CN118195677A - 一种电网营业厅的数据处理方法及系统 - Google Patents
一种电网营业厅的数据处理方法及系统 Download PDFInfo
- Publication number
- CN118195677A CN118195677A CN202410613307.2A CN202410613307A CN118195677A CN 118195677 A CN118195677 A CN 118195677A CN 202410613307 A CN202410613307 A CN 202410613307A CN 118195677 A CN118195677 A CN 118195677A
- Authority
- CN
- China
- Prior art keywords
- user
- electricity
- data
- users
- business hall
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 230000005611 electricity Effects 0.000 claims abstract description 126
- 238000004458 analytical method Methods 0.000 claims abstract description 38
- 238000012423 maintenance Methods 0.000 claims abstract description 6
- 230000002159 abnormal effect Effects 0.000 claims description 23
- 238000000034 method Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 10
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000013468 resource allocation Methods 0.000 abstract description 3
- 238000013523 data management Methods 0.000 abstract description 2
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000009412 basement excavation Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及电网营业厅数据管理技术领域,具体涉及一种电网营业厅的数据处理方法及系统,包括:采集用户用电历史数据;利用预设的用户需求分析模型,预测用户用电需求;利用预设的服务等级,将用户与服务等级进行匹配,获取用户对应的服务等级;根据预测的用户用电需求,电网营业厅进行电力调度;根据预测的用户用电需求和用户对应的服务等级,对电网营业厅的用户进行维护。本发明有助于电网营业厅提前进行电力调度和资源配置,满足用户的用电需求;可以为不同等级的用户提供差异化的服务,提高服务的针对性和效率,结合预测的用户用电需求和用户的服务等级,电网营业厅可以制定个性化的用户维护策略,提升电力行业的整体运营效率和服务水平。
Description
技术领域
本发明涉及电网营业厅数据管理技术领域,具体涉及一种电网营业厅的数据处理方法及系统。
背景技术
随着电力行业的不断发展和市场竞争的加剧,电网营业厅面临着越来越多的挑战,包括客户需求多样化、服务质量要求提高、运营成本压力增大等。因此,如何通过有效的数据处理方法和系统来提升电网营业厅的运营效率和服务质量,成为了当前电网营业厅管理技术领域的重要研究课题。利用电网营业厅数据对客户进行维护的重要性不言而喻。在现代电力服务体系中,电网营业厅作为与客户直接接触的重要窗口,积累了大量关于客户用电行为、服务需求、消费偏好等方面的宝贵数据。这些数据不仅记录了客户的历史交易信息,更蕴含着客户未来的潜在需求和价值。
通过深入分析这些数据,电网营业厅可以更加精准地了解客户的用电习惯和需求变化,从而为客户提供更加个性化、定制化的服务。比如,根据客户的用电量和用电时段,推荐更加合适的电费套餐或节能方案;根据客户的服务评价,及时发现服务短板并进行改进,提升客户满意度。
传统的电网营业厅数据处理方法往往存在着一些问题,比如数据分散、数据质量不高、数据处理效率低下等。这些问题导致了电网营业厅的数据应用在客户服务上存在着一定的困难和不足。
发明内容
(一)发明目的
本发明的目的是提供一种能扩展营业厅数据的应用,提高营业厅数据分析的准确性的电网营业厅的数据处理方法及系统。
(二)技术方案
为解决上述问题,本发明提供了一种电网营业厅的数据处理方法,包括:
采集用户用电历史数据;
根据所述用户用电历史数据,利用预设的用户需求分析模型,预测用户用电需求;
