CN102855525A - 一种居民用户负荷预测分析***和方法 - Google Patents

一种居民用户负荷预测分析***和方法 Download PDF

Info

Publication number
CN102855525A
CN102855525A CN2012102927056A CN201210292705A CN102855525A CN 102855525 A CN102855525 A CN 102855525A CN 2012102927056 A CN2012102927056 A CN 2012102927056A CN 201210292705 A CN201210292705 A CN 201210292705A CN 102855525 A CN102855525 A CN 102855525A
Authority
CN
China
Prior art keywords
resident
load prediction
data
module
predicted 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.)
Granted
Application number
CN2012102927056A
Other languages
English (en)
Other versions
CN102855525B (zh
Inventor
孙晓星
翟长国
王余生
黄小鉥
尹宏旭
陈琪
邱实
张亮
陈栋磊
董浩
高辉
李怀良
邵阳
宋陈成
唐雾婺
王怡婷
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.)
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
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 State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI filed Critical State Grid Corp of China SGCC
Priority to CN201210292705.6A priority Critical patent/CN102855525B/zh
Publication of CN102855525A publication Critical patent/CN102855525A/zh
Application granted granted Critical
Publication of CN102855525B publication Critical patent/CN102855525B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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

本发明提供一种居民用户负荷预测分析***和方法，***包括居民用户负荷预测终端和负荷预测分析主站，所述居民用户负荷预测终端通过载波通讯或以太网通讯与所述负荷预测分析主站连接。负荷预测分析***具有数据采集、数据分析功能，可获取其他用电***的居民用户用电数据与负荷预测数据进行比对分析，也可将负荷预测数据传输至其他***，提高了数据利用率，解决了供电企业各***之间互动性不足的问题；能够大幅提高居民用户的负荷预测水平，为电网的调度、发电厂的发电量控制及清洁能源的接入提供依据。

