CN117559443A - 尖峰负荷下大工业用户集群有序用电控制方法 - Google Patents

尖峰负荷下大工业用户集群有序用电控制方法 Download PDF

Info

Publication number
CN117559443A
CN117559443A CN202311652976.2A CN202311652976A CN117559443A CN 117559443 A CN117559443 A CN 117559443A CN 202311652976 A CN202311652976 A CN 202311652976A CN 117559443 A CN117559443 A CN 117559443A
Authority
CN
China
Prior art keywords
data
power
power utilization
load
equipment
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
CN202311652976.2A
Other languages
English (en)
Inventor
宗一
宋瑞卿
霍明雷
陶岩
武亚非
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.)
Kaifeng Power Supply Co of State Grid Henan Electric Power Co Ltd
Original Assignee
Kaifeng Power Supply Co of State Grid Henan 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 Kaifeng Power Supply Co of State Grid Henan Electric Power Co Ltd filed Critical Kaifeng Power Supply Co of State Grid Henan Electric Power Co Ltd
Priority to CN202311652976.2A priority Critical patent/CN117559443A/zh
Publication of CN117559443A publication Critical patent/CN117559443A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2123/00—Data types
    • G06F2123/02—Data types in the time domain, e.g. time-series data
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Power Engineering (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Public Health (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了尖峰负荷下大工业用户集群有序用电控制方法，涉及大工业用电控制技术领域，为了解决工业区内尖峰负荷下的设备用电数据处理不精准的问题。本发明根据先将尖峰负荷下的设备进行用电数据评估，可以进一步的提高该尖峰负荷设备的用电控制方案，在通过用电控制方案对设备进行参数优化，可以进一步的提高工业区内用电控制的效果，通过构建每个负荷量的识别模型可以快速地获取到关键特征子集中每个关键特征的目标时序数列数据对应的目标用电特征进而可以精准地确定该负荷量的运行特征，提高了工业下尖峰负荷数据获取效率和精度。

Description

尖峰负荷下大工业用户集群有序用电控制方法
技术领域
本发明涉及大工业用电控制技术领域，具体为尖峰负荷下大工业用户集群有序用电控制方法。
背景技术
大工业用电控制主要是通过一系列的措施和技术手段来管理和降低电力消耗，以实现节能减排和降低运营成本的目标。
公开号为CN104348150B的中国专利公开了一种电力负荷管控方法、服务器、终端及系统，主要通过获取用电设备的设备信息、 用电信息以及负荷管理指令，生成用电控制指令，并下发至电力负荷管控终端，使得电力负 荷管控终端能够根据用电控制指令对每个用电设备的功率进行调节。从而实现了精确调节 供电线路的负荷管控，以解决了用电高峰期时，电力系统出现的尖峰负荷问题，上述专利虽然解决了电力控制的问题，但是在实际操作中还存在以下问题：
1.没有将不同负荷范围中的设备进行针对性的用电方案制定，从而导致用电控制效果不理想。
2.没有将尖峰负荷数据进行数据特征分析，从而导致无法根据设备的具体用电特征进行针对性用电控制。
发明内容
本发明的目的在于提供尖峰负荷下大工业用户集群有序用电控制方法，根据先将尖峰负荷下的设备进行用电数据评估，可以进一步的提高该尖峰负荷设备的用电控制方案，在通过用电控制方案对设备进行参数优化，可以进一步的提高工业区内用电控制的效果，通过构建每个负荷量的识别模型可以快速地获取到关键特征子集中每个关键特征的目标时序数列数据对应的目标用电特征进而可以精准地确定该负荷量的运行特征，提高了工业下尖峰负荷数据获取效率和精度，可以解决现有技术中的问题。
为实现上述目的，本发明提供如下技术方案：
尖峰负荷下大工业用户集群有序用电控制方法，包括如下步骤：
S1：将大工业用户的用电能耗数据进行实时采集，并将采集的用电能耗数据以图表的形式进行生成；
S2：根据生成的用电能耗数据图表，将尖峰负荷下的用电运行特征数据进行获取；
S3：根据获取的用电运行特征数据，将每个用电运行特征数据所对应的用电设备进行评估和优化。
优选的，针对S1中用电能耗数据的实时采集，包括：
将工业区中的每个需要用电的设备通过传感器、智能仪表设备对用电能耗进行实时监测和数据采集；
获取用电能耗使用的实时数据，并将每个采集的用电能耗数据与该用电能耗数据的用电设备进行对应，再将用电设备与该用电设备所属的工业区的具体位置进行对应；
用电能耗数据与用电设备以及用电设备与工业区位置均对应完成后，进行唯一编码标号。
优选的，针对S1中用电能耗数据的图表生成，包括：
将唯一编码标号数据进行确认；
当唯一编码标号数据确认后调取唯一编码标号数据中的关联数据；
其中，关联数据包括：用电能耗数据、用电设备，设备所属工业区位置以及用电能耗数据采集数据；
将每个时间段下的唯一编码标号数据以及该唯一编码标号数据对应的关联数据进行波动曲线数据生成；
波动曲线数据生成后将最高曲线以及最低曲线进行突出标注。
优选的，针对S1中用电能耗数据的图表生成，还包括：
将突出标注的曲线所述的唯一编码标号以及该唯一编码标号数据对应的关联数据进行单独提取；
将单独提取的最高曲线以及最低曲线以及所对应的数据进行图表生成，并将生成的图表中的最高曲线数据以及所对应的数据标注为尖峰负荷用电数据。
优选的，针对S2中用电运行特征数据的获取，包括：
将尖峰负荷用电数据进行冗余和降维处理，获取处理后的工业电力数据；
将工业电力数据进行特征提取，根据提取结果获取工业电力数据的初始特征集合；
从初始特征集合中调取与尖峰负荷用电数据相关的关键特征并将其整合为关键特征子集；
获取工业用电的拓扑结构信息和预设运行方式信息以及工业区每个设备所属区域以及用电节点的节点属性；
根据每个设备所属区域以及用电节点的节点属性和拓扑结构信息以及预设运行方式信息确定每个设备用电节点的用电拓扑权重值。
优选的，针对S2中用电运行特征数据的获取，还包括：
基于每个设备用电节点的用电拓扑权重值计算出工业电力数据中每个负荷量的基础值；
获取工业电力数据对应的时序特征信息，其中，时序特征信息从数据库中进行调取；
根据时序特征信息从工业电力数据中提取每个负荷量的时序序列数据；
基于每个负荷量的时序数列数据确定该负荷量的用电特征信息；
