CN117610900B - 基于用户需求响应的电力管理方法 - Google Patents
基于用户需求响应的电力管理方法 Download PDFInfo
- Publication number
- CN117610900B CN117610900B CN202410096751.1A CN202410096751A CN117610900B CN 117610900 B CN117610900 B CN 117610900B CN 202410096751 A CN202410096751 A CN 202410096751A CN 117610900 B CN117610900 B CN 117610900B
- Authority
- CN
- China
- Prior art keywords
- power supply
- power
- group
- users
- data
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 38
- 230000004044 response Effects 0.000 title claims abstract description 38
- 230000005611 electricity Effects 0.000 claims abstract description 138
- 230000000694 effects Effects 0.000 claims abstract description 49
- 230000008859 change Effects 0.000 claims description 44
- 238000000034 method Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 6
- 230000006399 behavior Effects 0.000 description 6
- 230000005612 types of electricity Effects 0.000 description 5
- 238000012417 linear regression Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 1
- 235000020965 cold beverage Nutrition 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
- G06Q30/0205—Location or geographical consideration
-
- 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)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及电力系统管理技术领域,尤其涉及一种基于用户需求响应的电力管理方法,包括:获取历史供电数据以及用电数据;获取用户位置分布和用电类型;将全部目标供电群体进行分类;预测低活跃群体和规律用电群体的供电量;预测高活跃群体与所述波动用电群体的供电量;计算全部目标供电用户的总预测供电量;计算各所述目标供电用户间的供电相关性,将全部目标供电用户的用户位置分布分为若干用电区域;根据各用电区域的供电量以及总预测供电量确定各个用电区域的供电方式;本发明提高了对用户的供电合理性,保证了不同用户的用电需求。
Description
技术领域
本发明涉及电力系统管理技术领域,尤其涉及一种基于用户需求响应的电力管理方法。
背景技术
合理的电力管理能够根据用户需求电力系统可以更有效地匹配供需,提高电力系统的效率,在电力系统负荷峰值时期实现用电弹性,通过调整用电行为降低负荷峰值,这有助于减轻电力系统的压力,避免设备过载,提高系统的稳定性,合理的供电能够推动能源系统朝着更为可持续和智能的方向发展,为社会、经济和环境带来积极的影响。
中国专利公开号:CN106410781B公开了一种电力用户需求响应潜力确定方法,包括:获取用户观测年每日96点的历史负荷数据;获取影响用户负荷的特征量,特征量共1个;分别对历史负荷数据和特征量对应当天的负荷数据进行预处理;基于时间维度对历史负荷数据进行聚类分析,获取聚类中心C,将用户分为m类;利用贝叶斯分类法预测指定预测日用户行为模式的聚类中心Cs;计算用户预测日的需求响应潜力;由此可见,所述电力用户需求响应潜力确定方法存在以下问题:没有对用户的用电特征进行分析,并根据用电进行对应供电,存在电力分配不合理出现电力紧张或者电力过剩的情况。
发明内容
为此,本发明提供一种基于用户需求响应的电力管理方法,用以克服现有技术中没有对用户的用电特征进行分析,并根据用电进行对应供电,存在电力分配不合理出现电力紧张或者电力过剩的问题。
