据权利要求1所述的方法,其特征在于,所述基于所述刚性需求判断结果执行不同的电力调度方案,还包括:
当所述刚性需求判断结果为目标地区发电量处于预测刚性负荷和预测总负荷之间,根据负荷峰值时段和预测时段进行用电时段判断,获得时段判断结果;
当所述时段判断结果为预测时段不处于负荷峰值时段内,执行第三电力调度方案;
当所述时段判断结果为预测时段处于负荷峰值时段内,执行第四电力调度方案。
7.一种配电网电力调度装置,其特征在于,所述装置包括:
负荷预测模块,用于根据预测环境数据和预设负荷样本库对目标地区进行负荷预测,获得预测负荷信息;其中,所述预设负荷样本库包括第一样本库、第二样本库和第三样本库;还用于根据所述预测环境数据和第一样本库对目标地区进行用电负荷预测,获得预测用电负荷;根据所述预测环境数据和第二样本库对目标地区进行发电量预测,获得第一预测发电量;根据所述预测环境数据和第三样本库对目标地区进行发电量预测,获得第二预测发电量;将所述预测用电负荷、所述第一预测发电量和所述第二预测发电量设定为预测负荷信息;
性能判断模块,用于根据所述预测负荷信息对目标地区的供电性能进行判断,获得性能判断结果;还用于根据所述预测负荷信息中第一预测发电量和第二预测发电量确定目标地区发电量;利用所述预测负荷信息中预测用电负荷和所述目标地区发电量对目标地区的供电性能进行判断,获得性能判断结果;其中,所述预测负荷信息包括预测用电负荷,所述预测用电负荷包括预测刚性负荷;
方案选择模块,用于根据所述性能判断结果和负荷峰值时段确定目标地区发电源和配电网发电源的调度方案;还用于当所述性能判断结果为目标地区发电量不低于预测用电负荷,根据所述预测负荷信息执行第一电力调度方案;当所述性能判断结果为目标地区发电量低于预测用电负荷,根据所述目标地区发电量和预测刚性负荷进行刚性需求判断,获得刚性需求判断结果;基于所述刚性需求判断结果执行不同的电力调度方案;还用于根据负荷峰值时段和预测时段进行用电时段判断,获得时段判断结果;基于所述刚性需求判断结果和所述时段判断结果分别执行第二电力调度方案、第三电力调度方案或第四电力调度方案。
8.根据权利要求7所述的装置,其特征在于,所述负荷预测模块,还用于根据预测时段和所述第一样本库进行样本选择,获得第一预选样本集;根据所述第一预选样本集、所述预测环境数据和预设距离阈值进行样本筛选,获得第一目标样本集;根据所述第一目标样本集对预测时段的目标地区进行负荷预测,获得预测用电负荷。
9.根据权利要求8所述的装置,其特征在于,所述负荷预测模块,还用于根据所述预测环境数据的日照光度、所述第二样本库和预设光度差值阈值进行样本筛选,获得第二目标样本集;根据所述第二目标样本集对预测时段的目标地区进行发电量预测,获得第一预测发电量。
10.根据权利要求8所述的装置,其特征在于,所述负荷预测模块,还用于根据所述预测环境数据的预测风力、所述第三样本库和预设风力差值进行样本筛选,获得第三目标样本集;根据所述第三目标样本集对预测时段的目标地区进行发电量预测,获得第二预测发电量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311288306.7A CN117040029B (zh) | 2023-10-08 | 2023-10-08 | 配电网电力调度方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311288306.7A CN117040029B (zh) | 2023-10-08 | 2023-10-08 | 配电网电力调度方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117040029A CN117040029A (zh) | 2023-11-10 |
CN117040029B true CN117040029B (zh) | 2024-03-26 |
Family
ID=88635849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311288306.7A Active CN117040029B (zh) | 2023-10-08 | 2023-10-08 | 配电网电力调度方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117040029B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015192586A (ja) * | 2014-03-31 | 2015-11-02 | 株式会社明電舎 | マイクログリッドの需給制御システムおよび需給制御方法 |
CN109508835A (zh) * | 2019-01-01 | 2019-03-22 | 中南大学 | 一种融合环境反馈的智慧电网短期电力负荷预测方法 |
KR20190047529A (ko) * | 2017-10-27 | 2019-05-08 | 한전케이디엔주식회사 | 실시간 빅 데이터 분석을 활용한 송전계통 gis 시스템 및 이를 이용한 송전계통 부하 예측 방법 |
CN110266002A (zh) * | 2019-06-20 | 2019-09-20 | 北京百度网讯科技有限公司 | 用于预测电力负荷的方法和装置 |
CN110991749A (zh) * | 2019-12-06 | 2020-04-10 | 国网冀北电力有限公司电力科学研究院 | 供热负荷预测方法及装置 |
CN114221353A (zh) * | 2021-12-06 | 2022-03-22 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 电网调控方法、装置、设备、存储介质和计算机程序产品 |
CN116739649A (zh) * | 2023-03-16 | 2023-09-12 | 广东电网有限责任公司 | 一种用户响应潜力评估方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9438041B2 (en) * | 2012-12-19 | 2016-09-06 | Bosch Energy Storage Solutions Llc | System and method for energy distribution |
-
2023
- 2023-10-08 CN CN202311288306.7A patent/CN117040029B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015192586A (ja) * | 2014-03-31 | 2015-11-02 | 株式会社明電舎 | マイクログリッドの需給制御システムおよび需給制御方法 |
KR20190047529A (ko) * | 2017-10-27 | 2019-05-08 | 한전케이디엔주식회사 | 실시간 빅 데이터 분석을 활용한 송전계통 gis 시스템 및 이를 이용한 송전계통 부하 예측 방법 |
CN109508835A (zh) * | 2019-01-01 | 2019-03-22 | 中南大学 | 一种融合环境反馈的智慧电网短期电力负荷预测方法 |
CN110266002A (zh) * | 2019-06-20 | 2019-09-20 | 北京百度网讯科技有限公司 | 用于预测电力负荷的方法和装置 |
CN110991749A (zh) * | 2019-12-06 | 2020-04-10 | 国网冀北电力有限公司电力科学研究院 | 供热负荷预测方法及装置 |
CN114221353A (zh) * | 2021-12-06 | 2022-03-22 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 电网调控方法、装置、设备、存储介质和计算机程序产品 |
CN116739649A (zh) * | 2023-03-16 | 2023-09-12 | 广东电网有限责任公司 | 一种用户响应潜力评估方法和装置 |
Non-Patent Citations (1)
Title |
---|
新型电力系统背景下的智能负荷预测算法研究综述;杨佳泽 等;华北电力大学学报(自然科学版);第1-14页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117040029A (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW201644143A (zh) | 對於多電池裝置的負載分配 | |
CN112801331B (zh) | 利用虚拟容量和优选位置实时调度进行计算负载的整形 | |
CN113346573A (zh) | 移动电源充电机柜的充电管理方法、装置和计算机设备 | |
CN117271100B (zh) | 算法芯片集群调度方法、装置、计算机设备和存储介质 | |
CN116167581A (zh) | 电池需求量预估方法、装置、调度方法和计算机设备 | |
CN115173407A (zh) | 基于风力发电的智能配电方法、装置、设备及存储介质 | |
CN117040029B (zh) | 配电网电力调度方法、装置、计算机设备和存储介质 | |
CN117234712A (zh) | 算力资源部署方法、装置、计算机设备以及存储介质 | |
CN114243681B (zh) | 电力系统的用电调控方法、装置、设备和存储介质 | |
CN115981843A (zh) | 云边协同电力系统中任务调度方法、装置和计算机设备 | |
CN110807599A (zh) | 电化学储能方案的决策方法、装置、服务器和存储介质 | |
CN117134366B (zh) | 负荷控制方法、装置、设备和存储介质 | |
CN115912360B (zh) | 供电控制方法、装置、计算机设备和存储介质 | |
CN117744985A (zh) | 旁路作业数据处理方法、装置、计算机设备和存储介质 | |
CN116702516B (zh) | 一种电源预算分配方法及装置 | |
JP2020078158A (ja) | 電力リソース管理装置 | |
CN111951123B (zh) | 控制用电负荷的方法、装置、计算机设备和存储介质 | |
CN116581745A (zh) | 区域电网调度方法、装置、计算机设备和存储介质 | |
CN118115267A (zh) | 电力交易方法、装置、计算机设备和存储介质 | |
CN117713249A (zh) | 具备灵活组网功能的微电网控制方法、装置和计算机设备 | |
Sausen et al. | PROPOSITION OF AN EXTENSION TO THE PEUKERT’S LAWMODEL APPLIED TO THE PREDICTION OF THE BATTERIESLIFETIME | |
CN116341809A (zh) | 车辆充电排序的方法、装置、计算机设备和存储介质 | |
CN118054399A (zh) | 分布式新能源的边缘特征信息综合确定方法和装置 | |
CN117829891A (zh) | 电力负荷数据的预测方法、装置、设备、存储介质和产品 | |
CN117495128A (zh) | 用电数据预测方法、装置、计算机设备和存储介质 |
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 |