将每个负荷量的时序序列数据和基础值作为模型输入样本，同时将每个负荷量的用电特征信息作为模型输出样本训练预设网络模型以获得每个负荷量的识别模型。
优选的，针对S2中用电运行特征数据的获取，还包括：
利用每个负荷量的识别模型获取关键特征子集中每个关键特征的目标时序数列数据对应的目标用电特征；
根据每个关键特征的目标用电特征获取每个负荷量的第一运行特征；
获取每个负荷量的目标用电特征在电力数据中的变化情况，根据变化情况确定每个负荷量的用电变化规则；
将用电变化规则相似度大于等于预设阈值的负荷量确认为同类负荷，将每类负荷中任一负荷量的第二目标运行特征确认为同类负荷的最终运行特征；
将最终运行特征最为尖峰负荷用电数据的用电运行特征数据。
优选的，针对S3中用电运行特征数据的评估，包括：
将用电运行特征数据进行获取，用电运行特征数据获取后进行聚类处理；
用电运行特征数据聚类处理后得到用电运行特征数据对应设备的电力运行数据和电压运行数据；
将对应设备的电力运行数据和电压运行数据进行数值转换；
将转换的数值进行曲线生成，最终得到电力运行曲线数据和电压运行曲线数据。
优选的，针对S3中用电运行特征数据的评估，还包括：
电力运行曲线数据和电压运行曲线数据导入至用电评估模型中进行模型构建；
将构建的模型与该设备的标准用电模型进行模型对比；
模型对比后得到对比模型数据，并将对比模型数据的数值进行确认；
根据对比模型数据的数据判断该设备的用电控制范围等级；
其中，用电控制范围等级分为一类控制范围、二类控制范围和三类控制范围。
优选的，针对S3中用电运行特征数据的优化，包括：
根据电运行特征数据中获取的设备的用电控制范围等级；
根据不同的用电控制范围等级进行不同设备优化；
其中，先将用电控制范围等级中的设备数据进行获取，根据不同的设备数据制定不同的用电控制方案，并且每个等级中不同设备的用电控制方案均不同；
用电控制方案从方案数据库中获取或者人工进行方案定制。
与现有技术相比，本发明的有益效果如下：
1.本发明提供的尖峰负荷下大工业用户集群有序用电控制方法，通过构建每个负荷量的识别模型可以快速地获取到关键特征子集中每个关键特征的目标时序数列数据对应的目标用电特征进而可以精准地确定该负荷量的运行特征，提高了工业下尖峰负荷数据获取效率和精度，通过对负荷量进行归类处理可以将同类型的负荷的运行特征进行统一统计，无需针对单个负荷进行运行特征统计，提高了不同时间段下的不同设备的尖峰负荷用电数据获取的工作效率。
2.本发明提供的尖峰负荷下大工业用户集群有序用电控制方法，根据先将尖峰负荷下的设备进行用电数据评估，可以进一步的提高该尖峰负荷设备的用电控制方案，在通过用电控制方案对设备进行参数优化，可以进一步的提高工业区内用电控制的效果。
附图说明
图1为本发明的整体步骤示意图；
图2为本发明的整体操作方法示意图。
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。
为了解决现有技术中，由于工业区内会存在多个相同的设备，将工业区的设备用电情况进行数据采集时，没有将相同的设备进行有效的区分，从而导致用电数据采集后的准确性不高的问题，请参阅图1和图2，本实施例提供以下技术方案：
尖峰负荷下大工业用户集群有序用电控制方法，包括如下步骤：
S1：将大工业用户的用电能耗数据进行实时采集，并将采集的用电能耗数据以图表的形式进行生成；
其中，图表可以突出不同设备下的不同时间段中用电情况的峰值、谷值、变化趋势等关键信息；
S2：根据生成的用电能耗数据图表，将尖峰负荷下的用电运行特征数据进行获取；
其中，通过构建每个负荷量的识别模型可以快速地获取到关键特征子集中每个关键特征的目标时序数列数据对应的目标用电特征进而可以精准地确定该负荷量的运行特征，提高了工业下尖峰负荷数据获取效率和精度；
S3：根据获取的用电运行特征数据，将每个用电运行特征数据所对应的用电设备进行评估和优化；
其中，将用电情况的差别根据差别的数值分别对应到用电控制范围等级中，不同的等级所应对的用电控制方案的控制程度是不一样的，从而可以提高工业区内设备用电控制的效果。
针对S1中用电能耗数据的实时采集，包括：
将工业区中的每个需要用电的设备通过传感器、智能仪表设备对用电能耗进行实时监测和数据采集；
获取用电能耗使用的实时数据，并将每个采集的用电能耗数据与该用电能耗数据的用电设备进行对应，再将用电设备与该用电设备所属的工业区的具体位置进行对应；
用电能耗数据与用电设备以及用电设备与工业区位置均对应完成后，进行唯一编码标号。
具体的，先通过传感器、智能仪表设备对工业区内用电设备进行用电能耗数据采集，用电能耗数据采集后将用电设备以及该用电设备所属的区域进行确认并进行唯一编码标号，从而进一步的提高的对每个用电设备以及该用电设备采集的用电数据获取的精准度。
针对S1中用电能耗数据的图表生成，包括：
将唯一编码标号数据进行确认；
当唯一编码标号数据确认后调取唯一编码标号数据中的关联数据；
其中，关联数据包括：用电能耗数据、用电设备，设备所属工业区位置以及用电能耗数据采集数据；
将每个时间段下的唯一编码标号数据以及该唯一编码标号数据对应的关联数据进行波动曲线数据生成；
波动曲线数据生成后将最高曲线以及最低曲线进行突出标注。
将突出标注的曲线所述的唯一编码标号以及该唯一编码标号数据对应的关联数据进行单独提取；
将单独提取的最高曲线以及最低曲线以及所对应的数据进行图表生成，并将生成的图表中的最高曲线数据以及所对应的数据标注为尖峰负荷用电数据。
具体的，根据获取的唯一编码标号对每个时间段下不同用电设备的用电能耗数据进行波动曲线数据生成，生成的波动曲线数据能够清晰地展示数据的波动情况，更好地理解和分析数据，同时也可以更快捷的获取不同时间段中不同设备的尖峰负荷用电情况，再将生成的波动曲线数据中的最高曲线数据进行图表生成，图表可以突出不同设备下的不同时间段中用电情况的峰值、谷值、变化趋势等关键信息。
为了解决现有技术中，在工业中的尖峰负荷用电数据获取后，没有将尖峰负荷数据进行数据特征分析，从而导致无法根据设备的具体用电特征进行针对性用电控制的问题，请参阅图1和图2，本实施例提供以下技术方案：
针对S2中用电运行特征数据的获取，包括：
将尖峰负荷用电数据进行冗余和降维处理，获取处理后的工业电力数据；
将工业电力数据进行特征提取，根据提取结果获取工业电力数据的初始特征集合；
从初始特征集合中调取与尖峰负荷用电数据相关的关键特征并将其整合为关键特征子集；
获取工业用电的拓扑结构信息和预设运行方式信息以及工业区每个设备所属区域以及用电节点的节点属性；
根据每个设备所属区域以及用电节点的节点属性和拓扑结构信息以及预设运行方式信息确定每个设备用电节点的用电拓扑权重值。
基于每个设备用电节点的用电拓扑权重值计算出工业电力数据中每个负荷量的基础值；
获取工业电力数据对应的时序特征信息，其中，时序特征信息从数据库中进行调取；
根据时序特征信息从工业电力数据中提取每个负荷量的时序序列数据；
基于每个负荷量的时序数列数据确定该负荷量的用电特征信息；
将每个负荷量的时序序列数据和基础值作为模型输入样本，同时将每个负荷量的用电特征信息作为模型输出样本训练预设网络模型以获得每个负荷量的识别模型。
利用每个负荷量的识别模型获取关键特征子集中每个关键特征的目标时序数列数据对应的目标用电特征；
根据每个关键特征的目标用电特征获取每个负荷量的第一运行特征；
获取每个负荷量的目标用电特征在电力数据中的变化情况，根据变化情况确定每个负荷量的用电变化规则；
将用电变化规则相似度大于等于预设阈值的负荷量确认为同类负荷，将每类负荷中任一负荷量的第二目标运行特征确认为同类负荷的最终运行特征；
将最终运行特征最为尖峰负荷用电数据的用电运行特征数据。
具体的，先将尖峰负荷用电数据进行冗余和降维处理，冗余和降维处理可以将尖峰负荷用电数据简化为更小的集合，从而降低数据的复杂性和维度，并且可以从尖峰负荷用电数据中提取出最重要的特征，从而使得算法更加准确地预测结果，通过获取工业电力数据的初始特征集合可以快速地将工业电力数据中的数据进行特征归化处理，从而可以统计出每个维度的数据特征，为后续进行负荷量的运行特征判定奠定了条件，通过构建每个负荷量的识别模型可以快速地获取到关键特征子集中每个关键特征的目标时序数列数据对应的目标用电特征进而可以精准地确定该负荷量的运行特征，提高了工业下尖峰负荷数据获取效率和精度，通过对负荷量进行归类处理可以将同类型的负荷的运行特征进行统一统计，无需针对单个负荷进行运行特征统计，提高了不同时间段下的不同设备的尖峰负荷用电数据获取的工作效率。
为了解决现有技术中，由于尖峰负荷下的不同设备以及负荷范围都是不同的，没有将不同负荷范围中的设备进行针对性的用电方案制定，从而导致用电控制效果不理想的问题，请参阅图1和图2，本实施例提供以下技术方案：
针对S3中用电运行特征数据的评估，包括：
将用电运行特征数据进行获取，用电运行特征数据获取后进行聚类处理；
用电运行特征数据聚类处理后得到用电运行特征数据对应设备的电力运行数据和电压运行数据；
将对应设备的电力运行数据和电压运行数据进行数值转换；
将转换的数值进行曲线生成，最终得到电力运行曲线数据和电压运行曲线数据。
电力运行曲线数据和电压运行曲线数据导入至用电评估模型中进行模型构建；
将构建的模型与该设备的标准用电模型进行模型对比；
模型对比后得到对比模型数据，并将对比模型数据的数值进行确认；
根据对比模型数据的数据判断该设备的用电控制范围等级；
其中，用电控制范围等级分为一类控制范围、二类控制范围和三类控制范围。
针对S3中用电运行特征数据的优化，包括：
根据电运行特征数据中获取的设备的用电控制范围等级；
根据不同的用电控制范围等级进行不同设备优化；
其中，先将用电控制范围等级中的设备数据进行获取，根据不同的设备数据制定不同的用电控制方案，并且每个等级中不同设备的用电控制方案均不同；
用电控制方案从方案数据库中获取或者人工进行方案定制。
具体的，先将电运行特征数据进行聚类处理，数据聚类处理有助于数据挖掘和信息提取，可以应用于大规模数据集，具有很好的可扩展性，将构建的模型与该设备的标准用电模型进行模型对比，根据模型对比后可以更快速的获取设备的实际用电情况与标准用电情况之间的差别，同时，将用电情况的差别根据差别的数值分别对应到用电控制范围等级中，不同的等级所应对的用电控制方案的控制程度是不一样的，从而可以提高工业区内设备用电控制的效果，根据先将尖峰负荷下的设备进行用电数据评估，可以进一步的提高该尖峰负荷设备的用电控制方案，在通过用电控制方案对设备进行参数优化，可以进一步的提高工业区内用电控制的效果。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
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.尖峰负荷下大工业用户集群有序用电控制方法，其特征在于，包括如下步骤：
S1：将大工业用户的用电能耗数据进行实时采集，并将采集的用电能耗数据以图表的形式进行生成；
S2：根据生成的用电能耗数据图表，将尖峰负荷下的用电运行特征数据进行获取；
S3：根据获取的用电运行特征数据，将每个用电运行特征数据所对应的用电设备进行评估和优化。
2.根据权利要求1所述的尖峰负荷下大工业用户集群有序用电控制方法，其特征在于：针对S1中用电能耗数据的实时采集，包括：
将工业区中的每个需要用电的设备通过传感器、智能仪表设备对用电能耗进行实时监测和数据采集；
获取用电能耗使用的实时数据，并将每个采集的用电能耗数据与该用电能耗数据的用电设备进行对应，再将用电设备与该用电设备所属的工业区的具体位置进行对应；
用电能耗数据与用电设备以及用电设备与工业区位置均对应完成后，进行唯一编码标号。
3.根据权利要求2所述的尖峰负荷下大工业用户集群有序用电控制方法，其特征在于：针对S1中用电能耗数据的图表生成，包括：
将唯一编码标号数据进行确认；
当唯一编码标号数据确认后调取唯一编码标号数据中的关联数据；
其中，关联数据包括：用电能耗数据、用电设备，设备所属工业区位置以及用电能耗数据采集数据；
将每个时间段下的唯一编码标号数据以及该唯一编码标号数据对应的关联数据进行波动曲线数据生成；
波动曲线数据生成后将最高曲线以及最低曲线进行突出标注。
4.根据权利要求3所述的尖峰负荷下大工业用户集群有序用电控制方法，其特征在于：针对S1中用电能耗数据的图表生成，还包括：
将突出标注的曲线所述的唯一编码标号以及该唯一编码标号数据对应的关联数据进行单独提取；
将单独提取的最高曲线以及最低曲线以及所对应的数据进行图表生成，并将生成的图表中的最高曲线数据以及所对应的数据标注为尖峰负荷用电数据。
5.根据权利要求4所述的尖峰负荷下大工业用户集群有序用电控制方法，其特征在于：针对S2中用电运行特征数据的获取，包括：
将尖峰负荷用电数据进行冗余和降维处理，获取处理后的工业电力数据；
将工业电力数据进行特征提取，根据提取结果获取工业电力数据的初始特征集合；
从初始特征集合中调取与尖峰负荷用电数据相关的关键特征并将其整合为关键特征子集；
获取工业用电的拓扑结构信息和预设运行方式信息以及工业区每个设备所属区域以及用电节点的节点属性；
根据每个设备所属区域以及用电节点的节点属性和拓扑结构信息以及预设运行方式信息确定每个设备用电节点的用电拓扑权重值。
6.根据权利要求5所述的尖峰负荷下大工业用户集群有序用电控制方法，其特征在于：针对S2中用电运行特征数据的获取，还包括：
基于每个设备用电节点的用电拓扑权重值计算出工业电力数据中每个负荷量的基础值；
获取工业电力数据对应的时序特征信息，其中，时序特征信息从数据库中进行调取；
根据时序特征信息从工业电力数据中提取每个负荷量的时序序列数据；
基于每个负荷量的时序数列数据确定该负荷量的用电特征信息；
将每个负荷量的时序序列数据和基础值作为模型输入样本，同时将每个负荷量的用电特征信息作为模型输出样本训练预设网络模型以获得每个负荷量的识别模型。
7.根据权利要求6所述的尖峰负荷下大工业用户集群有序用电控制方法，其特征在于：针对S2中用电运行特征数据的获取，还包括：
利用每个负荷量的识别模型获取关键特征子集中每个关键特征的目标时序数列数据对应的目标用电特征；
根据每个关键特征的目标用电特征获取每个负荷量的第一运行特征；
获取每个负荷量的目标用电特征在电力数据中的变化情况，根据变化情况确定每个负荷量的用电变化规则；
将用电变化规则相似度大于等于预设阈值的负荷量确认为同类负荷，将每类负荷中任一负荷量的第二目标运行特征确认为同类负荷的最终运行特征；
将最终运行特征最为尖峰负荷用电数据的用电运行特征数据。
8.根据权利要求7所述的尖峰负荷下大工业用户集群有序用电控制方法，其特征在于：针对S3中用电运行特征数据的评估，包括：
将用电运行特征数据进行获取，用电运行特征数据获取后进行聚类处理；
用电运行特征数据聚类处理后得到用电运行特征数据对应设备的电力运行数据和电压运行数据；
将对应设备的电力运行数据和电压运行数据进行数值转换；
将转换的数值进行曲线生成，最终得到电力运行曲线数据和电压运行曲线数据。
9.根据权利要求8所述的尖峰负荷下大工业用户集群有序用电控制方法，其特征在于：针对S3中用电运行特征数据的评估，还包括：
电力运行曲线数据和电压运行曲线数据导入至用电评估模型中进行模型构建；
将构建的模型与该设备的标准用电模型进行模型对比；
模型对比后得到对比模型数据，并将对比模型数据的数值进行确认；
根据对比模型数据的数据判断该设备的用电控制范围等级；
其中，用电控制范围等级分为一类控制范围、二类控制范围和三类控制范围。
10.根据权利要求9所述的尖峰负荷下大工业用户集群有序用电控制方法，其特征在于：针对S3中用电运行特征数据的优化，包括：
根据电运行特征数据中获取的设备的用电控制范围等级；
根据不同的用电控制范围等级进行不同设备优化；
其中，先将用电控制范围等级中的设备数据进行获取，根据不同的设备数据制定不同的用电控制方案，并且每个等级中不同设备的用电控制方案均不同；
用电控制方案从方案数据库中获取或者人工进行方案定制。
CN202311652976.2A 2023-12-05 2023-12-05 尖峰负荷下大工业用户集群有序用电控制方法 Pending CN117559443A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311652976.2A CN117559443A (zh) 2023-12-05 2023-12-05 尖峰负荷下大工业用户集群有序用电控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311652976.2A CN117559443A (zh) 2023-12-05 2023-12-05 尖峰负荷下大工业用户集群有序用电控制方法

Publications (1)

Publication Number Publication Date
CN117559443A true CN117559443A (zh) 2024-02-13

Family

ID=89814581

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311652976.2A Pending CN117559443A (zh) 2023-12-05 2023-12-05 尖峰负荷下大工业用户集群有序用电控制方法

Country Status (1)

Country Link
CN (1) CN117559443A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117849700A (zh) * 2024-03-07 2024-04-09 南京国网电瑞电力科技有限责任公司 可控制测量的模块化电能计量系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117849700A (zh) * 2024-03-07 2024-04-09 南京国网电瑞电力科技有限责任公司 可控制测量的模块化电能计量系统
CN117849700B (zh) * 2024-03-07 2024-05-24 南京国网电瑞电力科技有限责任公司 可控制测量的模块化电能计量系统

Similar Documents

Publication Publication Date Title
CN113011481B (zh) 一种基于决策树算法的电能表功能异常评估方法及系统
CN110119545B (zh) 一种基于栈式自编码器的非侵入式电力负荷识别方法
CN117559443A (zh) 尖峰负荷下大工业用户集群有序用电控制方法
CN111090643B (zh) 一种基于数据分析系统下的海量用电数据挖掘方法
CN111242161B (zh) 一种基于智能学习的非侵入式非居民用户负荷辨识方法
CN111368904A (zh) 一种基于电力指纹的电器设备识别方法
CN113723844B (zh) 一种基于集成学习的低压台区理论线损计算方法
CN115794803B (zh) 一种基于大数据ai技术的工程审计问题监测方法与系统
CN111327118B (zh) 一种非侵入式电力负荷识别方法
CN112615428A (zh) 一种线损分析治理系统及方法
CN116821832A (zh) 针对高压工商业用户用电负荷的异常数据辨识与修正方法
CN114611738A (zh) 一种基于用户用电行为分析的负荷预测方法
CN112200209A (zh) 一种基于日差分用电量的贫困用户识别方法
CN108305002A (zh) 一种基于监控威布尔形状参数的早期失效率变点识别方法
CN113659564B (zh) 基于电压波动特征聚类的低压配电网拓扑识别方法及系统
CN112508254B (zh) 变电站工程项目投资预测数据的确定方法
CN111239484A (zh) 一种非居民用户非侵入式负荷用电信息采集方法
CN113191656B (zh) 一种基于数据关联分析的低压配电网设备负荷与拓扑联动方法
CN115186935A (zh) 一种机电设备非线性故障预测方法及系统
CN115392663A (zh) 一种基于大数据的数据采集处理方法
CN111199014B (zh) 一种基于时间序列的seq2point的NILM方法及装置
CN110889465B (zh) 基于自适应谐振网络的电力需求侧设备辨识方法和系统
Yao et al. User-side energy-saving potential assessment method based on non-intrusive load identification technology
CN114186631A (zh) 一种基于非侵入式智能终端的负荷识别方法
Piao et al. Application of classification methods for forecasting mid-term power load patterns

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