CN117498305A - 一种配电系统的元胞结构及供用能场景构建方法 - Google Patents

一种配电系统的元胞结构及供用能场景构建方法 Download PDF

Info

Publication number
CN117498305A
CN117498305A CN202311281557.2A CN202311281557A CN117498305A CN 117498305 A CN117498305 A CN 117498305A CN 202311281557 A CN202311281557 A CN 202311281557A CN 117498305 A CN117498305 A CN 117498305A
Authority
CN
China
Prior art keywords
energy
utilization
power
scene
cell
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
Application number
CN202311281557.2A
Other languages
English (en)
Inventor
胡晟
张冲标
陈望嵩
陈金威
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.)
Jiashan County Power Supply Co Of State Grid Zhejiang Electric Power Co ltd
Original Assignee
Jiashan County Power Supply Co Of State Grid Zhejiang Electric Power 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 Jiashan County Power Supply Co Of State Grid Zhejiang Electric Power Co ltd filed Critical Jiashan County Power Supply Co Of State Grid Zhejiang Electric Power Co ltd
Priority to CN202311281557.2A priority Critical patent/CN117498305A/zh
Publication of CN117498305A publication Critical patent/CN117498305A/zh
Pending legal-status Critical Current

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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • 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

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Economics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Power Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种配电系统的元胞结构及供用能场景构建方法，旨在解决现有配电系统忽略用电用户的独特性或者对用电用户只进行统一无差别的策略导致无法得到最佳供电方案的问题；包括以下步骤：基于每个用电节点构建电力拓扑模型，根据电力拓扑模型组合并划分为若干个元胞用能单元；根据元胞用能单元的信息，构建多层级信息映射库，得到不同类型元胞用能单元内用电节点的用能特征规律；根据供用电的历史数据以及元胞用能单元内用电节点的用能特征规律得到多个初始供用能场景；采用聚类算法对供用能场景进行场景聚类，得到最终的供用能场景。通过建立配电系统典型元胞用能单元及供用能场景，做到电能的合理配置和调度，为配网的高效运行提供理论基础。

