CN117543591A - 基于海量数据分析引导的电网负荷管理与分时充电系统 - Google Patents

基于海量数据分析引导的电网负荷管理与分时充电系统 Download PDF

Info

Publication number
CN117543591A
CN117543591A CN202311380259.9A CN202311380259A CN117543591A CN 117543591 A CN117543591 A CN 117543591A CN 202311380259 A CN202311380259 A CN 202311380259A CN 117543591 A CN117543591 A CN 117543591A
Authority
CN
China
Prior art keywords
load
charging
time
user
coefficient
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
CN202311380259.9A
Other languages
English (en)
Inventor
谢湘南
韩烈兵
郑星
汤京川
李兵
徐华键
李茜
代睿
杨娟
张绍渔
吴曼菁
罗敬宇
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.)
Chongqing Green Energy Development Co ltd
Original Assignee
Chongqing Green Energy Development 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 Chongqing Green Energy Development Co ltd filed Critical Chongqing Green Energy Development Co ltd
Priority to CN202311380259.9A priority Critical patent/CN117543591A/zh
Publication of CN117543591A publication Critical patent/CN117543591A/zh
Pending legal-status Critical Current

Links

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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • 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
    • 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
    • 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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]
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/58—The condition being electrical
    • H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Power Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Physics (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Development Economics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了基于海量数据分析引导的电网负荷管理与分时充电系统，涉及充电负荷管理技术领域，该系统通过分析用户充电行为特征，这使得系统能够提供更符合用户需求的充电建议。通过采集和考虑实时天气数据，促进理解不同天气条件下的电力需求变化。这有助于系统根据天气情况调整充电策略，提高电力系统的适应性。传统的静态负荷管理方法可能无法应对动态需求。该系统可以识别不同时间段的负荷特性，从而实现更灵活的负荷管理策略。通过综合用户行为、天气影响和负荷特性，系统计算出综合因子P，用于评估负荷状态。根据实时需求和环境因素，智能地管理电力负载，降低峰值需求，减轻电力系统的负荷压力，提高电力系统的稳定性和效率。

Description

基于海量数据分析引导的电网负荷管理与分时充电系统
技术领域
本发明涉及充电负荷管理技术领域，具体为基于海量数据分析引导的电网负荷管理与分时充电系统。
背景技术
随着电动汽车的普及和可再生能源的应用，电力系统面临了新的挑战和机遇。分时充电系统可以通过合理调度电动汽车的充电需求，帮助平衡电力系统的负荷，降低高峰负荷时段的压力，减少用电峰值，提高电力系统的效率。但是，如何有效地管理充电需求，以及如何应对外部环境因素对电力系统的影响，是一个复杂而具有挑战性的问题。
电动汽车用户的充电行为具有很大的多样性，包括充电频率、充电持续时间和充电地点的不同选择。传统方法通常将所有用户视为相似，而未考虑到不同用户的行为差异。
环境因素如温度、天气、降雨量和风速等都可以影响电力系统的负荷特性。在高温天气下，在极端高温或低温条件下，电池的效率可能下降，充电速率可能减慢。高温天气可能导致电动汽车电池的快速消耗，而恶劣天气可能降低充电桩的可用性。然而，传统负荷管理方法未能充分考虑到天气因素。电动汽车充电需求通常是动态变化的，可能在一天内不同时间段出现显著波动。这种动态性需要更精细的负荷管理策略。针对以上问题进行改进，因此，亟需提出基于海量数据分析引导的电网负荷管理与分时充电系统。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了基于海量数据分析引导的电网负荷管理与分时充电系统，该系统通过分析用户充电行为特征，这使得系统能够提供更符合用户需求的充电建议，提高用户满意度。通过采集和考虑实时天气数据，系统可以更好地理解不同天气条件下的电力需求变化。这有助于系统根据天气情况调整充电策略，提高电力系统的适应性。传统的静态负荷管理方法可能无法应对动态需求。该系统可以识别不同时间段的负荷特性，从而实现更灵活的负荷管理策略。通过综合用户行为、天气影响和负荷特性，系统计算出综合因子P，用于评估负荷状态。这有助于系统更全面地理解和预测电力系统的负荷情况。根据实时需求和环境因素，该系统可以智能地管理电力负载，降低峰值需求，减轻电力系统的负荷压力，提高电力系统的稳定性和效率。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：基于海量数据分析引导的电网负荷管理与分时充电系统，包括区域划分模块，第一采集模块、第二采集模块、第三采集模块、第四采集模块、分析模块和评估模块；
依据电网的分布和子站或变电站的位置由区域划分模块进行划分若干个区域，在若干个区域电网处于工作状态时，由第一采集模块采集若干个区域内的电网负荷数据和充电桩状态数据，建立相应的电网负荷数据集和区域子站模型，并在区域子站模型内设置标记位置；
由第二采集模块对若干个区域内电网源头采集获取充电订单数据和电能消耗数据；并将充电订单数据、电能消耗数据和充电桩状态数据进行整合，建立区域数据集，确保数据之间的时间戳和充电桩标识符信息对齐；
从整合后的区域数据集中提取用户充电行为特征和用电负荷特征，所述用户充电行为特征包括充电频率、充电持续时间和充电地点；所述用电负荷特征包括不同时间段的负荷波动特征；
由分析模块对用户充电行为特征进行分析，计算获得不同区域的每日充电频率系数PL、充电持续系数CX和用户充电习惯系数XG；并将每日充电频率系数PL、充电持续系数CX和用户充电习惯系数XG进行拟合获得用户行为指数Xwz；
对用电负荷特征进行识别和分析，获得不同区域的平均负荷系数，并绘制每个区域的负荷峰值，计算负荷因子F，建创负荷剖面，描述每个区域在一天内不同时间的负荷情况，建立n个时段并标记为T1、T2、T3、..Tn，并对n个时段分别建立预测模型，依据负荷剖面，计算不同时段的负载系数Fh；
并建立预测模型，依据用户行为指数Xwz，并由第三采集模块获得区域新增订单数量，分析预测不同时段的变化波动值，获得预估变化负荷系数BFhx；
第四采集模块采集温度数据和天气数据，并计算获得天气影响系数HJyx；
并由评估模块将预估变化负荷系数BFhx、负荷因子F、用户行为指数Xwz和天气影响系数HJyx，拟合获得综合因子P，并将n个时段的负载系数Fh和综合因子P相关联后，分别与第一顶峰阈值和第二低负荷阈值进行对比，获得评估结果，并依据评估结果制定负荷管理策略。
优选的，所述电网负荷数据包括实时电力负荷数据，采用每小时为时间间隔对区域进行采集，获得实时电力负荷数据；所述充电桩状态数据包括采集区域内充电桩的总数量、充电桩的实时状态、充电桩的GPS坐标和充电桩功率特性；充电桩的实时状态包括是否空闲、正在充电和已充满状态；充电桩的GPS坐标，用于在区域子站模型内设置标记位置。
优选的，第二采集模块对若干个区域内电网源头采集获取充电订单数据和电能消耗数据；所述充电订单数据包括订单ID、用户ID、订单充电时间戳、订单结束充电时间戳，充电时长、订单充电的总能量、订单充电费用、订单状态，订单状态包括已完成、正在充电和已取消；所述电能消耗数据包括每个区域内的电能消耗量，采用每小时为时间间隔采集，并记录电能消耗数据的时间戳，以确保数据与订单数据和充电桩状态数据对齐。
优选的，第三采集模块用于采集周期内新增订单数量xzds和不同时间段的电力变化波动值bdz，由分析模块进行分析获得预估变化负荷系数BFhx，所述预估变化负荷系数BFhx由以下公式生成：
式中，γ及σ为可变更常数参数，0.45≤γ≤1.16，0.87≤σ≤1.88，其具体值由用户调整设置。
优选的，所述第四采集模块用于实时采集若干个区域内的实时温度值wdz和天气数据，天气数据包括降雨量JSL、风速Fs和湿度值sdz，并进行无量纲处理后，由分析模块将实时温度值wdz、降雨量JSL、风速Fs和湿度值sdz关联形成天气影响系数HJyx；
其中，天气影响系数HJyx的获取方式如下：
其中，参数的意义及取值为：0.14≤w1≤0.98，0.23≤w2≤1.02，0.26≤w3≤1.06，且w1+w2+w3＝1，w1、w2和w3为权重，其具体值由用户调整设置，C1为常数修正系数。
优选的，每日充电频率系数PL和充电持续系数CX由以下公式生成：
式中，N表示为一个月内总充电次数，表示为区域中所有用户充电订单的总次数，ZTS表示为总天数，设置为30天，ZT表示为总充电时间，表示区域中所有用户充电订单的总持续时间；
将用户的充电频率、充电持续时间特征划分为K个簇数量，并对于每个簇，其中，i＝1,2,...,K，通过聚类分析计算充电习惯系数XG，XG表示用户在簇i内的充电行为相对于整体平均的相似性，所述充电习惯系数XG由以下公式生成：
XG_i＝1-(SSE_i/SSE_total)
式中，SSE_i是簇i内每个用户的充电频率和充电持续时间与该簇内平均值的平方误差和SumofSquaredErrors；SSE_total是所有簇的SSE之和，表示整体的误差和，公式的含义为，XG_i的值将介于0和1之间，表示用户在簇i内的充电行为相似性，值接近1表示用户在该簇内的充电行为非常相似，值接近0表示用户在该簇内的充电行为差异较大；
并将每日充电频率系数PL、充电持续系数CX和用户充电习惯系数XG进行拟合获得用户行为指数Xwz；获得用户行为指数Xwz通过以下公式生成：
其中，0≤α≤1，0≤β≤1，0≤θ≤1且α+β+θ＝1，α、β、θ为权重，其具体值由用户调整设置，C2为常数修正系数。
优选的，对用电负荷特征进行识别和分析，获得不同区域的平均负荷PJFH，并绘制每个区域的负荷峰值，计算负荷因子F，负荷因子F由以下公式进行计算获得：
ZDFH表示为区域的最大负荷，平均负荷PJFH表示为在一定时间内的平均电力负荷，以千瓦kW或兆瓦MW为单位；负荷因子F的值在0到1之间，负荷因子F接近1表示电力系统或设备在大部分时间内接近其最大容量运行，这表明其利用率高；相反，如果负荷因子F接近0，表示系统或设备在大部分时间内未能充分利用其额定容量，存在浪费；
建创负荷剖面，描述每个区域在一天内不同时间的负荷情况，建立n个时段并标记为T1、T2、T3、..Tn，并对n个时段分别建立预测模型，依据负荷剖面，计算不同时段的负载系数Fh；负载系数Fh由以下公式计算获得：
Fh＝(P_max-P_min)/P_avg
式中，P_max是特定时间段内的最大负荷值，即负荷峰值，P_min是特定时间段内的最小负荷值，P_avg是特定时间段内的平均负荷值；公式的含义为，Fh表示了特定时间段内的电网负荷变化程度，较大的Fh值表示负荷在该时间段内的波动较大，而较小的Fh值表示负荷相对稳定；
并将n个时段的负载系数Fh依据数值由最大值至最小值进行排列，获得负载时段列表。
优选的，所述评估模块包括综合因子P计算单元和评估结果单元；
综合因子P计算单元用于将预估变化负荷系数BFhx、负荷因子F、用户行为指数Xwz和天气影响系数HJyx相关联，计算获得综合因子P的公式如下：
P＝R1*BFhx+R2*F+R3*Xwz+R4*HJyx
式中，R1、R2、R3、R4是各个因素的权重值，由用户调整设置；
对于每个时段Ti，将负载系数Fh(Ti)和对应的综合因子P(Ti)相关联，由评估结果单元将其负载系数Fh(Ti)与第一顶峰阈值和第二低负荷阈值进行比较，获得评估结果；
如果Fh(Ti)大于或等于第一顶峰阈值，则说明负荷在高峰状态，则生成第一评估结果，需要采取措施来稳定系统；
如果Fh(Ti)在第一顶峰阈值和第二低负荷阈值之间，则生成第二评估结果，表示当前负载正常；
如果Fh(Ti)小于或等于第二低负荷阈值，则生成第三评估结果，则说明负荷在低谷状态，需要采取措施来增加负载。
优选的，对于第一评估结果，分时充电系统设置以下策略根据不同评估结果进行调整负荷状态，包括：
第一评估结果时，说明高峰状态下，分时充电系统减缓充电桩的充电速率，以减少负荷；并提高高峰时段的电价，以鼓励用户推迟充电或在其他时段充电；并向用户提供实时的电价和负荷状态信息，以鼓励用户采取节能措施，如推迟充电或减少负荷；
第二评估结果时，在正常状态下，分时充电系统会维持当前的充电策略，以满足用户需求，但不需要特别的调整；
第三评估结果时，说明低谷负荷时段，分时充电系统会降低电价，以鼓励用户在此时段充电；并提高充电桩的充电速率，以满足用户的需求；并发布促销活动或特别优惠，鼓励更多用户选择在低谷时段充电。
优选的，还包括实时监测反馈单元；
所述实时监测反馈单元用于实时对调整策略后的负载系数Fh(Ti)实时检测，并确定用户响应，根据实际情况进行调整和优化负荷管理策略。
(三)有益效果
本发明提供了基于海量数据分析引导的电网负荷管理与分时充电系统。具备以下有益效果：
(1)该基于海量数据分析引导的电网负荷管理与分时充电系统，该系统通过分析用户充电行为、环境因素和用电负荷特征，能够更好地管理电力系统的负载。它可以在高峰和低谷时段采取不同策略，以减轻高峰时段的电力需求，降低电力系统的过载风险，并在低谷时段鼓励更多的充电，提高资源利用率，从而实现电力系统的负载优化和平衡。
(2)该基于海量数据分析引导的电网负荷管理与分时充电系统，该系统通过调整电价、提供实时信息和发布促销活动，鼓励用户在负载管理中积极参与。用户可以根据负荷状态和电价选择最佳充电时机，从而实现能源消费的灵活性，减少电费支出，并共同协作以平滑负载曲线，提高电力系统的效率和稳定性。
(3)该基于海量数据分析引导的电网负荷管理与分时充电系统，该系统具备实时监测和反馈机制，可以随时检测负载变化和用户响应，并及时调整负载管理策略。这有助于系统在不同情况下保持灵活性，快速适应电力需求的变化，提高电力系统的鲁棒性和可靠性。
(4)该基于海量数据分析引导的电网负荷管理与分时充电系统，该系统通过分析用户充电行为特征，能够为不同用户建立个性化的充电行为模型。这使得系统能够提供更符合用户需求的充电建议，提高用户满意度。通过采集和考虑实时天气数据，系统可以更好地理解不同天气条件下的电力需求变化。这有助于系统根据天气情况调整充电策略，提高电力系统的适应性。传统的静态负荷管理方法可能无法应对动态需求。该系统可以识别不同时间段的负荷特性，从而实现更灵活的负荷管理策略。通过综合用户行为、天气影响和负荷特性，系统计算出综合因子P，用于评估负荷状态。这有助于系统更全面地理解和预测电力系统的负荷情况。
附图说明
图1为本发明基于海量数据分析引导的电网负荷管理与分时充电系统流程示意图；
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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。
电动汽车用户的充电行为具有很大的多样性，包括充电频率、充电持续时间和充电地点的不同选择。传统方法通常将所有用户视为相似，而未考虑到不同用户的行为差异。
环境因素如温度、天气、降雨量和风速等都可以影响电力系统的负荷特性。在高温天气下，在极端高温或低温条件下，电池的效率可能下降，充电速率可能减慢。高温天气可能导致电动汽车电池的快速消耗，而恶劣天气可能降低充电桩的可用性。然而，传统负荷管理方法未能充分考虑到天气因素。电动汽车充电需求通常是动态变化的，可能在一天内不同时间段出现显著波动。这种动态性需要更精细的负荷管理策略。针对以上问题进行改进，因此，亟需提出基于海量数据分析引导的电网负荷管理与分时充电系统。
实施例1
本发明提供基于海量数据分析引导的电网负荷管理与分时充电系统，请参阅图1，包括区域划分模块，第一采集模块、第二采集模块、第三采集模块、第四采集模块、分析模块和评估模块；
依据电网的分布和子站或变电站的位置由区域划分模块进行划分若干个区域，在若干个区域电网处于工作状态时，由第一采集模块采集若干个区域内的电网负荷数据和充电桩状态数据，建立相应的电网负荷数据集和区域子站模型，并在区域子站模型内设置标记位置；
由第二采集模块对若干个区域内电网源头采集获取充电订单数据和电能消耗数据；并将充电订单数据、电能消耗数据和充电桩状态数据进行整合，建立区域数据集，确保数据之间的时间戳和充电桩标识符信息对齐；
从整合后的区域数据集中提取用户充电行为特征和用电负荷特征，所述用户充电行为特征包括充电频率、充电持续时间和充电地点；所述用电负荷特征包括不同时间段的负荷波动特征；
由分析模块对用户充电行为特征进行分析，计算获得不同区域的每日充电频率系数PL、充电持续系数CX和用户充电习惯系数XG；并将每日充电频率系数PL、充电持续系数CX和用户充电习惯系数XG进行拟合获得用户行为指数Xwz；
对用电负荷特征进行识别和分析，获得不同区域的平均负荷系数，并绘制每个区域的负荷峰值，计算负荷因子F，建创负荷剖面，描述每个区域在一天内不同时间的负荷情况，建立n个时段并标记为T1、T2、T3、..Tn，并对n个时段分别建立预测模型，依据负荷剖面，计算不同时段的负载系数Fh；
并建立预测模型，依据用户行为指数Xwz，并由第三采集模块获得区域新增订单数量，分析预测不同时段的变化波动值，获得预估变化负荷系数BFhx；
第四采集模块采集温度数据和天气数据，并计算获得天气影响系数HJyx；
并由评估模块将预估变化负荷系数BFhx、负荷因子F、用户行为指数Xwz和天气影响系数HJyx，拟合获得综合因子P，并将n个时段的负载系数Fh和综合因子P相关联后，分别与第一顶峰阈值和第二低负荷阈值进行对比，获得评估结果，并依据评估结果制定负荷管理策略。
本实施例中，该系统通过分析用户充电行为特征，能够为不同用户建立个性化的充电行为模型。这使得系统能够提供更符合用户需求的充电建议，提高用户满意度。
通过采集和考虑实时天气数据，系统可以更好地理解不同天气条件下的电力需求变化。这有助于系统根据天气情况调整充电策略，提高电力系统的适应性。
传统的静态负荷管理方法可能无法应对动态需求。该系统可以识别不同时间段的负荷特性，从而实现更灵活的负荷管理策略。
通过综合用户行为、天气影响和负荷特性，系统计算出综合因子P，用于评估负荷状态。这有助于系统更全面地理解和预测电力系统的负荷情况。
实施例2
本实施例是在实施例1中进行的解释说明，请参照图1，具体的，所述电网负荷数据包括实时电力负荷数据，采用每小时为时间间隔对区域进行采集，获得实时电力负荷数据；所述充电桩状态数据包括采集区域内充电桩的总数量、充电桩的实时状态、充电桩的GPS坐标和充电桩功率特性；充电桩的实时状态包括是否空闲、正在充电和已充满状态；充电桩的GPS坐标，用于在区域子站模型内设置标记位置。这对于优化充电站点的布局和提供导航服务提供有益作用。
具体的，第二采集模块对若干个区域内电网源头采集获取充电订单数据和电能消耗数据；所述充电订单数据包括订单ID、用户ID、订单充电时间戳、订单结束充电时间戳，充电时长、订单充电的总能量、订单充电费用、订单状态，订单状态包括已完成、正在充电和已取消；所述电能消耗数据包括每个区域内的电能消耗量，采用每小时为时间间隔采集，并记录电能消耗数据的时间戳，以确保数据与订单数据和充电桩状态数据对齐。这有助于系统了解充电需求的具体细节，为个性化充电建议提供了基础。
本实施例中，这些数据采集和监控功能使得系统能够更准确地了解电力系统和用户充电行为，从而实现更智能、更精细化的负荷管理和分时充电策略，提高了电力系统的效率和可用性。此外，地理定位信息还为用户提供了方便的充电桩位置信息，提高了用户体验。
实施例3
本实施例是在实施例1中进行的解释说明，请参照图1，具体的，第三采集模块用于采集周期内新增订单数量xzds和不同时间段的电力变化波动值bdz，由分析模块进行分析获得预估变化负荷系数BFhx，所述预估变化负荷系数BFhx由以下公式生成：
式中，γ及σ为可变更常数参数，0.45≤γ≤1.16，0.87≤σ≤1.88，其具体值由用户调整设置。
本实施例中，通过更准确地预测负荷变化，系统可以提前通知用户关于电力供应的情况，从而帮助他们做出更明智的充电决策。这可以提高用户体验，并减少不便。第三采集模块的功能和预估变化负荷系数BFhx的计算为电力系统的动态性提供了更好的应对方式，同时也提高了系统的可配置性和用户体验。这有助于确保电力系统的高效运行，减少供电不足或浪费。
实施例4
本实施例是在实施例1中进行的解释说明，请参照图1，具体的，所述第四采集模块用于实时采集若干个区域内的实时温度值wdz和天气数据，天气数据包括降雨量JSL、风速Fs和湿度值sdz，并进行无量纲处理后，由分析模块将实时温度值wdz、降雨量JSL、风速Fs和湿度值sdz关联形成天气影响系数HJyx；
其中，天气影响系数HJyx的获取方式如下：
其中，参数的意义及取值为：0.14≤w1≤0.98，0.23≤w2≤1.02，0.26≤w3≤1.06，且w1+w2+w3＝1，w1、w2和w3为权重，其具体值由用户调整设置，C1为常数修正系数。
本实施例中，提前了解天气影响有助于用户更好地计划充电行为。用户可以根据天气条件来决定何时充电，以确保充电桩的可用性和电池性能。天气影响系数的考虑有助于减少电力系统的浪费，确保电力在不受天气条件影响的情况下以最高效率提供。第四采集模块的数据采集和天气影响系数的计算使电力系统更加智能化和适应性强，有助于提高能源利用效率和用户体验，同时减少了电力系统的脆弱性。这对于可持续的电力管理和供应非常有益。
实施例5
本实施例是在实施例1中进行的解释说明，请参照图1，具体的，每日充电频率系数PL和充电持续系数CX由以下公式生成：
式中，N表示为一个月内总充电次数，表示为区域中所有用户充电订单的总次数，ZTS表示为总天数，设置为30天，ZT表示为总充电时间，表示区域中所有用户充电订单的总持续时间；
将用户的充电频率、充电持续时间特征划分为K个簇数量，并对于每个簇，其中，i＝1,2,...,K，通过聚类分析计算充电习惯系数XG，XG表示用户在簇i内的充电行为相对于整体平均的相似性，所述充电习惯系数XG由以下公式生成：
XG_i＝1-(SSE_i/SSE_total)
式中，SSE_i是簇i内每个用户的充电频率和充电持续时间与该簇内平均值的平方误差和SumofSquaredErrors；SSE_total是所有簇的SSE之和，表示整体的误差和，公式的含义为，XG_i的值将介于0和1之间，表示用户在簇i内的充电行为相似性，值接近1表示用户在该簇内的充电行为非常相似，值接近0表示用户在该簇内的充电行为差异较大；
并将每日充电频率系数PL、充电持续系数CX和用户充电习惯系数XG进行拟合获得用户行为指数Xwz；获得用户行为指数Xwz通过以下公式生成：
其中，0≤α≤1，0≤β≤1，0≤θ≤1且α+β+θ＝1，α、β、θ为权重，其具体值由用户调整设置，C2为常数修正系数。
本实施例中，通过将用户分成不同的簇并计算充电习惯系数XG，系统可以更好地理解用户的充电行为，从而为不同用户提供个性化的负荷管理策略。这有助于满足用户的需求，提高用户满意度。用户行为指数Xwz的生成可以帮助系统更准确地预测不同区域的负荷情况。通过考虑用户的充电习惯，系统可以更好地捕捉充电需求的波动性，从而改善负荷预测的准确性。
实施例6
本实施例是在实施例1中进行的解释说明，请参照图1，具体的，对用电负荷特征进行识别和分析，获得不同区域的平均负荷PJFH，并绘制每个区域的负荷峰值，计算负荷因子F，负荷因子F由以下公式进行计算获得：
ZDFH表示为区域的最大负荷，平均负荷PJFH表示为在一定时间内的平均电力负荷，以千瓦kW或兆瓦MW为单位；负荷因子F的值在0到1之间，负荷因子F接近1表示电力系统或设备在大部分时间内接近其最大容量运行，这表明其利用率高；相反，如果负荷因子F接近0，表示系统或设备在大部分时间内未能充分利用其额定容量，存在浪费；
建创负荷剖面，描述每个区域在一天内不同时间的负荷情况，建立n个时段并标记为T1、T2、T3、..Tn，并对n个时段分别建立预测模型，依据负荷剖面，计算不同时段的负载系数Fh；负载系数Fh由以下公式计算获得：
Fh＝(P_max-P_min)/P_avg
式中，P_max是特定时间段内的最大负荷值，即负荷峰值，P_min是特定时间段内的最小负荷值，P_avg是特定时间段内的平均负荷值；公式的含义为，Fh表示了特定时间段内的电网负荷变化程度，较大的Fh值表示负荷在该时间段内的波动较大，而较小的Fh值表示负荷相对稳定；
并将n个时段的负载系数Fh依据数值由最大值至最小值进行排列，获得负载时段列表。#创建一个包含Fh值和对应时段的元组列表
data＝[(Fh_values[i],T_values[i])foriinrange(len(Fh_values))]
#使用Python的sorted函数对元组列表进行排序，按Fh值从小到大排序
sorted_data＝sorted(data,key＝lambdax:x[0])
#输出排序后的时段和对应的Fh值
foriteminsorted_data:
Fh_value,T_value＝item
print(f"时段{T_value}:负载系数Fh＝{Fh_value}")
本实施例中，这些分析结果可以帮助电力系统管理者更好地规划电力供应，以适应不同时间段的需求。通过优化电力系统的运行，可以降低成本、提高可靠性，并减少资源浪费。这些公式和分析方法有助于更深入地了解和管理电力系统的负荷特性，从而提高电力系统的效率和可持续性。
实施例7
本实施例是在实施例1中进行的解释说明，请参照图1，具体的，所述评估模块包括综合因子P计算单元和评估结果单元；
综合因子P计算单元用于将预估变化负荷系数BFhx、负荷因子F、用户行为指数Xwz和天气影响系数HJyx相关联，计算获得综合因子P的公式如下：
P＝R1*BFhx+R2*F+R3*Xwz+R4*HJyx
式中，R1、R2、R3、R4是各个因素的权重值，由用户调整设置；
对于每个时段Ti，将负载系数Fh(Ti)和对应的综合因子P(Ti)相关联，由评估结果单元将其负载系数Fh(Ti)与第一顶峰阈值和第二低负荷阈值进行比较，获得评估结果；
如果Fh(Ti)大于或等于第一顶峰阈值，则说明负荷在高峰状态，则生成第一评估结果，需要采取措施来稳定系统；
如果Fh(Ti)在第一顶峰阈值和第二低负荷阈值之间，则生成第二评估结果，表示当前负载正常；
如果Fh(Ti)小于或等于第二低负荷阈值，则生成第三评估结果，则说明负荷在低谷状态，需要采取措施来增加负载。
本实施例中，综合因子P是一个综合考虑了多种因素的指标，包括预估变化负荷系数BFhx、负荷因子F、用户行为指数Xwz和天气影响系数HJyx。通过将这些因素结合起来，综合因子P能够更全面地反映电力系统的运行状态。这有助于决策者更好地了解电力系统的复杂性和脆弱性。根据负载系数Fh(Ti)与第一顶峰阈值和第二低负荷阈值的比较，可以生成三种不同的评估结果：高峰状态、正常状态和低谷状态。这些评估结果为决策者提供了有关电力系统当前状态的信息，使其能够采取适当的措施来应对不同的负载情况。评估结果直接影响到采取的负载管理策略。如果系统处于高峰状态，可能需要采取措施来稳定系统，例如启动备用电源或调整负载分配。如果系统处于低谷状态，可能需要采取措施来增加负载，以充分利用电力资源。
实施例8
本实施例是在实施例7中进行的解释说明，请参照图1，具体的，对于第一评估结果，分时充电系统设置以下策略根据不同评估结果进行调整负荷状态，包括：
第一评估结果时，说明高峰状态下，分时充电系统减缓充电桩的充电速率，以减少负荷；并提高高峰时段的电价，以鼓励用户推迟充电或在其他时段充电；并向用户提供实时的电价和负荷状态信息，以鼓励用户采取节能措施，如推迟充电或减少负荷；
第二评估结果时，在正常状态下，分时充电系统会维持当前的充电策略，以满足用户需求，但不需要特别的调整；
第三评估结果时，说明低谷负荷时段，分时充电系统会降低电价，以鼓励用户在此时段充电；并提高充电桩的充电速率，以满足用户的需求；并发布促销活动或特别优惠，鼓励更多用户选择在低谷时段充电。
具体的，还包括实时监测反馈单元；
所述实时监测反馈单元用于实时对调整策略后的负载系数Fh(Ti)实时检测，并确定用户响应，根据实际情况进行调整和优化负荷管理策略。
本实施例中，通过提高高峰时段的电价、降低低谷时段的电价以及发布促销活动，分时充电系统可以引导用户在电力系统需求较低的时段充电，从而平滑负载曲线。这有助于减少高峰时段的过载风险，提高电力系统的稳定性。同时，实时提供电价和负荷状态信息，鼓励用户采取节能措施，进一步优化了电力系统的运行。实时监测反馈单元的存在使系统能够实时检测调整策略后的负载系数Fh(Ti)和用户响应。这样，系统可以及时了解策略的效果，并根据实际情况进行调整和优化负荷管理策略。这种反馈机制有助于保持电力系统的灵活性和适应性。通过根据不同情况采取针对性的策略，分时充电系统能够更有效地利用电力资源，减少浪费，提高电力系统的效率。这对于确保电力系统的可持续性和经济性非常重要。分时充电系统的策略鼓励用户在负载管理中发挥积极作用。用户可以根据电价和负荷状态来灵活调整充电时间，从而共同协作以平滑负载曲线，减少高峰时段的负担。这种用户参与有助于构建更可持续的电力系统。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.基于海量数据分析引导的电网负荷管理与分时充电系统，其特征在于：包括区域划分模块，第一采集模块、第二采集模块、第三采集模块、第四采集模块、分析模块和评估模块；
依据电网的分布和子站或变电站的位置由区域划分模块进行划分若干个区域，在若干个区域电网处于工作状态时，由第一采集模块采集若干个区域内的电网负荷数据和充电桩状态数据，建立相应的电网负荷数据集和区域子站模型，并在区域子站模型内设置标记位置；
由第二采集模块对若干个区域内电网源头采集获取充电订单数据和电能消耗数据；并将充电订单数据、电能消耗数据和充电桩状态数据进行整合，建立区域数据集，确保数据之间的时间戳和充电桩标识符信息对齐；
从整合后的区域数据集中提取用户充电行为特征和用电负荷特征，所述用户充电行为特征包括充电频率、充电持续时间和充电地点；所述用电负荷特征包括不同时间段的负荷波动特征；
由分析模块对用户充电行为特征进行分析，计算获得不同区域的每日充电频率系数PL、充电持续系数CX和用户充电习惯系数XG；并将每日充电频率系数PL、充电持续系数CX和用户充电习惯系数XG进行拟合获得用户行为指数Xwz；
对用电负荷特征进行识别和分析，获得不同区域的平均负荷系数，并绘制每个区域的负荷峰值，计算负荷因子F，建创负荷剖面，描述每个区域在一天内不同时间的负荷情况，建立n个时段并标记为T1、T2、T3、..Tn，并对n个时段分别建立预测模型，依据负荷剖面，计算不同时段的负载系数Fh；
并建立预测模型，依据用户行为指数Xwz，并由第三采集模块获得区域新增订单数量，分析预测不同时段的变化波动值，获得预估变化负荷系数BFhx；
第四采集模块采集温度数据和天气数据，并计算获得天气影响系数HJyx；
并由评估模块将预估变化负荷系数BFhx、负荷因子F、用户行为指数Xwz和天气影响系数HJyx，拟合获得综合因子P，并将n个时段的负载系数Fh和综合因子P相关联后，分别与第一顶峰阈值和第二低负荷阈值进行对比，获得评估结果，并依据评估结果制定负荷管理策略。
2.根据权利要求1所述的基于海量数据分析引导的电网负荷管理与分时充电系统，其特征在于：所述电网负荷数据包括实时电力负荷数据，采用每小时为时间间隔对区域进行采集，获得实时电力负荷数据；所述充电桩状态数据包括采集区域内充电桩的总数量、充电桩的实时状态、充电桩的GPS坐标和充电桩功率特性；充电桩的实时状态包括是否空闲、正在充电和已充满状态；充电桩的GPS坐标，用于在区域子站模型内设置标记位置。
3.根据权利要求1所述的基于海量数据分析引导的电网负荷管理与分时充电系统，其特征在于：第二采集模块对若干个区域内电网源头采集获取充电订单数据和电能消耗数据；所述充电订单数据包括订单ID、用户ID、订单充电时间戳、订单结束充电时间戳，充电时长、订单充电的总能量、订单充电费用、订单状态，订单状态包括已完成、正在充电和已取消；所述电能消耗数据包括每个区域内的电能消耗量，采用每小时为时间间隔采集，并记录电能消耗数据的时间戳，以确保数据与订单数据和充电桩状态数据对齐。
4.根据权利要求1所述的基于海量数据分析引导的电网负荷管理与分时充电系统，其特征在于：第三采集模块用于采集周期内新增订单数量xzds和不同时间段的电力变化波动值bdz，由分析模块进行分析获得预估变化负荷系数BFhx，所述预估变化负荷系数BFhx由以下公式生成：
式中，γ及σ为可变更常数参数，0.45≤γ≤1.16，0.87≤σ≤1.88，其具体值由用户调整设置。
5.根据权利要求1所述的基于海量数据分析引导的电网负荷管理与分时充电系统，其特征在于：所述第四采集模块用于实时采集若干个区域内的实时温度值wdz和天气数据，天气数据包括降雨量JSL、风速Fs和湿度值sdz，并进行无量纲处理后，由分析模块将实时温度值wdz、降雨量JSL、风速Fs和湿度值sdz关联形成天气影响系数HJyx；
其中，天气影响系数HJyx的获取方式如下：
其中，参数的意义及取值为：0.14≤w1≤0.98，0.23≤w2≤1.02，0.26≤w3≤1.06，且w1+w2+w3＝1，w1、w2和w3为权重，其具体值由用户调整设置，C1为常数修正系数。
6.根据权利要求1所述的基于海量数据分析引导的电网负荷管理与分时充电系统，其特征在于：每日充电频率系数PL和充电持续系数CX由以下公式生成：
式中，N表示为一个月内总充电次数，表示为区域中所有用户充电订单的总次数，ZTS表示为总天数，设置为30天，ZT表示为总充电时间，表示区域中所有用户充电订单的总持续时间；
将用户的充电频率、充电持续时间特征划分为K个簇数量，并对于每个簇，其中，i＝1,2,...,K，通过聚类分析计算充电习惯系数XG，XG表示用户在簇i内的充电行为相对于整体平均的相似性，所述充电习惯系数XG由以下公式生成：
XG_i＝1-(SSE_i/SSE_total)
式中，SSE_i是簇i内每个用户的充电频率和充电持续时间与该簇内平均值的平方误差和SumofSquaredErrors；SSE_total是所有簇的SSE之和，表示整体的误差和，公式的含义为，XG_i的值将介于0和1之间，表示用户在簇i内的充电行为相似性，值接近1表示用户在该簇内的充电行为非常相似，值接近0表示用户在该簇内的充电行为差异较大；
并将每日充电频率系数PL、充电持续系数CX和用户充电习惯系数XG进行拟合获得用户行为指数Xwz；获得用户行为指数Xwz通过以下公式生成：
其中，0≤α≤1，0≤β≤1，0≤θ≤1且α+β+θ＝1，α、β、θ为权重，其具体值由用户调整设置，C2为常数修正系数。
7.根据权利要求1所述的基于海量数据分析引导的电网负荷管理与分时充电系统，其特征在于：对用电负荷特征进行识别和分析，获得不同区域的平均负荷PJFH，并绘制每个区域的负荷峰值，计算负荷因子F，负荷因子F由以下公式进行计算获得：
ZDFH表示为区域的最大负荷，平均负荷PJFH表示为在一定时间内的平均电力负荷，以千瓦kW或兆瓦MW为单位；负荷因子F的值在0到1之间，负荷因子F接近1表示电力系统或设备在大部分时间内接近其最大容量运行，这表明其利用率高；相反，如果负荷因子F接近0，表示系统或设备在大部分时间内未能充分利用其额定容量，存在浪费；
建创负荷剖面，描述每个区域在一天内不同时间的负荷情况，建立n个时段并标记为T1、T2、T3、..Tn，并对n个时段分别建立预测模型，依据负荷剖面，计算不同时段的负载系数Fh；负载系数Fh由以下公式计算获得：
Fh＝(P_max-P_min)/P_avg
式中，P_max是特定时间段内的最大负荷值，即负荷峰值，P_min是特定时间段内的最小负荷值，P_avg是特定时间段内的平均负荷值；公式的含义为，Fh表示了特定时间段内的电网负荷变化程度，较大的Fh值表示负荷在该时间段内的波动较大，而较小的Fh值表示负荷相对稳定；
并将n个时段的负载系数Fh依据数值由最大值至最小值进行排列，获得负载时段列表。
8.根据权利要求1所述的基于海量数据分析引导的电网负荷管理与分时充电系统，其特征在于：所述评估模块包括综合因子P计算单元和评估结果单元；
综合因子P计算单元用于将预估变化负荷系数BFhx、负荷因子F、用户行为指数Xwz和天气影响系数HJyx相关联，计算获得综合因子P的公式如下：
P＝R1*BFhx+R2*F+R3*Xwz+R4*HJyx
式中，R1、R2、R3、R4是各个因素的权重值，由用户调整设置；
对于每个时段Ti，将负载系数Fh(Ti)和对应的综合因子P(Ti)相关联，由评估结果单元将其负载系数Fh(Ti)与第一顶峰阈值和第二低负荷阈值进行比较，获得评估结果；
如果Fh(Ti)大于或等于第一顶峰阈值，则说明负荷在高峰状态，则生成第一评估结果，需要采取措施来稳定系统；
如果Fh(Ti)在第一顶峰阈值和第二低负荷阈值之间，则生成第二评估结果，表示当前负载正常；
如果Fh(Ti)小于或等于第二低负荷阈值，则生成第三评估结果，则说明负荷在低谷状态，需要采取措施来增加负载。
9.根据权利要求8所述的基于海量数据分析引导的电网负荷管理与分时充电系统，其特征在于：对于第一评估结果，分时充电系统设置以下策略根据不同评估结果进行调整负荷状态，包括：
第一评估结果时，说明高峰状态下，分时充电系统减缓充电桩的充电速率，以减少负荷；并提高高峰时段的电价，以鼓励用户推迟充电或在其他时段充电；并向用户提供实时的电价和负荷状态信息，以鼓励用户采取节能措施，如推迟充电或减少负荷；
第二评估结果时，在正常状态下，分时充电系统会维持当前的充电策略，以满足用户需求，但不需要特别的调整；
第三评估结果时，说明低谷负荷时段，分时充电系统会降低电价，以鼓励用户在此时段充电；并提高充电桩的充电速率，以满足用户的需求；并发布促销活动或特别优惠，鼓励更多用户选择在低谷时段充电。
10.根据权利要求9所述的基于海量数据分析引导的电网负荷管理与分时充电系统，其特征在于：还包括实时监测反馈单元；
所述实时监测反馈单元用于实时对调整策略后的负载系数Fh(Ti)实时检测，并确定用户响应，根据实际情况进行调整和优化负荷管理策略。
CN202311380259.9A 2023-10-23 2023-10-23 基于海量数据分析引导的电网负荷管理与分时充电系统 Pending CN117543591A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311380259.9A CN117543591A (zh) 2023-10-23 2023-10-23 基于海量数据分析引导的电网负荷管理与分时充电系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311380259.9A CN117543591A (zh) 2023-10-23 2023-10-23 基于海量数据分析引导的电网负荷管理与分时充电系统

Publications (1)

Publication Number Publication Date
CN117543591A true CN117543591A (zh) 2024-02-09

Family

ID=89785123

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311380259.9A Pending CN117543591A (zh) 2023-10-23 2023-10-23 基于海量数据分析引导的电网负荷管理与分时充电系统

Country Status (1)

Country Link
CN (1) CN117543591A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190385182A1 (en) * 2018-06-15 2019-12-19 Hunt Energy Enterprises, L.L.C. Distributed Energy Control
CN111640044A (zh) * 2020-06-03 2020-09-08 国网浙江省电力有限公司湖州供电公司 一种考虑虚拟储能的综合能源系统dg消纳策略研究方法
CN111799827A (zh) * 2020-05-20 2020-10-20 国网江苏省电力有限公司苏州供电分公司 一种含光储充电站的台区负荷调控方法
CN115860185A (zh) * 2022-11-10 2023-03-28 国网江苏省电力有限公司经济技术研究院 一种考虑极端高温天气下多类型电动汽车充电方式的电网负荷预测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190385182A1 (en) * 2018-06-15 2019-12-19 Hunt Energy Enterprises, L.L.C. Distributed Energy Control
CN111799827A (zh) * 2020-05-20 2020-10-20 国网江苏省电力有限公司苏州供电分公司 一种含光储充电站的台区负荷调控方法
CN111640044A (zh) * 2020-06-03 2020-09-08 国网浙江省电力有限公司湖州供电公司 一种考虑虚拟储能的综合能源系统dg消纳策略研究方法
CN115860185A (zh) * 2022-11-10 2023-03-28 国网江苏省电力有限公司经济技术研究院 一种考虑极端高温天气下多类型电动汽车充电方式的电网负荷预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈丽丹，张尧，ANTONIO FIGUEIREDO: "融合多源信息的电动汽车充电负荷预测及其对配电网的影响", 电力自动化设备, vol. 38, no. 12, 31 December 2018 (2018-12-31), pages 1 - 10 *

Similar Documents

Publication Publication Date Title
CN116646933B (zh) 一种基于大数据的电力负荷调度方法及系统
US20190202416A1 (en) Systems and methods for managing exchangeable energy storage device stations
Wang et al. Impact of plug-in hybrid electric vehicles on power systems with demand response and wind power
JP5843572B2 (ja) 運転計画システム及び運転計画作成方法
CN110198042B (zh) 一种电网储能的动态优化方法及存储介质
CN116565846A (zh) 一种虚拟电厂需求预测方法、系统及可读存储介质
CN110034561B (zh) 一种基于云储能租赁服务的风电场储能容量优化方法
EP2746093A1 (en) Method and apparatus for optimized management of an electric vehicle charging infrastructure
CN116757877B (zh) 新能源接入配电网的电网线损降损优化方法及系统
CN116436008A (zh) 一种用于光储充电站的电力调度方法及终端
Yang et al. Regulating the collective charging load of electric taxi fleet via real-time pricing
CN112332404A (zh) 采暖服务智能管理系统及方法
CN116581750A (zh) 一种基于电网负荷水平的智能线路负载充电方法
CN112508306A (zh) 一种电力生产配置的自适应方法及系统
CN108346009B (zh) 一种基于用户模型自学习的电力生产配置方法和装置
CN116896086A (zh) 考虑需求响应的虚拟电厂可调资源调控系统及方法
CN115811135A (zh) 一种基于电网调峰调频的充换电设备智能监测调控系统
CN112115350A (zh) 一种智慧城市充电智能推荐方法和系统
CN117495056A (zh) 一种用电数据监测和优化方法及系统
Zhou et al. A profitability assessment of fast-charging stations under vehicle-to-grid smart charging operation
CN111968008A (zh) 基于多能协作的综合能源监控系统及方法
CN117728379A (zh) 用于区域电网的智能运行调度方法
CN117543591A (zh) 基于海量数据分析引导的电网负荷管理与分时充电系统
CN116862036A (zh) 一种负载预测方法以及装置
CN117973819B (zh) 一种用于电能储放优化的储能管理系统及方法

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