Description

一种居民用户负荷预测分析***和方法
技术领域
本发明属于数据挖掘技术领域，具体涉及一种居民用户负荷预测分析***和方法。
背景技术
随着电力市场的建立和发展，电网企业对负荷预测的要求越来越高。负荷预测作为电力***安全经济运行所必需的重要手段，是地区电力规划的基础，同时也为地区电力工业布局、能源资源平衡、电力余缺调剂，以及电网资金和人力资源的需求与平衡提供可靠的依据。
电力负荷一般可以分为工业负荷、商业负荷、居民负荷等，其中工商业负荷在电力负荷中的比重较高，电网企业历来对这块的负荷预测比较重视，并陆续建成了负荷控制***和用电信息采集***以完成对工商业负荷的数据采集和负荷预测；居民用户负荷由于分布分散、规模偏小的特点，一直采取的都是集中预测的方法，即以台区或馈线负荷为单位进行预测，这种预测方法的缺点就是精度不高，尤其随着居民家用电器的逐年增多、电动自行车的普及和电动汽车的逐步推广，居民用户的用电负荷呈现稳步增长趋势和明显的季节性波动，通过集中预测的方法对居民用户负荷预测的弊病愈发显现。
发明内容
为了克服上述现有技术的不足，本发明提供一种居民用户负荷预测分析***和方法，解决了现有技术中更多的重视工商业用户的负荷预测，对居民用户的负荷预测采用集中预测的方法精度偏低的问题，且能够大幅提高居民用户的负荷预测水平，为电网的调度、发电厂的发电量控制及清洁能源的接入提供依据。
为了实现上述发明目的，本发明采取如下技术方案：
一种居民用户负荷预测分析***，所述***包括居民用户负荷预测终端和负荷预测分析主站，所述居民用户负荷预测终端通过载波通讯或以太网通讯与所述负荷预测分析主站连接。
所述居民用户负荷预测终端包括终端状态自检模块、通讯方式选择模块、数据传输模块、预测方式选择模块、预测结果分析模块和终端自动远程升级模块；所述终端状态自检模块判断终端的运行工况，居民用户通过通讯方式选择模块设定本地通讯方式和远程通讯方式，居民用户电能量数据通过所述数据传输模块输入预测结果分析模块，居民用户通过所述预测方式选择模块选择预测方式，并通过参考所述居民用户电能量数据将预测数据输入预测结果分析模块，所述预测结果分析模块对所述居民用户电能量数据和所述预测数据进行分析，所述预测数据通过数据传输模块传输至负荷预测分析主站，所述终端自动远程升级模块对所述居民用户负荷预测终端进行自动远程升级。
所述通讯方式包括本地通讯方式和远程通讯方式，所述本地通讯方式包括485通讯和载波通讯，所述远程通讯方式包括载波通讯和以太网通讯。
所述预测方式包括日总用电量预测方式和日分时段用电量预测方式。
所述负荷预测分析主站包括数据采集模块、预测数据统计分析模块、预测数据指标考核模块和终端运行管理模块；预测数据通过数据采集模块进行规约解释并进行存储，预测数据统计分析模块对存储的预测数据进行汇总，并对预测数据的准确度进行分析，所述预测数据指标考核模块根据考核指标对经分析预测数据的准确度进行考核；所述终端运行管理模块管理所述居民用户负荷预测终端。
所述数据采集模块进行用户负荷预测数据存储时将用户负荷预测数据与用户档案信息、居民用户电能量数据关联。
所述考核指标包括周期比对偏差率和周期用电量。
所述分析结果的形式包括曲线、棒图、饼图和报表。
一种居民用户负荷预测分析方法，所述方法包括以下步骤：
步骤1：采集预测数据；
步骤2：存储预测数据，并获取居民用户电能量数据和用户档案信息；
步骤3：分析并考核预测数据的准确度。
所述步骤1中，居民用户负荷预测终端将预测数据通过载波通讯或以太网通讯发送至所述负荷预测分析主站，完成负荷预测分析主站对预测数据的采集。
所述步骤2包括以下步骤：
步骤2-1：输入预测数据，并通过居民用户负荷预测终端内置存储芯片对预测数据进行存储；
步骤2-2：预测数据通过载波通讯或以太网通讯发送至所述负荷预测分析主站；
步骤2-3：所述负荷预测分析主站判断居民用户负荷预测终端的运行工况，并通过接口从用电信息采集***获取居民用户电能量数据和用户档案信息；
步骤2-4：所述负荷预测分析主站将预测数据汇总并发送至调度中心。
所述步骤3中，所述负荷预测分析主站对预测数据的准确度进行分析并考核，储存考核结果并与用户档案信息关联，对考核结果优秀的居民用户给予奖励。
与现有技术相比，本发明的有益效果在于：
1.预测数据的远程传输方式可选择载波通讯或以太网通讯，适用范围广，方便***的推广应用；
2.本发明通过采集各个居民用户的负荷预测数据，对以台区为单位的供电区域未来几日用电负荷进行精准预测，并对预测结果、终端运行参数等利用专家数据库进行分析，不断修正汇总预测数据，最终预测结果将发送至电网公司调度中心，为电能的调度提供决策依据；
3.本发明提供的负荷预测分析***具有预测数据考核功能，供电企业可结合各地区政策，灵活制定各种奖励措施，提高居民用户的负荷预测积极性，居民用户通过负荷预测终端主动预测未来几日用电负荷，为供电企业的负荷预测提供更加科学合理的数据，为合理确定地区电源电网规模和布局提供参考；
4.负荷预测分析***具有数据采集、数据分析功能，可获取其他用电***的居民用户用电数据与负荷预测数据进行比对分析，也可将负荷预测数据传输至其他***，提高了数据利用率，解决了供电企业各***之间互动性不足的问题。