Description

一种配电系统的元胞结构及供用能场景构建方法
技术领域
本发明涉及配电用能场景技术领域，具体涉及一种配电系统的元胞结构及供用能场景构建方法。
背景技术
随着经济的不断发展，由于用电用户的种类繁多，每个用电用户均有其相应的用电特点，现有的配电系统往往忽略用电用户的独特性或者对用电用户只进行统一无差别的策略，而无法得到最佳的供电方案，不能够做到电能的合理配置，无法为配网的高效运行提供理论基础。
发明内容
本发明解决了现有配电系统忽略用电用户的独特性或者对用电用户只进行统一无差别的策略导致无法得到最佳供电方案的问题，提出一种配电系统的元胞结构及供用能场景构建方法，通过建立配电系统典型元胞用能单元及供用能场景，做到电能的合理配置和调度，为配网的高效运行提供理论基础。
为了实现上述目的，本发明采用以下技术方案：一种配电系统的元胞结构及供供用能场景构建方法，包括以下步骤：
S1，基于每个用电节点构建电力拓扑模型，根据电力拓扑模型组合并划分为若干个元胞用能单元；
S2，根据元胞用能单元的信息，构建多层级信息映射库，得到不同类型元胞用能单元内用电节点的用能特征规律；
S3，根据供用电的历史数据以及元胞用能单元内用电节点的用能特征规律得到若干个初始供用能场景；
S4，采用聚类算法对供用能场景进行场景聚类，得到最终的供用能场景。
本技术方案中，首先构建电力拓扑模型，结合电力拓扑模型并采用聚类算法划分为多个元胞用能单元；随后根据元胞用能单元的信息，构建出能够实时调取的多层级信息映射库，通过计算分析信息映射库中的数据以及结合实时状况，分析得到若干个初始供用能场景；最后，对供用能场景进行聚类划分，得到最终具有使用价值的供用能场景；本技术方案中得到的元胞用能单元以及供用能场景能够为后续电能查看以及电能合理配置提供参考基础，实现对于每个用电用户的精确管理。
本发明还进一步设置为：所述步骤S1包括以下步骤：
S11，根据区域内的电能表数据以及线路连接关系获取每个用电节点的基本信息；
S12，根据用电节点的基本信息构建电力拓扑模型；
S13，基于电力拓扑模型，根据若干个用电节点的位置信息，由若干个相连的用电节点构成一个元胞用能单元，形成若干个初始元胞用能单元。
本技术方案中，根据采集区域内的电能表数据以电能表位置信息，并结合线路的连接关系，得到基于每个用电节点的基本信息，该基本信息为用电节点的“身份证”，根据“身份证”构建出电力拓扑模型，该电力拓扑模型为基于用能的模型；在该模型的基础上，根据用电单元的位置信息进行用电节点的划分，形成有多个初始元胞用能单元，由于根据用电节点的位置信息进行划分形成的初始元胞用能单元的划分依据单一，故形成的初始元胞用能单元需进行再次划分。
本发明还进一步设置为：所述步骤S1还包括：
获取用电节点的全年用能数据，并对不同类型的用能数据分别赋予不同的权重系数，生成权重参数；根据权重参数采用K均值聚类算法进行二次划分，得到最终的分类结果。
本技术方案中，为了对用电节点进行更好地划分，采用K均值聚类算法进行分类，获取用电节点的全年用能数据，并对不同类型的用能数据进行加权处理，利用最终得到的权重参数进行聚类，并且得到最终的若干个元胞用能单元，保证每个元胞用能单元的准确性。
本发明还进一步设置为：所述步骤S2包括以下步骤：
S21，提取划分后的元胞用能单元的用能特征，并形成各类用能特征曲线；
S22，利用三维地理信息软件集成元胞用能单元的形态、属性与能源信息，构建基于不同类型用能特征与对应元胞用能单元的多层级信息映射库；
S23，根据多层级信息映射库提取出元胞用能单元内用电节点的用能特征规律。
本技术方案中，在元胞用能单元进行划分之后，对其进行再次统计和计算，随后提取出相应的用能特征，为方便展示和统计，将其绘制成曲线的形式；随后根据三维地理软件来集成元胞用能单元的有关信息，并构建出多层级信息映射库，该映射库中的数据能够随时调取，根据调取出的多层级信息映射库中的数据总结出用能特征规律。
本发明还进一步设置为：所述步骤S3包括以下步骤：
S31，根据元胞用能单元内用电节点的用能特征规律确定其对应的场景偏好；
S32，获取所有场景偏好下的历史数据，形成初始供用能场景。
本技术方案中，首先根据元胞用能单元用电节点用能特征规律，确定一个元胞用能单元或者多个元胞用能单元对应于哪一个场景偏好，如偏向商用还是住宅用；重新采集得到场景偏好下的历史数据，历史数据包括用能总值；根据用能总值的大小形成初始供供用能场景；初始供用能场景如商住一体场景，商业集群场景，住房综合场景以及公共建筑综合类场景。
本发明还进一步设置为：所述步骤S4具体包括以下步骤：
在初始供用能场景的基础上，采用K均值聚类算法进行场景聚类，得到最终的供用能场景。
本技术方案中，场景的划分同样采用K均值聚类算法，K均值聚类算法通常选择不同的初始聚类中心，多次运行K均值聚类算法，最终选择误差平方和较小的分类结果；创建完成的供用能场景，分类结果准确，便于后续供用能场景的准确切换。
本发明还进一步设置为：所述根据权重参数采用K均值聚类算法进行二次划分，得到最终的分类结果具体包括：
选取n个聚类中心；
令迭代次数t＝0、1、2…进行迭代；
(1)对每个权重参数，分配到距离其最近的中心；
(2)对于每一个聚类中心，结合属于该聚类中的权重参数，重新计算中心；
重复(1)和(2)，直至损失函数收敛并输出最终的分类结果。
本技术方案中，K均值聚类算法的过程主要为，选取n个聚类中心，即为本发明中的若干个初始元胞用能单元，根据条件(1)和(2)进行迭代，直至损失函数收敛，输出最后的分类结果，即输出最终的元胞用能单元以及其包含的用电单元。
本发明还进一步设置为：所述损失函数即为：各聚类中心与权重参数构建的平方和达到最小。
本技术方案中，对于两种或两者以上不同的聚类结果，选择误差平方和较小的分类结果。
本发明具有如下的有益效果：
1、本发明涉及的一种配电系统的元胞结构及供用能场景构建方法，通过建立配电系统典型元胞用能单元及供用能场景，做到电能的合理配置和调度，为配网的高效运行提供理论基础；2、本发明利用聚类算法对元胞用能单元及供用能场景进行准确的分类，为配电系统的运行和配置提供基础，进一步优化配电系统的数据选择，保证供用电的平稳和可控性。
附图说明
图1是本发明一种配电系统的元胞结构及供用能场景构建方法的流程示意图。
具体实施方式
为使本发明的目的、技术方案以及优点更加清楚明白，下面结合附图和实施例对本发明作进一步详细说明，应当理解的是，此处所描述的具体实施方式仅是本发明的一种最佳实施例，仅用以解释本发明，并不限定本发明的保护范围，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：
本实施例提出一种配电系统的元胞结构及供供用能场景构建方法，参考图1，主要包括有如下的若干个步骤。
步骤S1，基于每个用电节点构建电力拓扑模型，根据电力拓扑模型组合并划分为若干个元胞用能单元；对于该步骤，主要分为以下的若干个子步骤。
步骤S11，根据区域内的电能表数据以及线路连接关系获取每个用电节点的基本信息；具体的，首先选定一个待研究的总区域，基于这个总区域进行对于本技术方案的方法的研究，在该区域内，每个用到的电能表与配电系统中心通讯连接，且每个电能表的内部设置有定位模块，定位模块能够发送电能表的位置信息至配电系统中心，根据电能表的位置信息来获取得到电能表的线路连接关系。
步骤S12，根据用电节点的基本信息构建电力拓扑模型；具体的，构建的电力拓扑模型进行清楚的展示用电节点的基本信息以及连接关系。
步骤S13，基于电力拓扑模型，根据若干个用电节点的位置信息，由若干个相连的用电节点构成一个元胞用能单元，形成若干个初始元胞用能单元；具体的，根据用电节点的位置信息，根据用电节点的位置远近，形成若干个初始簇，形成的初始簇即为本技术方案中的初始元胞用能单元。
步骤S1还包括有如下的步骤：获取用电节点的全年用能数据，并对不同类型的用能数据分别赋予不同的权重系数，生成权重参数；根据权重参数采用K均值聚类算法进行二次划分，得到最终的分类结果；具体的，重新获取用电节点的全年用能数据，包括有用能总值、峰值、谷值以及均值，并对不同类型的用能数据进行加权处理，形成加权处理后的权重系数，并采用权重系数使用K均值聚类算法来进行分类划分，最终得到重新划分后的元胞用能单元。
更为具体的，根据权重参数采用K均值聚类算法进行二次划分，得到最终的分类结果具体包括：选取n个聚类中心；
令迭代次数t＝0、1、2…进行迭代；
(1)对每个权重参数，分配到距离其最近的中心；
(2)对于每一个聚类中心，结合属于该聚类中的权重参数，重新计算中心；
重复(1)和(2)，直至损失函数收敛并输出最终的分类结果；对于本技术方案中的损失函数，即为各聚类中心和权重参数构建的平方和达到最小；具体表示为：
其中，M为样本总数，ci为xi所属的簇，为簇对应的中心点；在本实施例的技术方案中，对于两种或两者以上不同的聚类结果，选择误差平方和较小的分类结果。
在本实施例中，划分有多种元胞用能单元，示例性的，其中一种元胞用能单元：其间隔相对较小，其内部的用电节点用能特征规律均主要集中在0～30天；能耗峰值集中在每晚7～11时，能耗范围在f～m kwh；其大多为商住一体场景的对象。
其中另一种元胞用能单元：间隔相对较大，其用电节点用能特征规律主要分别集中在6～7时，13～14时，20～21时，27～28天；能耗峰值集中在每天15～24时，能耗范围在g～k kwh；其大多为商业集群场景的对象。
步骤S2，根据元胞用能单元的信息，构建多层级信息映射库，得到不同类型元胞用能单元内用电节点的用能特征规律；对于该步骤，包括有如下的多个子步骤。
步骤S21，提取划分后的元胞用能单元的用能特征，并形成各类用能特征曲线；在完成步骤S1的元胞用能单元划分后，提取器用能特征，且为了方便使用和展示，绘制有用能特征曲线。
步骤S22，利用三维地理信息软件集成元胞用能单元的形态、属性与能源信息，构建基于不同类型用能特征与对应元胞用能单元的多层级信息映射库；本实施例中，在三维地理信息软件ArcGIS中集成能源元胞的形态、属性与能源信息，并构建基于功能形态与用能特征关系的多层级信息映射库。
步骤S23，根据多层级信息映射库提取出元胞用能单元内用电节点的用能特征规律；本实施例中，提出不同基于不同元胞用能单元内用电节点的用能特征规律。
步骤S3，根据供用电的历史数据以及元胞用能单元内用电节点的用能特征规律得到若干个初始供用能场景；具体的，该过程主要包括有如下的多个子步骤。
步骤S31，根据元胞用能单元内用电节点的用能特征规律确定其对应的场景偏好；具体的，对于本技术方案中的场景偏好，仅仅为简单的场景，如商用或者是住宅用，在判断其对应的场景偏好时，仅仅需要确定其偏向于哪一场景即可，对于场景偏好的个数，根据实际情况进行确定，在此不作限定。
步骤S32，获取所有场景偏好下的历史数据，形成初始供用能场景；在该步骤中，根据获取并统计的场景偏好下的历史数据，确定初始供用能场景，对于初始供用能场景的划分，与最终形成的供用能场景分类数目一致，均包括商住一体场景，商业集群场景，住房综合场景以及公共建筑综合类场景。本实施例中，根据区域内的实际情况，可对供用能场景的分类数目进行增和减，在此不作限定。
步骤S4，采用聚类算法对供用能场景进行场景聚类，得到最终的供用能场景；对于该步骤，具体的，主要包括如下的过程：在初始供用能场景的基础上，采用K均值聚类算法进行场景聚类，得到最终的供用能场景；其方法与上述元胞用能单元的划分类似，具体可参考上述关于元胞用能单元的描述，在此不再赘述。
在本实施例的技术方案中，根据采集区域内的电能表数据以电能表位置信息，并结合线路的连接关系，得到基于每个用电节点的基本信息，该基本信息为用电节点的“身份证”，根据“身份证”构建出电力拓扑模型，该电力拓扑模型为基于用能的模型；在该模型的基础上，根据用电单元的位置信息进行用电节点的划分，形成有多个初始元胞用能单元，由于根据用电节点的位置信息进行划分形成的初始元胞用能单元的划分依据单一，故形成的初始元胞用能单元需进行再次划分。
在本实施例的技术方案中，为了对用电节点进行更好地划分，采用K均值聚类算法进行分类，获取用电节点的全年用能数据，并对不同类型的用能数据进行加权处理，利用最终得到的权重参数进行聚类，并且得到最终的若干个元胞用能单元，保证每个元胞用能单元的准确性。
在本实施例的技术方案中，在元胞用能单元进行划分之后，对其进行再次统计和计算，随后提取出相应的用能特征，为方便展示和统计，将其绘制成曲线的形式；随后根据三维地理软件来集成元胞用能单元的有关信息，并构建出多层级信息映射库，该映射库中的数据能够随时调取，根据调取出的多层级信息映射库中的数据总结出用能特征规律。
在本实施例的技术方案中，首先根据元胞用能单元用电节点用能特征规律，确定一个元胞用能单元或者多个元胞用能单元对应于哪一个场景偏好，如偏向商用还是住宅用；重新采集得到场景偏好下的历史数据，历史数据包括用能总值；根据用能总值的大小形成初始供供用能场景；初始供用能场景如商住一体场景，商业集群场景，住房综合场景以及公共建筑综合类场景。
在本实施例的技术方案中，场景的划分同样采用K均值聚类算法，K均值聚类算法通常选择不同的初始聚类中心，多次运行K均值聚类算法，最终选择误差平方和较小的分类结果；创建完成的供用能场景，分类结果准确，便于后续供用能场景的准确切换。
在本实施例的技术方案中，K均值聚类算法的过程主要为，选取n个聚类中心，即为本发明中的若干个初始元胞用能单元，根据条件(1)和(2)进行迭代，直至损失函数收敛，输出最后的分类结果，即输出最终的元胞用能单元以及其包含的用电单元。
对于本技术方法的操作过程，具体如下：
首先构建电力拓扑模型，结合电力拓扑模型并采用聚类算法划分为多个元胞用能单元；随后根据元胞用能单元的信息，构建出能够实时调取的多层级信息映射库，通过计算分析信息映射库中的数据以及结合实时状况，分析得到若干个初始供用能场景；最后，对供用能场景进行聚类划分，得到最终具有使用价值的供用能场景；本技术方案中得到的元胞用能单元以及供用能场景能够为后续电能查看以及电能合理配置提供参考基础，实现对于每个用电用户的精确管理。
对于本实施例所带来的技术效果：本实施例的构建方法利用聚类算法对元胞用能单元及供用能场景进行准确的分类，为配电系统的运行和配置提供基础，进一步优化配电系统的数据选择，保证供用电的平稳和可控性。

Claims (8)

1.一种配电系统的元胞结构及供用能场景构建方法，其特征在于，包括以下步骤：
S1，基于每个用电节点构建电力拓扑模型，根据电力拓扑模型组合并划分为若干个元胞用能单元；
S2，根据元胞用能单元的信息，构建多层级信息映射库，得到不同类型元胞用能单元内用电节点的用能特征规律；
S3，根据供用电的历史数据以及元胞用能单元内用电节点的用能特征规律得到若干个初始供用能场景；
S4，采用聚类算法对供用能场景进行场景聚类，得到最终的供用能场景。
2.根据权利要求1所述的一种配电系统的元胞结构及供用能场景构建方法，其特征在于，所述步骤S1包括以下步骤：
S11，根据区域内的电能表数据以及线路连接关系获取每个用电节点的基本信息；
S12，根据用电节点的基本信息构建电力拓扑模型；
S13，基于电力拓扑模型，根据若干个用电节点的位置信息，由若干个相连的用电节点构成一个元胞用能单元，形成若干个初始元胞用能单元。
3.根据权利要求2所述的一种配电系统的元胞结构及供用能场景构建方法，其特征在于，所述步骤S1还包括：
获取用电节点的全年用能数据，并对不同类型的用能数据分别赋予不同的权重系数，生成权重参数；根据权重参数采用K均值聚类算法进行二次划分，得到最终的分类结果。
4.根据权利要求3所述的一种配电系统的元胞结构及供用能场景构建方法，其特征在于，所述步骤S2包括以下步骤：
S21，提取划分后的元胞用能单元的用能特征，并形成各类用能特征曲线；
S22，利用三维地理信息软件集成元胞用能单元的形态、属性与能源信息，构建基于不同类型用能特征与对应元胞用能单元的多层级信息映射库；
S23，根据多层级信息映射库提取出元胞用能单元内用电节点的用能特征规律。
5.根据权利要求1或2或4所述的一种配电系统的元胞结构及供用能场景构建方法，其特征在于，所述步骤S3包括以下步骤：
S31，根据元胞用能单元内用电节点的用能特征规律确定其对应的场景偏好；
S32，获取所有场景偏好下的历史数据，形成初始供用能场景。
6.根据权利要求1或2或4所述的一种配电系统的元胞结构及供用能场景构建方法，其特征在于，所述步骤S4具体包括以下步骤：
在初始供用能场景的基础上，采用K均值聚类算法进行场景聚类，得到最终的供用能场景。
7.根据权利要求3所述的一种配电系统的元胞结构及供用能场景构建方法，其特征在于，所述根据权重参数采用K均值聚类算法进行二次划分，得到最终的分类结果具体包括：
选取n个聚类中心；
令迭代次数t＝0、1、2…进行迭代；
(1)对每个权重参数，分配到距离其最近的中心；
(2)对于每一个聚类中心，结合属于该聚类中的权重参数，重新计算中心；
重复(1)和(2)，直至损失函数收敛并输出最终的分类结果。
8.根据权利要求7所述的一种配电系统的元胞结构及供用能场景构建方法，其特征在于，所述损失函数即为：各聚类中心与权重参数构建的平方和达到最小。
CN202311281557.2A 2023-09-28 2023-09-28 一种配电系统的元胞结构及供用能场景构建方法 Pending CN117498305A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311281557.2A CN117498305A (zh) 2023-09-28 2023-09-28 一种配电系统的元胞结构及供用能场景构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311281557.2A CN117498305A (zh) 2023-09-28 2023-09-28 一种配电系统的元胞结构及供用能场景构建方法

Publications (1)

Publication Number Publication Date
CN117498305A true CN117498305A (zh) 2024-02-02

Family

ID=89681796

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311281557.2A Pending CN117498305A (zh) 2023-09-28 2023-09-28 一种配电系统的元胞结构及供用能场景构建方法

Country Status (1)

Country Link
CN (1) CN117498305A (zh)

Similar Documents

Publication Publication Date Title
CN109272176B (zh) 利用K-means聚类算法对台区线损率预测计算方法
CN108448620B (zh) 基于综合性能指标的高渗透率分布式电源集群划分方法
CN107578288B (zh) 一种考虑用户用电模式差异的非侵入式负荷分解方法
CN107169631B (zh) 基于改进加权Voronoi图的有源配电网变电站规划方法
CN104850629A (zh) 一种基于改进k-means算法的海量智能用电数据分析方法
CN102999791A (zh) 一种电力行业中基于客户分群的电力负荷预测方法
CN115329899A (zh) 一种聚类等效模型构建方法、系统、设备和存储介质
CN114417719A (zh) 一种基于图注意力网络的配电网网格化方法及装置
CN110909786A (zh) 一种基于特性指标与决策树模型的新装用户负荷辨识方法
Chen et al. Graph neural network-based wind farm cluster speed prediction
CN117498305A (zh) 一种配电系统的元胞结构及供用能场景构建方法
CN111146815B (zh) 一种智能配电网分布式发电规划配置方法
CN103714226A (zh) 一种有序用电优化方案自动生成方法与装置
CN115809828A (zh) 基于多维聚类的建筑运行碳排放行为画像刻画方法及系统
CN116128154A (zh) 一种农业园区综合能源系统的能源优化配置方法及装置
CN106056271B (zh) 一种用户群用电负荷响应的智能控制方法
CN113673141B (zh) 一种基于数据驱动的能量路由器建模及优化控制方法
CN115776138A (zh) 一种考虑多维不确定性和能量管理策略的微电网容量规划方法及装置
CN109344875A (zh) 基于聚类分析的日风电出力时序生成方法、装置与介质
CN112036553A (zh) 一种基于遗传算法的非信号注入式户相拓扑关系识别方法
Oprea et al. Methods for electricity load profile calculation within deregulated markets
CN117713176B (zh) 源网荷储低碳运行方法、装置、电子设备及存储介质
Yu et al. GIS-based optimal siting and sizing of substation using semi-supervised learning
CN116823338B (zh) 电力用户经济属性缺失值的推断方法
CN102752776B (zh) 无线网络利用率的获取方法和装置

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