为实现上述目的,本发明提供一种基于用户需求响应的电力管理方法,包括:
从供电平台获取全部目标供电用户的历史供电数据以及各目标供电用户的用电数据;
获取所述全部目标供电用户的用户位置分布,并确定每个目标供电用户的用电类型;
根据用户年龄将使用一类电力的用户分为高活跃群体以及低活跃群体;
根据用户类型将使用二类电力的用户分为波动用电群体以及规律用电群体;
根据历史供电数据预测所述低活跃群体的供电量与所述规律用电群体的供电量;
根据所述历史供电数据中相同预测周期的供电数据和当前预测周期中影响变量个数预测所述高活跃群体的供电量与所述波动用电群体的供电量;
计算所述全部目标供电用户的总预测供电量;
计算各所述目标供电用户间的供电相关性,将全部目标供电用户的用户位置分布分为若干低活跃区域、规律用电区域、高活跃区域以及波动用电区域;
根据所述低活跃群体的供电量、所述规律用电群体的供电量、所述高活跃群体的供电量、所述波动用电群体的供电量以及所述总预测供电量各个用电区域的供电方式;
在相邻预测周期内供电方式发生变化时,减小对下一次总供电量进行预测时的预测周期。
进一步地,所述用电类型分为所述一类电力和所述二类电力;所述全部目标供电用户的用电群体分为高活跃群体、低活跃群体、波动用电群体以及规律用电群体;
其中,各所述用电群体中包含的供电用户互不交叉。
进一步地,所述低活跃群体和所述规律用电群体的用电数据为稳定用电数据;
所述稳定用电数据为在若干连续预测周期内所述低活跃群体的用电数据和所述规律用电群体的用电数据处于稳定区间内,和在若干连续预测周期内低活跃群体的用电数据和规律用电群体的用电数据的变化趋势相同。
进一步地,所述低活跃群体的供电量与所述规律用电群体的供电量的预测过程包括:
若所述低活跃群体的用电数据和所述规律用电群体的用电数据处于对应的稳定区间内,则将下一预测周期的低活跃群体的供电量和规律用电群体的供电量为对应的稳定区间的最大值;
若所述低活跃群体的用电数据和所述规律用电群体的用电数据的变化趋势相同,则根据当前预测周期末的用电数据和变化率计算下一预测周期的低活跃群体的供电量和规律用电群体的供电量。
进一步地,所述高活跃群体的供电量根据下式确定:
,
其中,M1为高活跃群体的供电量,M0为高活跃群体的历史供电数据,n为影响变量总数,j=1,2,···,n,Mj为第j个影响变量的高活跃群体的供电变化量;
所述波动用电群体的供电量根据下式确定:
,
其中,N1为波动用电群体的供电量,N0为波动用电群体的历史供电数据,n为影响变量总数,j=1,2,···,n,Nj为第j个影响变量的波动用电群体的供电变化量。
进一步地,计算所述总预测供电量的过程包括:
获取预测的所述低活跃群体的供电量、所述规律用电群体的供电量、所述高活跃群体的供电量和所述波动用电群体的供电量;
计算使用所述一类电力的用户的预测一类用电量、使用所述二类电力的用户的预测二类用电量以及所述总预测供电量;
根据所述总预测供电量与所述历史供电数据中当前预测周期的总供电数据确定是否增加供电量;
根据所述总预测供电量和前一预测周期的供电量评估备用供电量;
设定校准周期,根据校准周期内所述备用供电量的使用情况调整校准周期内的所述高活跃群体的供电变化量与所述波动用电群体的供电变化量。
进一步地,所述用电区域根据各目标供电用户间的相关度确定;
其中,所述低活跃区域和所述高活跃区域根据所述使用一类电力用户的位置分布确定;所述规律用电区域和所述波动用电区域根据所述使用二类电力用户的位置分布确定。
进一步地,各所述用电区域的数量不唯一,各用电区域的形状能够为任意形状。
进一步地,所述目标供电用户间的相关度根据下式确定:
R=r×α,
其中,R为目标供电用户间的相关度,r为同类用电类型用户间的皮尔逊相关系数,α为同类用电类型用户间的空间相关系数。
进一步地,所述供电平台对各所述用电区域的供电方式根据所述低活跃群体的供电量、所述规律用电群体的供电量、所述高活跃群体的供电量、所述波动用电群体的供电量以及所述总预测供电量确定。
与现有技术相比,本发明的有益效果在于,通过获取全部目标供电用户的历史供电数据、用电数据、用户位置分布等信息,系统综合利用多源数据进行分析,提高了供电量预测的准确性;利用用户年龄和用户类型将用户分为四个用电群体,从而更细致地考虑了不同用电群体的特点,有助于更准确地预测各群体的供电量;通过计算各目标供电用户间的供电相关性,将用户位置分布划分为四个用电区域,使得预测更加贴近实际的空间分布情况;根据各用电区域的特点,确定不同区域的供电方式,从而更好地满足各区域用户的需求,提高供电效率;在供电方式发生变化时减小下一次总供电量预测的周期,反映了系统对实时变化的适应性,有助于更及时地应对用户需求的变化;本发明提高了对用户的供电合理性,保证了不同用户的用电需求。
进一步地,在本发明基于用户需求响应的电力管理方法中,通过将目标供电用户分为四个用电群体,在对不同群体进行供电时供电平台可以更有效地规划电力资源从而提高系统的效率,同时对于规律用电群体,可以更准确地预测其用电需求,从而减少供电过剩和浪费。
进一步地,在本发明基于用户需求响应的电力管理方法中,将低活跃群体的供电量与所述规律用电群体的供电量分为处于稳定区间和稳定变化率的两种稳定供电量,并使用线性回归方程计算用电数据变化率,进一步提高了对用电趋势的分析的准确性,设置回归系数的确定系数阈值,有助于确保回归方程具有较高的拟合度,提高了用电数据变化率的可靠性。
进一步地,在本发明基于用户需求响应的电力管理方法中,针对低活跃群体和规律用电群体的供电量,根据其用电数据的稳定性和变化趋势进行预测,并且通过对不满足稳定性和变化趋势的用户进行筛选和分类调整,系统能够更灵活地应对用户行为的变化,确保用户分类的准确性。
进一步地,在本发明基于用户需求响应的电力管理方法中,采用了影响变量,以更全面地考虑与常规工作日不同的日期,因为不同影响变量对不同用电群体的影响程度有所不同,能够更加精准地捕捉到用户用电行为的差异,并且影响变量的供电变化量取值可以是正或负,这能够对不同的影响变量和用电群体进行动态调整,使得系统更具灵活性,能够更好地适应复杂的用电环境。
进一步地,在本发明基于用户需求响应的电力管理方法中,通过获取各用电群体的供电量,综合考虑了不同用电群体的用电情况,能够更准确地预测分析总预测供电量,并通过比较总预测供电量与当前预测周期的历史总供电数据,实时确定是否需要增加供电量,有助于应对突发的用电需求波动;再通过评估备用供电量,可以更好地应对可能的电力不足情况,调整高活跃群体和波动用电群体的供电变化量,使得备用供电能够在需要时得到有效利用,最后设定校准周期,根据该周期内备用供电量的使用情况进行调整,有助于系统在长期和短期内都保持稳定和高效。
进一步地,在本发明基于用户需求响应的电力管理方法中,用电区域的划分不受形状限制,可以是任意形状,这种灵活性和适应性使得系统能够更好地适应实际用户分布的多样性,不受地理或其他限制,便于准确的对各个区域进行合理供电。
进一步地,在本发明基于用户需求响应的电力管理方法中,根据用户之间的用电量与距离的相关性确定当前用电区域的用户,并确定对应的区域范围,提高了用电区域划分的合理性和准确性。
附图说明
图1为本发明实施例基于用户需求响应的电力管理方法的流程图;
图2为本发明实施例基于用户需求响应的电力管理方法的各类用电群体关系图;
图3为本发明实施例基于用户需求响应的电力管理方法的计算总预测供电量的流程图;
图4为本发明实施例基于用户需求响应的电力管理方法的任意各用电区域示意图;
图中:1,低活跃区域;21,位于低活跃区域中的高活跃区域;22高活跃区域,3,规律用电区域;4,波动用电区域。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示,其为本发明实施例基于用户需求响应的电力管理方法的流程图;本发明提供一种基于用户需求响应的电力管理方法,包括:
从供电平台获取全部目标供电用户的历史供电数据以及各目标供电用户的用电数据;
获取所述全部目标供电用户的用户位置分布,并确定每个目标供电用户的用电类型;
根据用户年龄将使用一类电力的用户分为高活跃群体以及低活跃群体;
根据用户类型将使用二类电力的用户分为波动用电群体以及规律用电群体;
根据历史供电数据预测所述低活跃群体的供电量与所述规律用电群体的供电量;
根据所述历史供电数据中相同预测周期的供电数据和当前预测周期中影响变量个数预测所述高活跃群体的供电量与所述波动用电群体的供电量;
计算所述全部目标供电用户的总预测供电量;
计算各所述目标供电用户间的供电相关性,将全部目标供电用户的用户位置分布分为若干低活跃区域、规律用电区域、高活跃区域以及波动用电区域;
根据所述低活跃群体的供电量、所述规律用电群体的供电量、所述高活跃群体的供电量、所述波动用电群体的供电量以及所述总预测供电量各个用电区域的供电方式;
在相邻预测周期内供电方式发生变化时,减小对下一次总供电量进行预测时的预测周期。
在本发明基于用户需求响应的电力管理方法中,通过获取全部目标供电用户的历史供电数据、用电数据、用户位置分布等信息,系统综合利用多源数据进行分析,提高了供电量预测的准确性;利用用户年龄和用户类型将用户分为四个用电群体,从而更细致地考虑了不同用电群体的特点,有助于更准确地预测各群体的供电量;通过计算各目标供电用户间的供电相关性,将用户位置分布划分为四个用电区域,使得预测更加贴近实际的空间分布情况;根据各用电区域的特点,确定不同区域的供电方式,从而更好地满足各区域用户的需求,提高供电效率;在供电方式发生变化时减小下一次总供电量预测的周期,反映了系统对实时变化的适应性,有助于更及时地应对用户需求的变化;本发明提高了对用户的供电合理性,保证了不同用户的用电需求。
请参阅图2所示,其为本发明实施例基于用户需求响应的电力管理方法的各类用电群体关系图,所述用电类型分为所述一类电力和所述二类电力;所述全部目标供电用户的用电群体分为高活跃群体、低活跃群体、波动用电群体以及规律用电群体;
其中,各所述用电群体中包含的供电用户互不交叉。
在实施中,一类电力为民用电,二类电力为非民用电,在实际应用中一般为商用电,可以理解的是,根据用电类型对全部目标供电用户进行分类,将全部目标供电用户分为普通居民用户和商业居民用户;
高活跃群体和低活跃群体是根据用户年龄进行划分,一般的,将主要家庭成员年龄在50岁及以下的用户判定为高活跃群体,将主要家庭成员年龄在50岁以上的用户判定为低活跃群体;波动用电群体以及规律用电群体是根据商业用户的营业性质划分的,一般的,将客流量处于稳定的商业用户判定为规律用电群体,例如银行、日常用品店等,将客流量有多个波动峰值的商业用户判定为波动用电群体,例如纪念品店、冷饮店等;
可以理解的是,因为划分用电群体方法的限制每个用电群体中单个用户不存在属于某一用电群体同时属于另一个不同的用电群体的情况。
在本发明基于用户需求响应的电力管理方法中,通过将目标供电用户分为四个用电群体,在对不同群体进行供电时供电平台可以更有效地规划电力资源从而提高系统的效率,同时对于规律用电群体,可以更准确地预测其用电需求,从而减少供电过剩和浪费。
具体而言,所述低活跃群体和所述规律用电群体的用电数据为稳定用电数据;
所述稳定用电数据为在若干连续预测周期内所述低活跃群体的用电数据和所述规律用电群体的用电数据处于稳定区间内,和在若干连续预测周期内低活跃群体的用电数据和规律用电群体的用电数据的变化趋势相同。
在实施中,稳定区间的区间上限为该来源用电数据平均值的1.1倍,稳定区间的区间下限为该来源用电数据平均值的0.9倍;数据来源包括低活跃群体的用电数据和规律用电群体的用电数据;
用电数据的变化趋势根据若干连续预测周期的用电数据变化率确定,用电数据变化率根据若干连续预测周期末的用电数据与时间的线性回归方程系数确定,回归方程使用最小二乘法确定,在回归方程的确定系数大于0.85时,判定用电数据变化率在允许变化率范围内;
一般地,回归方程的确定系数大于0.8时,认为该回归方程的回归性好,本发明在回归系数大于0.85时判定消耗数据的变化率在允许范围内,则进一步提高了对用电数据的回归性要求,使得根据该回归方程预测的结果更加接近实际值,从而提高最终预测结果的准确性;
将低活跃群体和规律用电群体中用电数据不满足处于稳定区间和变化趋势的用户筛选出来,并对应的调整分类至高活跃群体和波动用电群体。
在本发明基于用户需求响应的电力管理方法中,将低活跃群体的供电量与所述规律用电群体的供电量分为处于稳定区间和稳定变化率的两种稳定供电量,并使用线性回归方程计算用电数据变化率,进一步提高了对用电趋势的分析的准确性,设置回归系数的确定系数阈值,有助于确保回归方程具有较高的拟合度,提高了用电数据变化率的可靠性。
具体而言,所述低活跃群体的供电量与所述规律用电群体的供电量的预测过程包括:
若所述低活跃群体的用电数据和所述规律用电群体的用电数据处于对应的稳定区间内,则将下一预测周期的低活跃群体的供电量和规律用电群体的供电量为对应的稳定区间的最大值;
若所述低活跃群体的用电数据和所述规律用电群体的用电数据的变化趋势相同,则根据当前预测周期末的用电数据和变化率计算下一预测周期的低活跃群体的供电量和规律用电群体的供电量。
在实施中,在低活跃群体的用电数据和规律用电群体的用电数据的变化趋势相同时,下一个预测周期的供电量等于线性回归方程系数和下个预测周期的时间的乘积加上当前预测周期末的用电数据。
在本发明基于用户需求响应的电力管理方法中,针对低活跃群体和规律用电群体的供电量,根据其用电数据的稳定性和变化趋势进行预测,并且通过对不满足稳定性和变化趋势的用户进行筛选和分类调整,系统能够更灵活地应对用户行为的变化,确保用户分类的准确性。
具体而言,所述高活跃群体的供电量根据下式确定:
,
其中,M1为高活跃群体的供电量,M0为高活跃群体的历史供电数据,n为影响变量总数,j=1,2,···,n,Mj为第j个影响变量的高活跃群体的供电变化量;
所述波动用电群体的供电量根据下式确定:
,
其中,N1为波动用电群体的供电量,N0为波动用电群体的历史供电数据,n为影响变量总数,j=1,2,···,n,Nj为第j个影响变量的波动用电群体的供电变化量。
在实施中,高活跃群体的历史供电数据和波动用电群体的历史供电数据通过供电平台获得;影响变量总数可以根据该预测周期包含的日期直接统计得到;
影响变量可以为节日、节气或者国家纪念日等任何与常规工作日不同的日期,也可以是能够产生电能较大幅度波动(波动30%以上)的其他指标,可以理解的是,不同的影响变量对不同的用电群体的影响程度不同,例如,影响变量为圣诞节,对高活跃群体和波动用电群体的供电量增加值较多,影响变量为春节时,对高活跃群体的供电量增加值大于对波动用电群体的供电量增加值;
影响变量的供电变化量取值可正可负,根据影响变量种类或者历史数据中该影响变量的供电确定,所有影响变量的高活跃群体的供电变化量和影响变量的波动用电群体的供电变化量均可以从供电平台的历史供电数据中获取;高活跃群体的历史供电数据和波动用电群体的历史供电数据同样从供电平台的历史供电数据中获取。
在本发明基于用户需求响应的电力管理方法中,采用了影响变量,以更全面地考虑与常规工作日不同的日期,因为不同影响变量对不同用电群体的影响程度有所不同,能够更加精准地捕捉到用户用电行为的差异,并且影响变量的供电变化量取值可以是正或负,这能够对不同的影响变量和用电群体进行动态调整,使得系统更具灵活性,能够更好地适应复杂的用电环境。
请参阅图3所示,其为本发明实施例基于用户需求响应的电力管理方法的计算总预测供电量的流程图,计算所述总预测供电量的过程包括:
获取预测的所述低活跃群体的供电量、所述规律用电群体的供电量、所述高活跃群体的供电量和所述波动用电群体的供电量;
计算使用所述一类电力的用户的预测一类用电量、使用所述二类电力的用户的预测二类用电量以及所述总预测供电量;
根据所述总预测供电量与所述历史供电数据中当前预测周期的总供电数据确定是否增加供电量;
根据所述总预测供电量和前一预测周期的供电量评估备用供电量;
设定校准周期,根据校准周期内所述备用供电量的使用情况调整校准周期内的所述高活跃群体的供电变化量与所述波动用电群体的供电变化量。
在实施中,若总预测供电量大于历史用电数据中当前预测周期的总供电数据时,判定需要增加供电量,并可以根据当前预测周期的预测一类用电量和预测二类用电量与历史用电数据中当前预测周期的一类电力的供电量和二类电力的供电量判断是否增加对应的供电量;
在备用电量使用时,及时根据备用电量的使用量增加对应的影响变量的供电变化量。
在本发明基于用户需求响应的电力管理方法中,通过获取各用电群体的供电量,综合考虑了不同用电群体的用电情况,能够更准确地预测分析总预测供电量,并通过比较总预测供电量与当前预测周期的历史总供电数据,实时确定是否需要增加供电量,有助于应对突发的用电需求波动;再通过评估备用供电量,可以更好地应对可能的电力不足情况,调整高活跃群体和波动用电群体的供电变化量,使得备用供电能够在需要时得到有效利用,最后设定校准周期,根据该周期内备用供电量的使用情况进行调整,有助于系统在长期和短期内都保持稳定和高效。
请参阅图4所示,其为本发明实施例基于用户需求响应的电力管理方法的任意各用电区域示意图,所述用电区域根据各目标供电用户间的相关度确定;
其中,所述低活跃区域和所述高活跃区域根据所述使用一类电力用户的位置分布确定;所述规律用电区域和所述波动用电区域根据所述使用二类电力用户的位置分布确定。
可以理解的是,低活跃区域1中可以包含高活跃群体,规律用电区域3中可以包含波动用电群体,同理,高活跃区域22中可以包含低活跃群体,波动用电区域4可以包含规律用电群体,在实施中,例如,在低活跃区域1中,一部分区域中高活跃群体分布数量大于低活跃群体的分布数量,则该区域判定为高活跃区域,处于这种情况下的高活跃区域称为位于低活跃区域中的高活跃区域21;
在实施中,最小的用电区域中包含的用户数量不小于全部目标供电用户的1%。
具体而言,各所述用电区域的数量不唯一,各用电区域的形状能够为任意形状。
可以理解的是,根据实际中用户分布情况,以及不同用电区域的分布情况,无法规定每个用电区域为规则形状。
在本发明基于用户需求响应的电力管理方法中,用电区域的划分不受形状限制,可以是任意形状,这种灵活性和适应性使得系统能够更好地适应实际用户分布的多样性,不受地理或其他限制,便于准确的对各个区域进行合理供电。
具体而言,所述目标供电用户间的相关度根据下式确定:
R=r×α,
其中,R为目标供电用户间的相关度,r为同类用电类型用户间的皮尔逊相关系数,α为同类用电类型用户间的空间相关系数。
在实施中,同类用电类型用户间的皮尔逊相关性系数根据下式确定:
,其中,r为同类用电类型用户间的皮尔逊相关性系数,xi、yi为两用户第i日用电量,/>、/>为两用户在同一预测周期内用电量平均值,i=1,2,···n,n为区域目标供电用户数量,用户数量α为用户与诊断中心的空间相关性系数;α初始值设定为20,在根据全部目标供电用户的分布密度对应增加或者减小空间相关性系数;
例如,确定预设相关度标准值R=9,当前城市的总人口是100万人,总面积是500平方千米,城市的人口密度为2000人/km2,预设皮尔逊相关性系数标准值为0.8,在同类用电类型用户间的皮尔逊相关性系数大于等于预设皮尔逊相关性系数时判定用户为第一相关目标供电用户,再确定空间相关性系数α=20-2×(0.001×2000)=16,根据确定的空间相关性系数可以确定对应处于当前用电区域的用户。
在本发明基于用户需求响应的电力管理方法中,根据用户之间的用电量与距离的相关性确定当前用电区域的用户,并确定对应的区域范围,提高了用电区域划分的合理性和准确性。
具体而言,所述供电平台对各所述用电区域的供电方式根据所述低活跃群体的供电量、所述规律用电群体的供电量、所述高活跃群体的供电量、所述波动用电群体的供电量以及所述总预测供电量确定。
在实施中,若总预测供电量不变,则供电平台根据低活跃群体的供电量、规律用电群体的供电量、高活跃群体的供电量、波动用电群体的供电量,在四个用电区域内部动态调整供电量,实现电力的高效利用;
若总预测供电量减少,则根据预测结果对应的减少各个区域的供电量,且减少供电量多的区域将减少的电量补充至减少供电量少的区域;
若总预测供电量减少,则根据预测结果对应的增加各个区域的供电量,且根据各个区域的供电量分配增加的总供电量。
在总预测供电量发生变化时,判定供电方式发生变化,计算总预测供电量与上一个预测周期的供电量的供电量差值,根据当前预测周期的时间长度与供电量差值在总预测供电量的占比确定下一个预测周期的调整量。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例,并不用于限制本发明;对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于用户需求响应的电力管理方法,其特征在于,包括:
从供电平台获取全部目标供电用户的历史供电数据以及各目标供电用户的用电数据;
获取所述全部目标供电用户的用户位置分布,并确定每个目标供电用户的用电类型;
根据用户年龄将使用一类电力的用户分为高活跃群体以及低活跃群体;
根据用户类型将使用二类电力的用户分为波动用电群体以及规律用电群体;
根据历史供电数据预测所述低活跃群体的供电量与所述规律用电群体的供电量;
根据所述历史供电数据中相同预测周期的供电数据和当前预测周期中影响变量个数预测所述高活跃群体的供电量与所述波动用电群体的供电量;
计算所述全部目标供电用户的总预测供电量;
计算各所述目标供电用户间的供电相关度,将全部目标供电用户的用户位置分布分为若干低活跃区域、规律用电区域、高活跃区域以及波动用电区域;
根据所述低活跃群体的供电量、所述规律用电群体的供电量、所述高活跃群体的供电量、所述波动用电群体的供电量以及所述总预测供电量各个用电区域的供电方式;
在相邻预测周期内供电方式发生变化时,减小对下一次总供电量进行预测时的预测周期;
所述低活跃群体的供电量与所述规律用电群体的供电量的预测过程包括:
若所述低活跃群体的用电数据和所述规律用电群体的用电数据处于对应的稳定区间内,则将下一预测周期的低活跃群体的供电量和规律用电群体的供电量为对应的稳定区间的最大值;
若所述低活跃群体的用电数据和所述规律用电群体的用电数据的变化趋势相同,则根据当前预测周期末的用电数据和变化率计算下一预测周期的低活跃群体的供电量和规律用电群体的供电量;
所述高活跃群体的供电量根据下式确定:
,
其中,M1为高活跃群体的供电量,M0为高活跃群体的历史供电数据,n为影响变量总数,j=1,2,···,n,Mj为第j个影响变量的高活跃群体的供电变化量;
所述波动用电群体的供电量根据下式确定:
,
其中,N1为波动用电群体的供电量,N0为波动用电群体的历史供电数据,n为影响变量总数,j=1,2,···,n,Nj为第j个影响变量的波动用电群体的供电变化量;
计算所述总预测供电量的过程包括:
获取预测的所述低活跃群体的供电量、所述规律用电群体的供电量、所述高活跃群体的供电量和所述波动用电群体的供电量;
计算使用所述一类电力的用户的预测一类用电量、使用所述二类电力的用户的预测二类用电量以及所述总预测供电量;
根据所述总预测供电量与所述历史供电数据中当前预测周期的总供电数据确定是否增加供电量;
根据所述总预测供电量和前一预测周期的供电量评估备用供电量;
设定校准周期,根据校准周期内所述备用供电量的使用情况调整校准周期内的所述高活跃群体的供电变化量与所述波动用电群体的供电变化量;
所述目标供电用户间的相关度根据下式确定:
R=r×α,
其中,R为目标供电用户间的相关度,r为同类用电类型用户间的皮尔逊相关系数,α为同类用电类型用户间的空间相关系数。
2.根据权利要求1所述的基于用户需求响应的电力管理方法,其特征在于,所述用电类型分为所述一类电力和所述二类电力;所述全部目标供电用户的用电群体分为高活跃群体、低活跃群体、波动用电群体以及规律用电群体;
其中,各所述用电群体中包含的供电用户互不交叉。
3.根据权利要求2所述的基于用户需求响应的电力管理方法,其特征在于,所述低活跃群体和所述规律用电群体的用电数据为稳定用电数据;
所述稳定用电数据为在若干连续预测周期内所述低活跃群体的用电数据和所述规律用电群体的用电数据处于稳定区间内,和在若干连续预测周期内低活跃群体的用电数据和规律用电群体的用电数据的变化趋势相同。
4.根据权利要求3所述的基于用户需求响应的电力管理方法,其特征在于,所述用电区域根据各目标供电用户间的相关度确定;
其中,所述低活跃区域和所述高活跃区域根据使用一类电力用户的位置分布确定;所述规律用电区域和所述波动用电区域根据使用二类电力用户的位置分布确定。
5.根据权利要求4所述的基于用户需求响应的电力管理方法,其特征在于,各所述用电区域的数量不唯一,各用电区域的形状能够为任意形状。
6.根据权利要求5所述的基于用户需求响应的电力管理方法,其特征在于,所述供电平台对各所述用电区域的供电方式根据所述低活跃群体的供电量、所述规律用电群体的供电量、所述高活跃群体的供电量、所述波动用电群体的供电量以及所述总预测供电量确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410096751.1A CN117610900B (zh) | 2024-01-24 | 2024-01-24 | 基于用户需求响应的电力管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410096751.1A CN117610900B (zh) | 2024-01-24 | 2024-01-24 | 基于用户需求响应的电力管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117610900A CN117610900A (zh) | 2024-02-27 |
CN117610900B true CN117610900B (zh) | 2024-04-09 |
Family
ID=89953947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410096751.1A Active CN117610900B (zh) | 2024-01-24 | 2024-01-24 | 基于用户需求响应的电力管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117610900B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105512768A (zh) * | 2015-12-14 | 2016-04-20 | 上海交通大学 | 大数据环境下用户用电关联因素辨识及用电量预测方法 |
CN106570581A (zh) * | 2016-10-26 | 2017-04-19 | 东北电力大学 | 能源互联网环境下基于属性关联的负荷预测系统及其方法 |
CN110705616A (zh) * | 2019-09-23 | 2020-01-17 | 广东电力交易中心有限责任公司 | 基于用电偏好进行用户负荷曲线聚类的方法及系统 |
CN112163781A (zh) * | 2020-10-15 | 2021-01-01 | 国网冀北电力有限公司智能配电网中心 | 基于多维度指标聚类的园区用电群体生命周期评价方法 |
-
2024
- 2024-01-24 CN CN202410096751.1A patent/CN117610900B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105512768A (zh) * | 2015-12-14 | 2016-04-20 | 上海交通大学 | 大数据环境下用户用电关联因素辨识及用电量预测方法 |
CN106570581A (zh) * | 2016-10-26 | 2017-04-19 | 东北电力大学 | 能源互联网环境下基于属性关联的负荷预测系统及其方法 |
CN110705616A (zh) * | 2019-09-23 | 2020-01-17 | 广东电力交易中心有限责任公司 | 基于用电偏好进行用户负荷曲线聚类的方法及系统 |
CN112163781A (zh) * | 2020-10-15 | 2021-01-01 | 国网冀北电力有限公司智能配电网中心 | 基于多维度指标聚类的园区用电群体生命周期评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117610900A (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kanakadhurga et al. | Demand side management in microgrid: A critical review of key issues and recent trends | |
Jang et al. | Variability of electricity load patterns and its effect on demand response: A critical peak pricing experiment on Korean commercial and industrial customers | |
Wong et al. | A simple way to use interval data to segment residential customers for energy efficiency and demand response program targeting | |
CN111967723B (zh) | 一种基于数据挖掘的用户调峰潜力分析方法 | |
CN109255463A (zh) | 一种面向可中断负荷的需求响应效果分阶段评估方法 | |
Panapakidis et al. | Load profiling in the deregulated electricity markets: A review of the applications | |
Nykamp et al. | Storage operation for peak shaving of distributed PV and wind generation | |
CN106410781A (zh) | 一种电力用户需求响应潜力确定方法 | |
Yazdanie et al. | The nationwide characterization and modeling of local energy systems: Quantifying the role of decentralized generation and energy resources in future communities | |
CN109687465A (zh) | 一种主动配电网源网荷弹性控制系统 | |
CN116187640B (zh) | 一种基于网格多属性画像体系的配电网规划方法及装置 | |
CN111582655A (zh) | 一种基于多元用户可调度潜力分析的用电系统 | |
CN109409688A (zh) | 一种面向可中断负荷的需求响应效果分阶段评估方法 | |
Hassan et al. | Implications of strategic photovoltaic deployment on regional electricity self-sufficiency by 2050: A case study in Iraq | |
Liu et al. | Developing and evaluating metrics for demand flexibility in buildings: Comparing simulations and field data | |
CN117610900B (zh) | 基于用户需求响应的电力管理方法 | |
Li et al. | Optimal storage sizing of energy storage for peak shaving in presence of uncertainties in distributed energy management systems | |
Lohr et al. | Spatial concentration of renewables in energy system optimization models | |
CN112488416B (zh) | 一种电网运行态势监测方法及系统 | |
CN112183809B (zh) | 一种基于时空推演法的电力负荷特性指标测算方法 | |
CN112508629A (zh) | 一种考虑用户特性的多元用户需求响应的方法 | |
Hinde et al. | Forecast-informed power load profiling: A novel approach | |
Gao et al. | A two-stage decision framework for GIS-based site selection of wind-photovoltaic-hybrid energy storage project using LSGDM method | |
Wang et al. | Three-dimensional maturity model of regional power users against the background of the ubiquitous power internet of things | |
Valkering et al. | Representing decentralized generation and local energy use flexibility in an energy system optimization model |
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 |