附图说明
图1是本发明实施例中居民用户负荷预测分析***结构示意图；
图2是本发明实施例中居民用户负荷预测终端结构示意图；
图3是本发明实施例中居民用户负荷预测分析方法流程图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
如图1，一种居民用户负荷预测分析***，所述***包括居民用户负荷预测终端和负荷预测分析主站，所述居民用户负荷预测终端通过载波通讯或以太网通讯与所述负荷预测分析主站连接。
如图2，所述居民用户负荷预测终端包括终端状态自检模块、通讯方式选择模块、数据传输模块、预测方式选择模块、预测结果分析模块和终端自动远程升级模块；所述终端状态自检模块判断终端的运行工况，自检模块包括硬件设备的检查、软件***的检查。两项自检都正常则显示设备正常信息；有一项自检不正常则显示设备故障信息；居民用户通过通讯方式选择模块设定本地通讯方式和远程通讯方式，居民用户电能量数据通过所述数据传输模块输入预测结果分析模块，居民用户通过所述预测方式选择模块选择预测方式，并通过参考所述居民用户电能量数据将预测数据输入预测结果分析模块，所述预测结果分析模块对所述居民用户电能量数据和所述预测数据进行分析，其首先读取终端状态自检模块状态，如果设备正常则读取预测方式选择模块预设的预测方式，如果预测方式为日总用电量预测，则显示日总用电量分析结果；如果预测方式为分时段用电量预测，则显示分时段用电量分析结果；所述预测数据通过数据传输模块传输至负荷预测分析主站，所述终端自动远程升级模块对所述居民用户负荷预测终端进行自动远程升级，升级过程如下：在终端***内创建两个普通的客户端TCP套接字，其中一个TCP套接字用于FTP命令的传输，另外一个TCP套接字用于FTP数据的传输，根据需要使用数据TCP套接字接收远程传输的文件数据，实现文件的远程下载过程，从而实现FTP方式的远程升级。
所述通讯方式包括本地通讯方式和远程通讯方式，所述本地通讯方式指居民用户负荷预测终端与智能电表的通讯方式，其包括485通讯和载波通讯，所述远程通讯方式指居民用户负荷预测终端与负荷预测分析主站之间的通讯，其包括载波通讯和以太网通讯。
所述预测方式包括日总用电量预测方式和日分时段用电量预测方式。
所述负荷预测分析主站包括数据采集模块、预测数据统计分析模块、预测数据指标考核模块和终端运行管理模块；预测数据通过数据采集模块进行规约解释并进行存储，预测数据统计分析模块对存储的预测数据进行汇总，并对预测数据的准确度进行分析，所述预测数据指标考核模块根据考核指标对经分析预测数据的准确度进行考核；所述终端运行管理模块管理所述居民用户负荷预测终端。
数据采集模块，用于从各居民用户负荷预测终端上采集负荷预测实时数据，其首先对居民用户负荷预测终端发送的数据流进行规约解释，判断数据是否有误码，如果是，这一帧数据就抛弃，如果否，则将数据存储于数据库中，并将预测数据与用户档案信息、居民用户电能量数据关联。
考核指标包括周期比对偏差率和周期用电量。
终端运行管理模块，用于管理与负荷预测分析主站相连的居民用户负荷预测终端，其首先判断居民用户负荷预测终端远程通讯状态，如果状态不正常则报警并生成异常日志，如果状态正常则读取居民用户负荷预测终端状态自检模块信息，如果读取的信息为“设备故障”，则报警并生成异常日志，如果读取的信息为“设备正常”，则以图形化的形式分台区在界面上显示居民用户负荷预测终端设备实时状态信息、用户档案信息、负荷预测信息、实际用电量信息。
预测数据统计分析模块，用于对居民用户负荷预测的数据进行汇总，并对预测数据的准确度进行分析。首先从数据库中提取出预测数据，以台区为单位进行数据汇总，并将汇总数据发往调度中心。所述预测数据统计分析模块还可以将预测数据和实际用电量数据进行比对分析，比对范围可自主设定，分析结果可以以曲线、棒图、饼图、报表等多种表现形式呈现。
预测数据指标考核模块，用于对居民用户负荷预测的数据结果进行考核，从所述预测数据统计分析模块提取比对结果，并从周期比对偏差率和周期用电量两个方面进行指标考核，对考核结果优秀的居民用户给予相应奖励。
如图3，一种居民用户负荷预测分析方法，所述方法包括以下步骤：
步骤1：采集预测数据；
步骤2：存储预测数据，并获取居民用户电能量数据和用户档案信息；
步骤3：分析并考核预测数据的准确度。
所述步骤1中，居民用户负荷预测终端将预测数据通过载波通讯或以太网通讯发送至所述负荷预测分析主站，完成负荷预测分析主站对预测数据的采集。
所述步骤2包括以下步骤：
步骤2-1：输入预测数据，并通过居民用户负荷预测终端内置存储芯片对预测数据进行存储；
步骤2-2：预测数据通过载波通讯或以太网通讯发送至所述负荷预测分析主站；
步骤2-3：所述负荷预测分析主站判断居民用户负荷预测终端的运行工况，并通过接口从用电信息采集***获取居民用户电能量数据和用户档案信息；
步骤2-4：所述负荷预测分析主站将预测数据汇总并发送至调度中心。
所述步骤3中，所述负荷预测分析主站对预测数据的准确度进行分析并考核，储存考核结果并与用户档案信息关联，对考核结果优秀的居民用户给予奖励。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。

Claims (12)

1.一种居民用户负荷预测分析***，其特征在于：所述***包括居民用户负荷预测终端和负荷预测分析主站，所述居民用户负荷预测终端通过载波通讯或以太网通讯与所述负荷预测分析主站连接。
2.根据权利要求1所述的居民用户负荷预测分析***，其特征在于：所述居民用户负荷预测终端包括终端状态自检模块、通讯方式选择模块、数据传输模块、预测方式选择模块、预测结果分析模块和终端自动远程升级模块；所述终端状态自检模块判断终端的运行工况，居民用户通过通讯方式选择模块设定本地通讯方式和远程通讯方式，居民用户电能量数据通过所述数据传输模块输入预测结果分析模块，居民用户通过所述预测方式选择模块选择预测方式，并通过参考所述居民用户电能量数据将预测数据输入预测结果分析模块，所述预测结果分析模块对所述居民用户电能量数据和所述预测数据进行分析，所述预测数据通过数据传输模块传输至负荷预测分析主站，所述终端自动远程升级模块对所述居民用户负荷预测终端进行自动远程升级。
3.根据权利要求1所述的居民用户负荷预测分析***，其特征在于：所述通讯方式包括本地通讯方式和远程通讯方式，所述本地通讯方式包括485通讯和载波通讯，所述远程通讯方式包括载波通讯和以太网通讯。
4.根据权利要求1所述的居民用户负荷预测分析***，其特征在于：所述预测方式包括日总用电量预测方式和日分时段用电量预测方式。
5.根据权利要求1所述的居民用户负荷预测分析***，其特征在于：所述负荷预测分析主站包括数据采集模块、预测数据统计分析模块、预测数据指标考核模块和终端运行管理模块；预测数据通过数据采集模块进行规约解释并进行存储，预测数据统计分析模块对存储的预测数据进行汇总，并对预测数据的准确度进行分析，所述预测数据指标考核模块根据考核指标对经分析预测数据的准确度进行考核；所述终端运行管理模块管理所述居民用户负荷预测终端。
6.根据权利要求5所述的居民用户负荷预测分析***，其特征在于：所述数据采集模块进行用户负荷预测数据存储时将用户负荷预测数据与用户档案信息、居民用户电能量数据关联。
7.根据权利要求5所述的居民用户负荷预测分析***，其特征在于：所述考核指标包括周期比对偏差率和周期用电量。
8.根据权利要求5所述的居民用户负荷预测分析***，其特征在于：所述分析结果的形式包括曲线、棒图、饼图和报表。
9.一种居民用户负荷预测分析方法，其特征在于：所述方法包括以下步骤：
步骤1：采集预测数据；
步骤2：存储预测数据，并获取居民用户电能量数据和用户档案信息；
步骤3：分析并考核预测数据的准确度。
10.根据权利要求9所述的居民用户负荷预测分析方法，其特征在于：所述步骤1中，居民用户负荷预测终端将预测数据通过载波通讯或以太网通讯发送至所述负荷预测分析主站，完成负荷预测分析主站对预测数据的采集。
11.根据权利要求9所述的居民用户负荷预测分析方法，其特征在于：所述步骤2包括以下步骤：
步骤2-1：输入预测数据，并通过居民用户负荷预测终端内置存储芯片对预测数据进行存储；
步骤2-2：预测数据通过载波通讯或以太网通讯发送至所述负荷预测分析主站；
步骤2-3：所述负荷预测分析主站判断居民用户负荷预测终端的运行工况，并通过接口从用电信息采集***获取居民用户电能量数据和用户档案信息；
步骤2-4：所述负荷预测分析主站将预测数据汇总并发送至调度中心。
12.根据权利要求9所述的居民用户负荷预测分析方法，其特征在于：所述步骤3中，所述负荷预测分析主站对预测数据的准确度进行分析并考核，储存考核结果并与用户档案信息关联，对考核结果优秀的居民用户给予奖励。
CN201210292705.6A 2012-08-16 2012-08-16 一种居民用户负荷预测分析***和方法 Active CN102855525B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210292705.6A CN102855525B (zh) 2012-08-16 2012-08-16 一种居民用户负荷预测分析***和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210292705.6A CN102855525B (zh) 2012-08-16 2012-08-16 一种居民用户负荷预测分析***和方法

Publications (2)

Publication Number Publication Date
CN102855525A true CN102855525A (zh) 2013-01-02
CN102855525B CN102855525B (zh) 2016-04-20

Family

ID=47402098

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210292705.6A Active CN102855525B (zh) 2012-08-16 2012-08-16 一种居民用户负荷预测分析***和方法

Country Status (1)

Country Link
CN (1) CN102855525B (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103136597A (zh) * 2013-01-28 2013-06-05 山东电力集团公司电力经济技术研究院 基于统计指标对公司经营的决策支持***及其使用方法
CN103226736A (zh) * 2013-03-27 2013-07-31 东北电力大学 基于聚类分析与灰靶理论的中长期电力负荷预测方法
CN103729689A (zh) * 2013-12-20 2014-04-16 华南理工大学 一种基于行业分类与主导行业数据的电网电量预测方法
CN104574212A (zh) * 2015-01-09 2015-04-29 南京南瑞集团公司 一种水电厂综合数据分析方法
CN104620273A (zh) * 2013-09-13 2015-05-13 株式会社东芝 领受配售能量削减信息计算装置、领受配售能量削减信息计算方法以及程序
CN105811402A (zh) * 2016-03-22 2016-07-27 广西电网有限责任公司电力科学研究院 一种电力负荷预测***及其预测方法
CN106097137A (zh) * 2016-06-13 2016-11-09 国家电网公司 一种基于用电信息采集***的差异化防窃电监测***
CN107730395A (zh) * 2017-09-13 2018-02-23 国网天津市电力公司电力科学研究院 一种针对低压用户的基于用电量偏差率的用电异常检测方法
CN107871177A (zh) * 2016-09-28 2018-04-03 南京南瑞继保电气有限公司 一种新能源功率预测集中式架构及其实现方法
CN108615167A (zh) * 2018-03-15 2018-10-02 宁波思库网络科技有限公司 一种排位***
CN109212994A (zh) * 2018-10-29 2019-01-15 珠海格力电器股份有限公司 一种安全用电管理方法及其管理***
CN112072635A (zh) * 2019-06-11 2020-12-11 上海芯联芯智能科技有限公司 智能供电及用电的***和方法、智能用电***
CN113379305A (zh) * 2021-06-30 2021-09-10 国家电网有限公司客户服务中心 一种基于电力***微场景的智能信息交互方法和***

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1696987A (zh) * 2005-06-17 2005-11-16 成都钦琦科技发展有限责任公司 综合型电力负荷预测报警***
CN101145225A (zh) * 2007-10-16 2008-03-19 刘吉成 中长期电力负荷预测及预警***
CN101231523A (zh) * 2008-02-03 2008-07-30 东北大学 一种灵敏负荷的控制***及方法
CN101673457A (zh) * 2009-08-14 2010-03-17 深圳市科陆电子科技股份有限公司 对数据采集终端数据采集的方法及***

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1696987A (zh) * 2005-06-17 2005-11-16 成都钦琦科技发展有限责任公司 综合型电力负荷预测报警***
CN101145225A (zh) * 2007-10-16 2008-03-19 刘吉成 中长期电力负荷预测及预警***
CN101231523A (zh) * 2008-02-03 2008-07-30 东北大学 一种灵敏负荷的控制***及方法
CN101673457A (zh) * 2009-08-14 2010-03-17 深圳市科陆电子科技股份有限公司 对数据采集终端数据采集的方法及***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
蔡剑彪等: "大用户负荷预测管理***"", 《电力需求侧管理》 *

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103136597A (zh) * 2013-01-28 2013-06-05 山东电力集团公司电力经济技术研究院 基于统计指标对公司经营的决策支持***及其使用方法
CN103226736B (zh) * 2013-03-27 2016-03-30 东北电力大学 基于聚类分析与灰靶理论的中长期电力负荷预测方法
CN103226736A (zh) * 2013-03-27 2013-07-31 东北电力大学 基于聚类分析与灰靶理论的中长期电力负荷预测方法
CN104620273B (zh) * 2013-09-13 2018-06-15 株式会社东芝 领受配售能量削减信息计算装置、方法及记录介质
CN104620273A (zh) * 2013-09-13 2015-05-13 株式会社东芝 领受配售能量削减信息计算装置、领受配售能量削减信息计算方法以及程序
US10054971B2 (en) 2013-09-13 2018-08-21 Kabushiki Kaisha Toshiba Received energy reduction information calculation apparatus, received energy reduction information calculation method and program
CN103729689A (zh) * 2013-12-20 2014-04-16 华南理工大学 一种基于行业分类与主导行业数据的电网电量预测方法
CN103729689B (zh) * 2013-12-20 2017-01-11 华南理工大学 一种基于行业分类与主导行业数据的电网电量预测方法
CN104574212A (zh) * 2015-01-09 2015-04-29 南京南瑞集团公司 一种水电厂综合数据分析方法
CN105811402B (zh) * 2016-03-22 2018-03-06 广西电网有限责任公司电力科学研究院 一种电力负荷预测***及其预测方法
CN105811402A (zh) * 2016-03-22 2016-07-27 广西电网有限责任公司电力科学研究院 一种电力负荷预测***及其预测方法
CN106097137A (zh) * 2016-06-13 2016-11-09 国家电网公司 一种基于用电信息采集***的差异化防窃电监测***
CN107871177A (zh) * 2016-09-28 2018-04-03 南京南瑞继保电气有限公司 一种新能源功率预测集中式架构及其实现方法
CN107730395A (zh) * 2017-09-13 2018-02-23 国网天津市电力公司电力科学研究院 一种针对低压用户的基于用电量偏差率的用电异常检测方法
CN107730395B (zh) * 2017-09-13 2021-05-18 国网天津市电力公司电力科学研究院 一种针对低压用户的基于用电量偏差率的用电异常检测方法
CN108615167A (zh) * 2018-03-15 2018-10-02 宁波思库网络科技有限公司 一种排位***
CN109212994A (zh) * 2018-10-29 2019-01-15 珠海格力电器股份有限公司 一种安全用电管理方法及其管理***
CN112072635A (zh) * 2019-06-11 2020-12-11 上海芯联芯智能科技有限公司 智能供电及用电的***和方法、智能用电***
CN113379305A (zh) * 2021-06-30 2021-09-10 国家电网有限公司客户服务中心 一种基于电力***微场景的智能信息交互方法和***

Also Published As

Publication number Publication date
CN102855525B (zh) 2016-04-20

Similar Documents

Publication Publication Date Title
CN102855525B (zh) 一种居民用户负荷预测分析***和方法
US10126796B2 (en) Electric vehicle distributed intelligence
Di Santo et al. A review on smart grids and experiences in Brazil
RU2518178C2 (ru) Система и способ для управления электроэнергетической системой
US20200106269A1 (en) Systems and methods for energy-related load optimization
CN111754023A (zh) 边云协同的用户负荷预测控制与交易***及其实施方法
CN102306423B (zh) 用电交互终端预付费***
CN112307003B (zh) 电网数据多维辅助分析方法、***、终端及可读存储介质
US20130158725A1 (en) Adaptive stochastic controller for distributed electrical energy storage management
CN104835311B (zh) 一种用电信息采集设备数据传输性能分析***
Hampton et al. A review of current analytical methods, modelling tools and development frameworks applicable for future retail electricity market design
Touzene et al. Smart grid resources optimisation using service oriented middleware
US20130120156A1 (en) Systems and methods for remotely controlling an advanced metering infrastructure
Muhanji et al. Transforming the Grid's Architecture: Enterprise Control, the Energy Internet of Things, and Heterofunctional Graph Theory
CN110570088A (zh) 一种综合能源需求侧管理平台
Filipowska et al. Towards forecasting demand and production of electric energy in smart grids
Simões et al. Advances in information technology for Smart Grids
Sangeeth LR et al. Information processing and demand response systems effectiveness: a conceptual study
Al-Salaymeh et al. Smart meters rollout in Jordan: opportunities, business models, challenges, and recommendations
Widergren et al. Definitions, scope, visions, and benefits
Chen et al. Research on the construction of intelligent meter reading system based on energy metering integrated acquisition technology
CN202711452U (zh) 基于td-scdma网络的远程抄表***
Chen et al. Design and Research of Automated Demand Response Simulation System
Sinha et al. Smart Meter-A Paradigm Shift in Utility Approach
CN110263992A (zh) 一种基于客户对供电服务敏感度的最优计划停电方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant