CN102982387A - 一种短期电力负荷预测方法 - Google Patents
一种短期电力负荷预测方法 Download PDFInfo
- Publication number
- CN102982387A CN102982387A CN2012103971751A CN201210397175A CN102982387A CN 102982387 A CN102982387 A CN 102982387A CN 2012103971751 A CN2012103971751 A CN 2012103971751A CN 201210397175 A CN201210397175 A CN 201210397175A CN 102982387 A CN102982387 A CN 102982387A
- Authority
- CN
- China
- Prior art keywords
- data
- load
- module
- short
- management system
- 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
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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
-
- 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
一种短期电力负荷预测方法,包括数据采集和处理模块、预测数据库模块、预测执行模块、管理***模块。数据采集和处理模块,根据地理位置以及电网能量管理***中的用电数据对用电区域进行划分,并对划分后的每一块区域的负荷数据进行整合和处理,把处理后的负荷数据传入数据库,将气象数据处理后也传入数据库。预测执行模块,采用智能算法进行短期负荷预测。管理***模块,可以实现负荷预测方法选择、数据管理、预测结果分析、***设置等功能。本发明的短期电力负荷预测方法,可准确的预测短期的电力负荷数据,更加人性化的管理***为用电管理人员制订发电计划、输电方案和电网规划建设提供依据。
Description
技术领域
本发明涉及一种电力负荷预测方法,尤其涉及一种短期电力负荷预测方法。
背景技术
电力负荷预测是电力***的重要组成部分,电力负荷预测是指对未来几小时至几年的电力负荷和电量做出估计,它是电力***调度运营部门、用电服务部门和电网规划部门的一项重要日常工作,是制订发电计划、输电方案和电网建设的主要依据。对地区电网而言,为上级调度提供精度较高的日负荷预测,使上级调度在制订发电计划时可以合理安排旋转备用和冷备用容量,减少机组启停次数,降低即日交易电量,在满足用户用电需要的同时减少电能成本和电价,对自身电网而言,日负荷预测数据是校核电网安全的重要依据,而月度负荷预测数据可以用于电网检修计划。不论从经济角度还是从安全角度讲,电力负荷预测工作都是十分重要的。
目前的电力负荷预测***功能单一,无数据分解、多方位预测功能,无按照地理位置信息及用电数据对用电区域进行合理划分分别预测功能,受实时电网安全要求限制,只能在地调负荷管理人员中使用,其他部门不能使用;人机界面不理想等。
发明内容
本发明的主要目的在于,提供一种短期电力负荷预测方法,所要解决的技术问题是使其可以对用电区域进行划分并分别进行预测,同时使得用电管理者可以方便直观的观测用电数据以及预测分析结果,及时的了解用电情况,合理的安排发电计划、输电方案和电网规划建设。
本发明的目的及解决其技术问题是采用以下技术方案来实现的。依据本发明提出的一种短期电力负荷预测方法,其包括数据采集和处理模块、预测数据库模块、预测执行模块、软件***模块。数据采集和处理模块,根据地理位置以及电网能量管理***中的用电数据对用电区域进行划分,并对划分后的每一块区域的负荷数据进行整合和处理,把处理后的负荷数据传入数据库,将气象数据处理后也传入数据库。预测执行模块,采用智能算法进行短期负荷预测。管理***模块,可以实现数据管理、预测结果分析、***设置等功能。
数据采集和处理模块,根据地理位置信息以及电网能量管理***的用电数据,对用电区域进行划分,主要划分为农林牧渔区、工业区、商业区、公共事业区、居民生活区五个主要用电区域,依据电网能量管理***所监测到的用电数据,对上述五个区域的用电负荷数据进行整合和处理传入预测数据库;将气象服务器中的天气数据进行量化处理传入预测数据库。
预测执行模块,从预测数据库中提取负荷数据以及天气数据,采用智能算法分别对所划分的用电区域进行短期负荷预测,得到预测结果并传入预测数据库;预测执行模块所采用的智能算法包括人工神经网络、灰色理论、时间序列、支持向量机以及组合预测算法。
预测数据库模块,主要用于存储历史负荷数据、天气数据以及负荷预测结果数据,供预测执行模块和管理***模块调用数据。
管理***模块,实现负荷预测方法选择;数据查询和显示,包括历史负荷数据以及负荷预测数据的查询和显示;考核模块包括预测误差分析以及实际负荷数据和负荷预测数据的曲线比较图;***设置包括对用电区域的选取、更改,用户管理和权限设置等。
本发明的有益效果是,可实现对用电区域进行合理划分并分别进行负荷预测的功能,采用的智能算法可以提高负荷预测的精度,管理***模块更人性化的设计使得用电管理者可以更直观的监测负荷数据以及更全面的了解用电情况。
附图说明
图1为本发明的短期电力负荷预测方法的结构图
图2为预测执行模块的流程图
图3为管理***模块的结构图
具体实施方式
如图1所示,本发明的短期电力负荷预测方法包括数据采集和处理模块11、预测数据库模块12、预测执行模块13、管理***模块14。其中,数据采集和处理模块11,用于采集历史负荷数据以及天气数据,经过处理后传入预测数据库,首先,对地区用地情况进行分析,根据地理位置信息以及电网能量管理***的负荷数据,结合社会经济因素,把整个用电地区分为农林牧渔区、工业区、商业区、公共事业区、居民生活区五个主要用电区域,并分别采集各个区域的负荷数据以及天气数据,经过处理后传入预测数据库。
预测执行模块13,从预测数据库中提取负荷数据以及天气数据,采用智能算法分别对所划分的用电区域进行短期负荷预测,得到预测结果并传入预测数据库;预测执行模块所采用的智能算法包括人工神经网络、灰色理论、时间序列、支持向量机以及组合预测算法。
预测数据库模块12,主要用于存储历史负荷数据、天气数据以及负荷预测结果数据,供预测执行模块和软件***模块调用数据。
管理***模块14,实现负荷预测方法选择;数据查询和显示,包括历史负荷数据以及负荷预测数据的查询和显示;考核模块包括预测误差分析以及实际负荷数据和负荷预测数据的曲线比较图;***设置包括对用电区域的选取、更改,用户管理和权限设置等。
如图2所示,预测执行模块的流程如下,首先得到历史数据样本集21,然后分别采用灰色22、时间序列23、神经网络24、支持向量机25四种方法进行负荷预测,根据四种方法的预测结果和历史数据优选建立组合预测模型26,得到最终的预测结果27。
灰色***理论22是对既含有已知信息又含有未知或非确定信息的***进行预测,是对在一定范围内变化的、与时间有关的灰色过程的预测。灰色***理论的建模过程是对原始数据序列作一次累加生成,使生成序列呈一定规律,并用典型曲线拟合,建立数学模型。
时间序列模型23,是将预测对象随时间推移而形成的数据序列视为一个随机序列,用一定的数学模型来近似描述这个序列。这个模型一旦被识别后就可以从时间序列的过去值及现在值来预测未来值。
神经网络24进行短期负荷预测的基本思想是:根据训练样本集来拟合输入输出数据之间隐含的非线性函数关系。其优点是可以模仿人脑的智能化处理,对大量非线性、非精确性规律具有自适应功能,具有信息记忆、自主学习、知识推理和优化计算的特点。
支持向量机方法25是建立在统计学习理论的VC维理论和结构风险最小化原理基础上的,根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷,以期获得最好的推广能力。
组合预测法是在多个模型对同一问题进行负荷预测的基础上,按一定的优化准则将各模型有机结合,以提高模型的拟合能力和预测精度。
如图3所示,管理***主要有一下几个模块,负荷预测模块31,用户可根据需要手动选择预测模型方法,也可以由***按照优化原则自动选择预测方法。当手动选择一种模型预测后,则给出该模型的结果并显示,模型预测后,其结果可以选择存放到数据库中。用户也可采用查询模式,查看各种预测模型的结果,选择结果满意的那些模型的预测结果,作为组合模型预测的输入,进行组合模型预测,给出该组合模型的结果并显示,模型预测后,其结果可以选择存放到数据库中。此外,用电管理者可以选择自动预测功能,由***按照优化原则自动选择预测方法,给出该模型的结果并显示,同样模型预测后,其结果可以选择存放到数据库中,如果用户不满意,可以放弃保存,重新预测。
数据管理32,包括负荷数据的导入、数据的新增和删除,历史负荷数据查询和显示、预测结果数据查询和显示,数据比较,对两个日期段日/月数据的最大值、最小值和平均值进行比较;
考核模块33;计算预测数据和实际数据的误差和百分比,并显示预测曲线和实际曲线图;负荷预测显示,可以选择查询农林牧渔区、工业区、商业区、公共事业区、居民生活区五个主要区域其中任何一个区域的负荷历史数据和预测数据以及整个地区的负荷历史数据和预测数据。
***设置模块34包括区域信息设置,完成区域的新增、更改功能,用户管理,完成用户管理和权限限制以及密码修改等功能;***环境设置,包括IP地址管理,完成数据库服务器IP地址等的设置,***曲线颜色的设置等功能。
Claims (3)
1.一种短期电力负荷预测方法,其特征在于包括数据采集和处理模块,根据地理位置信息以及电网能量管理***的用电数据,对用电区域进行划分,主要划分为农林牧渔区、工业区、商业区、公共事业区、居民生活区五个主要用电区域,依据电网能量管理***所监测到的用电数据,对上述五个区域的用电负荷数据进行整合和处理传入预测数据库;将气象服务器中的天气数据进行量化处理传入预测数据库;预测执行模块,从预测数据库中提取负荷数据以及天气数据,采用智能算法分别对所划分的用电区域进行短期负荷预测,得到预测结果并传入预测数据库;管理***模块,实现负荷预测方法选择、数据管理、预测结果分析、***设置等功能。
2.根据权利要求1所述的短期电力负荷预测方法,其特征在于还包括预测数据库模块,主要用于存储历史负荷数据、天气数据以及负荷预测结果数据,供预测执行模块和管理***模块调用数据。
3.根据权利要求1所述的短期电力负荷预测方法,其特征在于所述的预测执行模块所采用的智能算法包括人工神经网络、灰色理论、时间序列、支持向量机以及组合预测算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012103971751A CN102982387A (zh) | 2012-10-18 | 2012-10-18 | 一种短期电力负荷预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012103971751A CN102982387A (zh) | 2012-10-18 | 2012-10-18 | 一种短期电力负荷预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102982387A true CN102982387A (zh) | 2013-03-20 |
Family
ID=47856359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012103971751A Pending CN102982387A (zh) | 2012-10-18 | 2012-10-18 | 一种短期电力负荷预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102982387A (zh) |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268524A (zh) * | 2013-06-03 | 2013-08-28 | 国家电网公司 | 一种提高电网短期负荷预测准确度的方法 |
CN103279801A (zh) * | 2013-04-08 | 2013-09-04 | 广东电网公司信息中心 | 一种基于多目标规划的用电管理移峰策略优化方法 |
CN103617467A (zh) * | 2013-12-13 | 2014-03-05 | 重庆大学 | 一种短期组合负荷预测方法 |
CN104134096A (zh) * | 2014-06-12 | 2014-11-05 | 国网安徽省电力公司 | 基于省地一体化智能负荷预测方法 |
CN104408536A (zh) * | 2014-12-10 | 2015-03-11 | 国家电网公司 | 一种电网运行优化方法及*** |
CN104537429A (zh) * | 2014-12-11 | 2015-04-22 | 国家电网公司 | 一种基于数据仓库与数据挖掘技术的短期负荷预测方法及装置 |
CN104573854A (zh) * | 2014-12-23 | 2015-04-29 | 国家电网公司 | 钢铁用电量的预测方法及装置 |
CN104809532A (zh) * | 2015-05-25 | 2015-07-29 | 海南汉能薄膜太阳能有限公司 | 一种光伏***发电量的预测方法 |
CN105303263A (zh) * | 2015-11-16 | 2016-02-03 | 深圳合纵能源技术有限公司 | 一种区域电网的负荷预测***及其方法 |
CN105976057A (zh) * | 2016-05-04 | 2016-09-28 | 三峡大学 | 一种基于改进灰色理论的中长期负荷预测方法 |
CN106408183A (zh) * | 2016-09-09 | 2017-02-15 | 国家电网公司 | 供电指标调控方法 |
CN106485605A (zh) * | 2016-12-05 | 2017-03-08 | 北京耀能科技有限公司 | 清洁能源电阶梯电价预购平台及控制方法 |
CN107067162A (zh) * | 2017-03-21 | 2017-08-18 | 浙江华立电力科技有限公司 | 基于时域及环境特征的自学习短期负荷预测算法 |
CN107622344A (zh) * | 2017-09-04 | 2018-01-23 | 佛山佳牧乐科技有限公司 | 一种供电方法和装置 |
CN107784455A (zh) * | 2017-11-16 | 2018-03-09 | 鼎信信息科技有限责任公司 | 一种基于行业用电数据库和配变重过载预测的电网削峰填谷方法 |
CN107909221A (zh) * | 2017-12-08 | 2018-04-13 | 国网山东省电力公司枣庄供电公司 | 基于组合神经网络的电力***短期负荷预测方法 |
CN108572562A (zh) * | 2018-07-23 | 2018-09-25 | 长沙理工大学 | 一种基于物联网和qt图形界面的智能家居智慧能源管理*** |
CN108596242A (zh) * | 2018-04-20 | 2018-09-28 | 浙江大学 | 基于小波神经网络和支持向量机的电网气象负荷预测方法 |
CN108615091A (zh) * | 2018-04-20 | 2018-10-02 | 浙江大学 | 基于聚类筛选和神经网络的电力气象负荷数据预测方法 |
CN109242169A (zh) * | 2018-08-28 | 2019-01-18 | 贵州电网有限责任公司 | 一种面向电力大客户的短期负荷预测方法 |
CN109447332A (zh) * | 2018-10-18 | 2019-03-08 | 国网天津市电力公司电力科学研究院 | 一种适用于s型负荷曲线的中长期电力负荷组合预测方法 |
CN109492836A (zh) * | 2018-12-29 | 2019-03-19 | 上海电力学院 | 基于长短期记忆网络的电力负荷预测与电价预测*** |
CN109617055A (zh) * | 2018-12-13 | 2019-04-12 | 国网山东省电力公司经济技术研究院 | 一种电源装机容量与外受电最优比例的确定方法 |
CN109978237A (zh) * | 2019-03-04 | 2019-07-05 | 三峡大学 | 一种基于精细化气象数据的地区电网短期负荷预测*** |
CN110222877A (zh) * | 2019-05-17 | 2019-09-10 | 华中科技大学 | 一种基于自定义神经网络的负荷预测***及负荷预测方法 |
CN110275052A (zh) * | 2019-04-26 | 2019-09-24 | 国网浙江省电力有限公司衢州供电公司 | 一种用于用户用电量短期预测的智能电能表 |
CN110866645A (zh) * | 2019-11-15 | 2020-03-06 | 国网湖南省电力有限公司 | 一种基于深度学习的超短期负荷预测方法及*** |
WO2020098728A1 (zh) * | 2018-11-14 | 2020-05-22 | 中兴通讯股份有限公司 | 集群负荷预测方法、装置及存储介质 |
CN112330017A (zh) * | 2020-11-04 | 2021-02-05 | 上海博辕信息技术服务有限公司 | 电力负荷预测方法、装置、电子设备和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100048738A (ko) * | 2008-10-31 | 2010-05-11 | 한국전력공사 | 원격계측 전력 부하패턴의 분류 및 예측 방법 |
CN201928022U (zh) * | 2010-11-24 | 2011-08-10 | 西北电网有限公司 | 风电功率预测*** |
-
2012
- 2012-10-18 CN CN2012103971751A patent/CN102982387A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100048738A (ko) * | 2008-10-31 | 2010-05-11 | 한국전력공사 | 원격계측 전력 부하패턴의 분류 및 예측 방법 |
CN201928022U (zh) * | 2010-11-24 | 2011-08-10 | 西北电网有限公司 | 风电功率预测*** |
Non-Patent Citations (4)
Title |
---|
康重庆等,: ""电力***负荷预测研究综述与发展方向的探讨"", 《电力***自动化》 * |
李元诚等,: ""短期负荷预测的支持向量机方法研究"", 《中国电机工程学报》 * |
莫维仁等,: ""面向电力市场的短期负荷预测***设计及实现"", 《电力***自动化》 * |
马丽等,: ""基于省级电网的短期负荷预测***的开发"", 《华北电力技术》 * |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279801B (zh) * | 2013-04-08 | 2017-05-31 | 广东电网公司信息中心 | 一种基于多目标规划的用电管理移峰策略优化方法 |
CN103279801A (zh) * | 2013-04-08 | 2013-09-04 | 广东电网公司信息中心 | 一种基于多目标规划的用电管理移峰策略优化方法 |
CN103268524A (zh) * | 2013-06-03 | 2013-08-28 | 国家电网公司 | 一种提高电网短期负荷预测准确度的方法 |
CN103268524B (zh) * | 2013-06-03 | 2017-03-29 | 国家电网公司 | 一种提高电网短期负荷预测准确度的方法 |
CN103617467A (zh) * | 2013-12-13 | 2014-03-05 | 重庆大学 | 一种短期组合负荷预测方法 |
CN104134096A (zh) * | 2014-06-12 | 2014-11-05 | 国网安徽省电力公司 | 基于省地一体化智能负荷预测方法 |
CN104408536A (zh) * | 2014-12-10 | 2015-03-11 | 国家电网公司 | 一种电网运行优化方法及*** |
CN104537429A (zh) * | 2014-12-11 | 2015-04-22 | 国家电网公司 | 一种基于数据仓库与数据挖掘技术的短期负荷预测方法及装置 |
CN104573854A (zh) * | 2014-12-23 | 2015-04-29 | 国家电网公司 | 钢铁用电量的预测方法及装置 |
CN104809532A (zh) * | 2015-05-25 | 2015-07-29 | 海南汉能薄膜太阳能有限公司 | 一种光伏***发电量的预测方法 |
CN105303263A (zh) * | 2015-11-16 | 2016-02-03 | 深圳合纵能源技术有限公司 | 一种区域电网的负荷预测***及其方法 |
CN105976057A (zh) * | 2016-05-04 | 2016-09-28 | 三峡大学 | 一种基于改进灰色理论的中长期负荷预测方法 |
CN105976057B (zh) * | 2016-05-04 | 2021-07-20 | 三峡大学 | 一种基于改进灰色理论的中长期负荷预测方法 |
CN106408183A (zh) * | 2016-09-09 | 2017-02-15 | 国家电网公司 | 供电指标调控方法 |
CN106485605B (zh) * | 2016-12-05 | 2023-05-16 | 华北电力大学 | 清洁能源电阶梯电价预购平台及控制方法 |
CN106485605A (zh) * | 2016-12-05 | 2017-03-08 | 北京耀能科技有限公司 | 清洁能源电阶梯电价预购平台及控制方法 |
CN107067162A (zh) * | 2017-03-21 | 2017-08-18 | 浙江华立电力科技有限公司 | 基于时域及环境特征的自学习短期负荷预测算法 |
CN107067162B (zh) * | 2017-03-21 | 2020-05-26 | 华立科技股份有限公司 | 基于时域及环境特征的自学习短期负荷预测方法 |
CN107622344A (zh) * | 2017-09-04 | 2018-01-23 | 佛山佳牧乐科技有限公司 | 一种供电方法和装置 |
CN107784455A (zh) * | 2017-11-16 | 2018-03-09 | 鼎信信息科技有限责任公司 | 一种基于行业用电数据库和配变重过载预测的电网削峰填谷方法 |
CN107909221A (zh) * | 2017-12-08 | 2018-04-13 | 国网山东省电力公司枣庄供电公司 | 基于组合神经网络的电力***短期负荷预测方法 |
CN108615091A (zh) * | 2018-04-20 | 2018-10-02 | 浙江大学 | 基于聚类筛选和神经网络的电力气象负荷数据预测方法 |
CN108596242A (zh) * | 2018-04-20 | 2018-09-28 | 浙江大学 | 基于小波神经网络和支持向量机的电网气象负荷预测方法 |
CN108596242B (zh) * | 2018-04-20 | 2021-03-23 | 浙江大学 | 基于小波神经网络和支持向量机的电网气象负荷预测方法 |
CN108572562A (zh) * | 2018-07-23 | 2018-09-25 | 长沙理工大学 | 一种基于物联网和qt图形界面的智能家居智慧能源管理*** |
CN109242169B (zh) * | 2018-08-28 | 2021-11-02 | 贵州电网有限责任公司 | 一种面向电力大客户的短期负荷预测方法 |
CN109242169A (zh) * | 2018-08-28 | 2019-01-18 | 贵州电网有限责任公司 | 一种面向电力大客户的短期负荷预测方法 |
CN109447332A (zh) * | 2018-10-18 | 2019-03-08 | 国网天津市电力公司电力科学研究院 | 一种适用于s型负荷曲线的中长期电力负荷组合预测方法 |
WO2020098728A1 (zh) * | 2018-11-14 | 2020-05-22 | 中兴通讯股份有限公司 | 集群负荷预测方法、装置及存储介质 |
CN109617055A (zh) * | 2018-12-13 | 2019-04-12 | 国网山东省电力公司经济技术研究院 | 一种电源装机容量与外受电最优比例的确定方法 |
CN109492836A (zh) * | 2018-12-29 | 2019-03-19 | 上海电力学院 | 基于长短期记忆网络的电力负荷预测与电价预测*** |
CN109978237A (zh) * | 2019-03-04 | 2019-07-05 | 三峡大学 | 一种基于精细化气象数据的地区电网短期负荷预测*** |
CN110275052A (zh) * | 2019-04-26 | 2019-09-24 | 国网浙江省电力有限公司衢州供电公司 | 一种用于用户用电量短期预测的智能电能表 |
CN110222877A (zh) * | 2019-05-17 | 2019-09-10 | 华中科技大学 | 一种基于自定义神经网络的负荷预测***及负荷预测方法 |
CN110222877B (zh) * | 2019-05-17 | 2021-08-03 | 华中科技大学 | 一种基于自定义神经网络的负荷预测***及负荷预测方法 |
CN110866645A (zh) * | 2019-11-15 | 2020-03-06 | 国网湖南省电力有限公司 | 一种基于深度学习的超短期负荷预测方法及*** |
CN112330017A (zh) * | 2020-11-04 | 2021-02-05 | 上海博辕信息技术服务有限公司 | 电力负荷预测方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102982387A (zh) | 一种短期电力负荷预测方法 | |
Zhu et al. | Review and prospect of data-driven techniques for load forecasting in integrated energy systems | |
CN202838402U (zh) | 一种短期电力负荷预测*** | |
Xia et al. | Short, medium and long term load forecasting model and virtual load forecaster based on radial basis function neural networks | |
Ullah et al. | An optimization scheme for IoT based smart greenhouse climate control with efficient energy consumption | |
CN108898246A (zh) | 一种基于电力***的负荷预测管理*** | |
Fu et al. | Planning of distributed renewable energy systems under uncertainty based on statistical machine learning | |
Sarmas et al. | ML-based energy management of water pumping systems for the application of peak shaving in small-scale islands | |
CN109978293A (zh) | 一种多任务智能排班方法、装置、设备和存储介质 | |
CN114742294A (zh) | 一种碳排放预测的神经网络算法 | |
DE202022106297U1 (de) | Intelligentes System für Energiebedarfsprognosen und nachhaltiges Energiemanagement durch maschinelles Lernen und künstliche Intelligenz | |
CN108073996B (zh) | 城市能源全景交互式大数据平台管理***及方法 | |
CN104156787A (zh) | 一种基于不同负荷特性的电力分区负荷预测方法 | |
CN116541666A (zh) | 一种基于影响因素溯源的低碳园区碳追踪方法 | |
CN108346009A (zh) | 一种基于用户模型自学习的电力生产配置方法和装置 | |
Falchetta et al. | M-LED: multi-sectoral latent electricity demand assessment for energy access planning | |
KR101874261B1 (ko) | 물-에너지-식량 연계 해석에 기초하여 자원정책 결정을 지원하는 시스템 및 방법 | |
CN113723684A (zh) | 一种企业电力用户的负荷预测及能源管理的装置及方法 | |
Goy et al. | Estimating the potential for thermal load management in buildings at a large scale: overcoming challenges towards a replicable methodology | |
CN111144628A (zh) | 一种分布式供能的冷热电负荷预测模型***及方法 | |
Yu et al. | Urban bird diversity conservation plan based on the systematic conservation planning approach-A case study of Beijing Ecological Cultivation Area | |
Tranchenko et al. | Strategic management optimization of the regional agricultural sector by means of modern forecast modeling instruments | |
CN107292413A (zh) | 基于大数据和信息融合的电力负荷分析预测*** | |
Leitao et al. | Application of Bees Algorithm to Reduce Household's Energy Costs via Load Deferment | |
CN105321001A (zh) | 售电数据处理方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130320 |