根据所述用户用电历史数据,利用预设的服务等级,将用户与服务等级进行匹配,获取用户对应的服务等级;
根据预测的用户用电需求,电网营业厅进行电力调度;
根据预测的用户用电需求和用户对应的服务等级,对电网营业厅的用户进行维护。
本发明的另一方面,优选地,所述用户需求分析模型包括第一用户需求分析子模型和第二用户需求分析子模型;所述根据所述用户用电历史数据,利用预设的用户需求分析模型,预测用户用电需求,包括:
识别所述用户用电历史数据中的异常数据,所述识别的用户用电历史数据包括用户用电信息;
利用所述第一用户需求分析子模型对所述异常数据进行修正,获得修正后的用户用电历史数据;
根据修正后的用户用电历史数据,利用所述第二用户需求分析子模型,预测用户用电需求。
本发明的另一方面,优选地,根据所述用户用电历史数据,利用所述第一用户需求分析子模型对所述异常数据进行修正,获得修正后的用户用电历史数据包括:
获取所述异常数据所在的日期,所述日期为待预测日;
获取待预测日在历史序列的相似日;
利用所述相似日的用电量对所述异常数据进行修正。
本发明的另一方面,优选地,所述相似日的获取方法包括:
;
其中,gi,j表示历史序列节点i和包含待测日序列的节点j之间的规整路径距离,待测日序列的节点j的相似日为di,j为历史序列节点i;历史序列节点i和包含待测日序列的节点j之间的欧式距离,历史序列表示为1,2,…,i,…,I;包含待测日序列表示为1,2,…,j,…,J;(i-1,j),(i-1,j-1),(i,j-1)表示到达(i,j)的三条路径。
本发明的另一方面,优选地,所述第二用户需求分析子模型包括利用以下公式进行预测:
;
其中,yt表示周期t的用电需求,u为常数项,p为自回归模型的阶数,q为移动平均模型的阶数,表示自回归模型的相关系数,/>表示移动平均模型的相关系数,yt-r表示周期t-r的用电量,/>表示周期t的误差项,/>表示周期t-r的误差项。
本发明的另一方面,优选地,所述根据所述用户用电历史数据,利用预设的服务等级,将用户与服务等级进行匹配,获取用户对应的服务等级包括:
根据所述用户用电历史数据,识别该用户的用电类型,所述用电类型包括居民用电、商业用电、工业用电、农业用电和公共事业用电;
根据所述用户用电历史数据,计算用户对应的用电量的年平均增长率,
根据所述用电类型和用户对应的用电量的年平均增长率,将用户与服务等级进行匹配;
每个用电类型的服务等级均包括:高成长度用户、中成长度用户、低成长度用户和负成长度用户。
本发明的另一方面,优选地,所述根据所述用户用电历史数据,计算用户对应的用电量的年平均增长率包括利用以下公式进行计算:
;
其中,表示用户对应的用电量的年平均增长率,N表示年份总数,Wn+1表示第n+1年的用电量,Wn表示第n年的用电量。
本发明的另一方面,优选地,所述对电网营业厅的用户进行维护还包括:
对用电类型为商业用电、工业用电、农业用电和公共事业用电的用户,利用相对应的用户用电历史数据,对用户信用进行分析,获取用户信用;
根据所述用户信用,对所述用户进行维护。
本发明的另一方面,优选地,所述获取用户信用包括利用以下公式进行计算:
;
其中,z1表示支付历史,1表示完美支付历史,0表示最差,k1为支付历史的权重,z2表示债务历史,1表示无债务,0表示债务负担极重,k2为债务历史的权重,z3表示信用历史长度,1表示信用历史超过预设值,0表示无信用历史,k3为信用历史的权重,k1+k2+k3=1。
本发明的另一方面,优选地,一种电网营业厅的数据处理系统,包括:
采集模块:采集用户用电历史数据;
预测模块:根据所述用户用电历史数据,利用预设的用户需求分析模型,预测用户用电需求;
匹配模块:根据所述用户用电历史数据,利用预设的服务等级,将用户与服务等级进行匹配,获取用户对应的服务等级;
调度模块:根据预测的用户用电需求,电网营业厅进行电力调度;
维护模块:根据预测的用户用电需求和用户对应的服务等级,对电网营业厅的用户进行维护。
(三)有益效果
本发明的上述技术方案具有如下有益的技术效果:
本发明通过利用营业厅用户用电历史数据,利用预设的用户需求分析模型,通过对用户历史用电数据的挖掘和分析,可以预测用户未来的用电需求,有助于电网营业厅提前进行电力调度和资源配置,满足用户的用电需求。通过将用户与服务等级进行匹配,可以为不同等级的用户提供差异化的服务,提高服务的针对性和效率,结合预测的用户用电需求和用户的服务等级,电网营业厅可以制定个性化的用户维护策略。扩展营业厅数据的应用,扩展了促进电力行业的数字化转型和智能化发展,提高营业厅数据分析的准确性,提升电力行业的整体运营效率和服务水平。
附图说明
图1本发明一个实施例的整体流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面结合具体实施方式并参照附图,对本发明进一步详细说明。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
显然,所描述的实施例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。
在本发明的描述中,需要说明的是,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
以下将参照附图更详细地描述本发明。在各个附图中,相同的元件采用类似的附图标记来表示。为了清楚起见,附图中的各个部分没有按比例绘制。
实施例一
一种电网营业厅的数据处理方法,图1示出了本发明一个实施例的整体流程图,如图1所示,包括:
采集用户用电历史数据;此处不限制用户用电历史数据的具体内容,可选的,包括用户基本信息,如地址、联系方式,用电信息、缴费信息、参与营销活动信息等;
根据所述用户用电历史数据,利用预设的用户需求分析模型,预测用户用电需求;此处不限制预设的用户需求分析模型的具体内容,可选的,本实施例中,所述根据所述用户用电历史数据,利用预设的用户需求分析模型,预测用户用电需求,包括:
所述用户需求分析模型包括第一用户需求分析子模型和第二用户需求分析子模型;
识别所述用户用电历史数据中的异常数据,所述识别的用户用电历史数据包括用户用电信息;在采集到的用户用电历史数据中,可能存在由于设备故障、数据传输错误等原因导致的异常数据。这些异常数据如果不进行处理,会对后续的用电需求预测造成干扰;识别的具体方法可以包括简单统计量分析:对用户用电信息进行描述性统计,如计算最大值、最小值、平均值等。基于业务考虑,判断哪些数据是不合理的。例如,用户的用电量远超过正常家庭的用电量,则可能被视为异常。三倍标准差法(3-Sigma原则):如果数据服从正态分布,那么异常值被定义为与平均值偏差超过3倍标准差的值。在正态分布的假设下,这样的偏离出现的概率非常小,因此被认为是异常的。箱线图可以显示数据集的最小值、最大值、中位数、第一四分位数(Q1)和第三四分位数(Q3)。任何超出1.5倍四分位距(IQR,即Q3-Q1)之外的数据点都被认为是异常值等;
根据所述用户用电历史数据,利用所述第一用户需求分析子模型对所述异常数据进行修正,获得修正后的用户用电历史数据;第一用户需求分析子模型可以采用机器学习、统计分析等方法,对识别出的异常数据进行修正或剔除,确保用户用电历史数据的准确性和可靠性;
可选的,本实施例中,根据所述用户用电历史数据,利用所述第一用户需求分析子模型对所述异常数据进行修正,获得修正后的用户用电历史数据包括:获取所述异常数据所在的日期,所述日期为待预测日;获取待预测日在历史序列的相似日;利用所述相似日的用电量对所述异常数据进行修正。通过利用历史序列中相似日的用电量数据来修正异常数据,可以大大减少由于设备故障、数据传输错误或其他原因导致的数据不准确性。相似日的用电量数据往往能够反映出相似的用电模式和趋势,因此是修正异常数据的理想选择。准确的数据是进行有效预测的基础。通过修正异常数据,可以确保用于预测的数据集更加可靠,从而提高预测用户用电需求的准确性。进一步,本实施例中,所述相似日的获取方法包括:
;
其中,gi,j表示历史序列节点i和包含待测日序列的节点j之间的规整路径距离,待测日序列的节点j的相似日为di,j为历史序列节点i;历史序列节点i和包含待测日序列的节点j之间的欧式距离,历史序列表示为1,2,…,i,…,I;包含待测日序列表示为1,2,…,j,…,J;(i-1,j),(i-1,j-1),(i,j-1)表示到达(i,j)的三条路径。相似日的获取较为精准,有利于对异常数据的修正;
根据修正后的用户用电历史数据,利用所述第二用户需求分析子模型,预测用户用电需求。进一步,所述第二用户需求分析子模型包括利用以下公式进行预测:
;
其中,yt表示周期t的用电需求,u为常数项,p为自回归模型的阶数,q为移动平均模型的阶数,表示自回归模型的相关系数,/>表示移动平均模型的相关系数,yt-r表示周期t-r的用电量,/>表示周期t的误差项,/>表示周期t-r的误差项,该预测模型具有一定的平稳性。
根据所述用户用电历史数据,利用预设的服务等级,将用户与服务等级进行匹配,获取用户对应的服务等级;
根据所述用户用电历史数据,识别该用户的用电类型,所述用电类型包括居民用电、商业用电、工业用电、农业用电和公共事业用电;
根据所述用户用电历史数据,计算用户对应的用电量的年平均增长率,所述根据所述用户用电历史数据,计算用户对应的用电量的年平均增长率包括利用以下公式进行计算:
;
其中,表示用户对应的用电量的年平均增长率,N表示年份总数,Wn+1表示第n+1年的用电量,Wn表示第n年的用电量;
根据所述用电类型和用户对应的用电量的年平均增长率,将用户与服务等级进行匹配;
每个用电类型的服务等级均包括:高成长度用户、中成长度用户、低成长度用户和负成长度用户。
根据预测的用户用电需求,电网营业厅进行电力调度;
根据预测的用户用电需求和用户对应的服务等级,对电网营业厅的用户进行维护。
进一步,所述对电网营业厅的用户进行维护还包括:
对用电类型为商业用电、工业用电、农业用电和公共事业用电的用户,利用相对应的用户用电历史数据,对用户信用进行分析,获取用户信用;此处用户用电历史数据包括支付信息、债务信息等;
根据所述用户信用,对所述用户进行维护;
所述获取用户信用包括利用以下公式进行计算:
;
其中,z1表示支付历史,1表示完美支付历史,0表示最差,k1为支付历史的权重,z2表示债务历史,1表示无债务,0表示债务负担极重,k2为债务历史的权重,z3表示信用历史长度,1表示信用历史超过预设值,0表示无信用历史,k3为信用历史的权重,k1+k2+k3=1。
本发明通过利用营业厅用户用电历史数据,利用预设的用户需求分析模型,通过对用户历史用电数据的挖掘和分析,可以预测用户未来的用电需求,有助于电网营业厅提前进行电力调度和资源配置,满足用户的用电需求。通过将用户与服务等级进行匹配,可以为不同等级的用户提供差异化的服务,提高服务的针对性和效率,结合预测的用户用电需求和用户的服务等级,电网营业厅可以制定个性化的用户维护策略。扩展营业厅数据的应用,扩展了促进电力行业的数字化转型和智能化发展,提高营业厅数据分析的准确性,提升电力行业的整体运营效率和服务水平。
实施例二
一种电网营业厅的数据处理系统,包括:
采集模块:采集用户用电历史数据;
预测模块:根据所述用户用电历史数据,利用预设的用户需求分析模型,预测用户用电需求;
匹配模块:根据所述用户用电历史数据,利用预设的服务等级,将用户与服务等级进行匹配,获取用户对应的服务等级;
调度模块:根据预测的用户用电需求,电网营业厅进行电力调度;
维护模块:根据预测的用户用电需求和用户对应的服务等级,对电网营业厅的用户进行维护。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
以上参照本发明的实施例对本发明予以了说明。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本发明的范围。本发明的范围由所附权利要求及其等价物限定。不脱离本发明的范围,本领域技术人员可以做出多种替换和修改,这些替换和修改都应落在本发明的范围之内。
尽管已经详细描述了本发明的实施方式,但是应该理解的是,在不偏离本发明的精神和范围的情况下,可以对本发明的实施方式做出各种改变、替换和变更。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种电网营业厅的数据处理方法,其特征在于,包括:
采集用户用电历史数据;
根据所述用电历史数据,利用预设的用户需求分析模型,预测用户用电需求;
根据所述用户用电历史数据,利用预设的服务等级,将用户与服务等级进行匹配,获取用户对应的服务等级;
根据预测的用户用电需求,电网营业厅进行电力调度;
根据预测的用户用电需求和用户对应的服务等级,对电网营业厅的用户进行维护。
2.根据权利要求1所述的电网营业厅的数据处理方法,其特征在于,所述用户需求分析模型包括第一用户需求分析子模型和第二用户需求分析子模型;所述根据所述用户用电历史数据,利用预设的用户需求分析模型,预测用户用电需求,包括:
识别所述用户用电历史数据中的异常数据,所述识别的用户用电历史数据包括用户用电信息;
利用所述第一用户需求分析子模型对所述异常数据进行修正,获得修正后的用户用电历史数据;
根据修正后的用户用电历史数据,利用所述第二用户需求分析子模型,预测用户用电需求。
3.根据权利要求2所述的电网营业厅的数据处理方法,其特征在于,根据所述用户用电历史数据,利用所述第一用户需求分析子模型对所述异常数据进行修正,获得修正后的用户用电历史数据包括:
获取所述异常数据所在的日期,所述日期为待预测日;
获取待预测日在历史序列的相似日;
利用所述相似日的用电量对所述异常数据进行修正。
4.根据权利要求3所述的电网营业厅的数据处理方法,其特征在于,所述相似日的获取方法包括:
;
其中,gi,j表示历史序列节点i和包含待测日序列的节点j之间的规整路径距离,待测日序列的节点j的相似日为di,j为历史序列节点i;历史序列节点i和包含待测日序列的节点j之间的欧式距离,历史序列表示为1,2,…,i,…,I;包含待测日序列表示为1,2,…,j,…,J;(i-1,j),(i-1,j-1),(i,j-1)表示到达(i,j)的三条路径。
5.根据权利要求2所述的电网营业厅的数据处理方法,其特征在于,所述第二用户需求分析子模型包括利用以下公式进行预测:
;
其中,yt表示周期t的用电需求,u为常数项,p为自回归模型的阶数,q为移动平均模型的阶数,表示自回归模型的相关系数,/>表示移动平均模型的相关系数,yt-r表示周期t-r的用电量,/>表示周期t的误差项,/>表示周期t-r的误差项。
6.根据权利要求1所述的电网营业厅的数据处理方法,其特征在于,所述根据所述用户用电历史数据,利用预设的服务等级,将用户与服务等级进行匹配,获取用户对应的服务等级包括:
根据所述用户用电历史数据,识别该用户的用电类型,所述用电类型包括居民用电、商业用电、工业用电、农业用电和公共事业用电;
根据所述用户用电历史数据,计算用户对应的用电量的年平均增长率,
根据所述用电类型和用户对应的用电量的年平均增长率,将用户与服务等级进行匹配;
每个用电类型的服务等级均包括:高成长度用户、中成长度用户、低成长度用户和负成长度用户。
7.根据权利要求5所述的电网营业厅的数据处理方法,其特征在于,所述根据所述用户用电历史数据,计算用户对应的用电量的年平均增长率包括利用以下公式进行计算:
;
其中,表示用户对应的用电量的年平均增长率,N表示年份总数,Wn+1表示第n+1年的用电量,Wn表示第n年的用电量。
8.根据权利要求6所述的电网营业厅的数据处理方法,其特征在于,所述对电网营业厅的用户进行维护还包括:
对用电类型为商业用电、工业用电、农业用电和公共事业用电的用户,利用相对应的用户用电历史数据,对用户信用进行分析,获取用户信用;
根据所述用户信用,对所述用户进行维护。
9.根据权利要求8所述的电网营业厅的数据处理方法,其特征在于,
所述获取用户信用包括利用以下公式进行计算:
;
其中,z1表示支付历史,1表示完美支付历史,0表示最差,k1为支付历史的权重,z2表示债务历史,1表示无债务,0表示债务负担极重,k2为债务历史的权重,z3表示信用历史长度,1表示信用历史超过预设值,0表示无信用历史,k3为信用历史的权重,k1+k2+k3=1。
10.一种电网营业厅的数据处理系统,其特征在于,包括:
采集模块:采集用户用电历史数据;
预测模块:根据所述用户用电历史数据,利用预设的用户需求分析模型,预测用户用电需求;
匹配模块:根据所述用户用电历史数据,利用预设的服务等级,将用户与服务等级进行匹配,获取用户对应的服务等级;
调度模块:根据预测的用户用电需求,电网营业厅进行电力调度;
维护模块:根据预测的用户用电需求和用户对应的服务等级,对电网营业厅的用户进行维护。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410613307.2A CN118195677A (zh) | 2024-05-17 | 2024-05-17 | 一种电网营业厅的数据处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410613307.2A CN118195677A (zh) | 2024-05-17 | 2024-05-17 | 一种电网营业厅的数据处理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118195677A true CN118195677A (zh) | 2024-06-14 |
Family
ID=91404573
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410613307.2A Pending CN118195677A (zh) | 2024-05-17 | 2024-05-17 | 一种电网营业厅的数据处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118195677A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101003703A (zh) * | 2006-09-15 | 2007-07-25 | 英科.卡乐油墨(苏州)有限公司 | 制造水性柔版及凹版的复合白油墨 |
CN109002937A (zh) * | 2018-09-07 | 2018-12-14 | 深圳供电局有限公司 | 电网负荷预测方法、装置、计算机设备和存储介质 |
CN109726858A (zh) * | 2018-12-21 | 2019-05-07 | 新奥数能科技有限公司 | 基于动态时间规整的热负荷预测方法及装置 |
CN111091420A (zh) * | 2019-12-20 | 2020-05-01 | 新奥数能科技有限公司 | 一种电力价格的预测方法及装置 |
CN114358359A (zh) * | 2021-09-18 | 2022-04-15 | 国网安徽省电力有限公司营销服务中心 | 基于电力市场发展态势感知的电费回收风险预警方法 |
CN116228292A (zh) * | 2023-02-01 | 2023-06-06 | 国网浙江省电力有限公司经济技术研究院 | 一种考虑惯量波动的电力现货市场价格预测方法 |
-
2024
- 2024-05-17 CN CN202410613307.2A patent/CN118195677A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101003703A (zh) * | 2006-09-15 | 2007-07-25 | 英科.卡乐油墨(苏州)有限公司 | 制造水性柔版及凹版的复合白油墨 |
CN109002937A (zh) * | 2018-09-07 | 2018-12-14 | 深圳供电局有限公司 | 电网负荷预测方法、装置、计算机设备和存储介质 |
CN109726858A (zh) * | 2018-12-21 | 2019-05-07 | 新奥数能科技有限公司 | 基于动态时间规整的热负荷预测方法及装置 |
CN111091420A (zh) * | 2019-12-20 | 2020-05-01 | 新奥数能科技有限公司 | 一种电力价格的预测方法及装置 |
CN114358359A (zh) * | 2021-09-18 | 2022-04-15 | 国网安徽省电力有限公司营销服务中心 | 基于电力市场发展态势感知的电费回收风险预警方法 |
CN116228292A (zh) * | 2023-02-01 | 2023-06-06 | 国网浙江省电力有限公司经济技术研究院 | 一种考虑惯量波动的电力现货市场价格预测方法 |
Non-Patent Citations (5)
Title |
---|
刘家庆;张弘鹏;郭希海;孙羽;徐峥;张平;: "基于SVR残差修正的光伏发电功率预测模型", 电力工程技术, no. 05, 28 September 2020 (2020-09-28) * |
史婵: "供电营业厅精益化管理体系建设研究", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》, no. 02, 15 February 2016 (2016-02-15), pages 29 - 37 * |
谢品杰;谭忠富;尚金成;侯建朝;王绵斌;: "基于小波分析与广义自回归条件异方差模型的短期电价预测", 电网技术, no. 16, 20 August 2008 (2008-08-20) * |
鞠晨 等: ""新经济"态势下基于数据挖掘的用电需求结构分析与预测", 《能源与环保》, 25 January 2022 (2022-01-25), pages 263 - 264 * |
马锋: "电力客户用电需求预测研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, 15 March 2022 (2022-03-15), pages 33 - 34 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116646933A (zh) | 一种基于大数据的电力负荷调度方法及系统 | |
Zhou et al. | Residential demand response targeting using machine learning with observational data | |
CN108776939A (zh) | 用户用电行为的分析方法及系统 | |
CN107330540B (zh) | 一种考虑电压质量的配电网台区缺供电量预测方法 | |
CN102426674A (zh) | 一种基于马尔科夫链的电力系统负荷预测方法 | |
CN102509173A (zh) | 一种基于马尔科夫链的电力系统负荷准确预测方法 | |
CN107368543A (zh) | 一种基于mcmc算法的电力采集数据修复方法 | |
CN116797049B (zh) | 配电网差异化节能潜力量化评估方法 | |
US9805321B2 (en) | Eco score analytics system | |
CN115660225A (zh) | 一种基于电表通信模块的用电负荷预测管理方法及系统 | |
CN112598155A (zh) | 一种变电站的负荷增减预估方法及系统 | |
CN116050866A (zh) | 基于典型负荷曲线的组合式用户缺失电量拟合方法及系统 | |
CN113450031B (zh) | 居民智慧用能服务潜在台区选取方法及装置 | |
CN114565293A (zh) | 一种工业负荷提供长周期需求响应能力的评估方法 | |
CN111160993A (zh) | 基于用户负荷报装的用户实用及阶段释放系数的分析方法 | |
CN114418794A (zh) | 一种建筑数据分析方法、装置、电子设备及存储介质 | |
KR20160074325A (ko) | 기상변화에 따른 전력수요지수 예측 시스템 및 그 방법 | |
CN114398941A (zh) | 一种用户缴费行为分类方法、装置、设备及可读存储介质 | |
CN111488338B (zh) | 应用于风控决策流的模型监控方法及装置 | |
CN118195677A (zh) | 一种电网营业厅的数据处理方法及系统 | |
CN110264056B (zh) | 一种电量消耗的分析方法及系统 | |
CN111488200A (zh) | 一种基于动态分析模型的虚拟机资源使用率分析方法 | |
CN117728379A (zh) | 用于区域电网的智能运行调度方法 | |
CN116485517A (zh) | 一种智能信贷服务管理系统 | |
CN110175705B (zh) | 一种负荷预测方法及包含该方法的存储器、系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |