CN111524326A - 一种基于历史用电数据的居民温敏负荷用电超额告警方法 - Google Patents
一种基于历史用电数据的居民温敏负荷用电超额告警方法 Download PDFInfo
- Publication number
- CN111524326A CN111524326A CN202010258112.2A CN202010258112A CN111524326A CN 111524326 A CN111524326 A CN 111524326A CN 202010258112 A CN202010258112 A CN 202010258112A CN 111524326 A CN111524326 A CN 111524326A
- Authority
- CN
- China
- Prior art keywords
- temperature
- sensitive load
- user
- side curve
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
Landscapes
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Air Conditioning Control Device (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于历史用电数据的居民温敏负荷用电超额告警方法,该方法具体步骤为:对于空调、取暖器等温敏负荷,根据常规用户的用电数据与该区域温度数据,进行分段线性拟合,然后根据转折点与折线斜率计算,可得出其量化的温敏负荷运行指标,在目标区域内对温敏负荷进行邻里对比,并判断用户是否处于告警区。本发明采用非控制手段实现需求侧信息响应,可以向用户提供信息服务,有助于居民用户了解温敏负荷电器设备耗能情况,促进用户端科学用电,进一步提高能源利用效率,促进新能源消纳,实现能源的可持续发展。
Description
技术领域
本发明涉及一种基于历史用电数据的居民温敏负荷用电超额告警方法,属于负荷侧资源管理技术领域。
背景技术
近些年来,发展可再生能源逐渐成为全球共识。其根源包括:潜在的能源危机、不断上涨的能源价格、对气候变化的忧虑。可是,由于可再生能源本身固有的随机性和不确定性,它们无法像传统发电资源一样被灵活调度和使用。为了在实现高比例可再生能源接入的同时维持能源***的安全稳定运行,学者们开始不断寻求新的解决办法。开发低成本效率高的储能设备与研究负荷侧资源的协同控制方法是两条主要的技术路线。在针对后者的研究中,负荷的类型是多样的。其中,高度可控的工业生产负荷的聚合控制性能好响应快,但难以实现常态化连续化的调节,且会对经济生产造成影响;而空调、电热水器、除湿机等居民负荷的聚合控制,由于其影响小、控制方式灵活等特点而具有很大的挖掘潜力。
随着我国国民经济飞速发展以及产业结构的快速调整升级,对于构建智能电网提出了发展新能源、节能减排、提高电网运行速率以及改善供电服务质量等更高的要求。同时,随着泛在电力物联网的发展,智能终端已经逐渐普及,可上传的用户用电负荷数据呈海量增长态势,为分析居民用电行为提供了可观的数据基础和直接调控能力。
基于历史用电数据的温敏负荷用电超额告警方法具有创新性,能够为用户群体提供量化的温敏负荷运行指标,有助于居民用户了解不同时段温敏负荷电器设备消耗电能的情况,有针对性地节约用电,减少电费开支;对于用户养成科学用电、有序用电、节约用电、智能用电的意识和习惯具有引导作用。从广泛意义来说,温敏负荷用电超额告警方法对提高我国能源利用效率、实现能源的可持续发展、建设节约型社会和缓解能源压力等皆具有重要现实意义。
发明内容
本发明所要解决的技术问题是:提供一种基于历史用电数据的居民温敏负荷用电超额告警方法,实现了对峰值电价的智能预警功能,引导用户有针对性地节约用电,具有广大的社会价值和科研价值。
本发明为解决上述技术问题采用以下技术方案:
一种基于历史用电数据的居民温敏负荷用电超额告警方法,包括如下步骤:
步骤1,设置一定地理范围和目标时间范围,针对一定地理范围内的所有常规用户,获取每个常规用户在目标时间范围内每一天的用电数据及该地理范围内每一天的温度数据,将温度数据作为横坐标,用电数据作为纵坐标,构建二维点云图;
步骤2,根据二维点云图上的点云分布,将二维点云图分为三个部分,分别对每个部分做线性拟合,得到三个线性拟合曲线,记为低温侧曲线、中温侧曲线、高温侧曲线,记录每个曲线的斜率,同时,将低温侧曲线与中温侧曲线的拐点记为低温阈值点,将中温侧曲线与高温侧曲线的拐点记为高温阈值点;
步骤3,根据步骤2得到的低温侧曲线斜率、高温侧曲线斜率、低温阈值点以及高温阈值点,计算每个常规用户的温敏负荷运行指标;
步骤4,在步骤1设置的一定地理范围内,对所有常规用户的温敏负荷运行指标进行邻里对比,同时设置告警阈值,根据告警阈值判断是否对常规用户发出告警。
作为本发明的一种优选方案,步骤1所述每一天的用电数据、每一天的温度数据分别对应为日负荷、日平均气温。
作为本发明的一种优选方案,步骤3所述每个常规用户的温敏负荷运行指标,计算公式为:
作为本发明的一种优选方案,所述步骤4的具体过程如下:
设置一定地理范围为Ak,对该地理范围内所有常规用户的温敏负荷运行指标由大到小进行排序,并对排序后的温敏负荷运行指标从1开始编号,记第i个常规用户的温敏负荷运行指标对应的序号为则第i个常规用户的温敏负荷运行指标对应的分位数为:
其中,size(Ak)表示地理范围Ak内所有常规用户的数量;
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
1、本发明通过海量居民用户负荷数据,通过非侵入式的方法,不用增加额外的设备,可以让用户了解个人占用电比重最大的温敏负荷使用情况,通过对于温敏负荷的邻里对比实现智能提醒,对居民的用电行为进行精细化分析,改变用户行为。可以采取线上公众号或APP的模式,对用户进行告警与提示服务,帮助用户了解用电信息。
2、本发明有助于居民用户有针对性地节约用电,减少电费开支;对于用户养成科学用电、有序用电、节约用电、智能用电的意识和习惯具有引导作用。就广泛意义而言,随着泛在电力物联网的建设以及智慧用电时代的到来,基于历史用电数据的温敏负荷用电超额告警方法的应用对于提高居民用户用电体验、维护电网***安全稳定运行、提高我国能源利用效率等皆具有重要的促进作用。
附图说明
图1是本发明一种基于历史用电数据的居民温敏负荷用电超额告警方法的流程图。
图2是本发明的温敏负荷的典型用户user1样本示例图。
图3是本发明的温敏负荷的典型用户user2样本示例图。
图4是本发明的温敏负荷的两个典型用户user1和user2高温区与中温区对比图。
图5是多用户温敏负荷对比图。
图6是常规用户温敏和非侵入式测量设备用户的温敏负荷告警示意图,其中,(a)是常规用户,(b)是非侵入式测量设备用户。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
对于温敏负荷(空调/取暖器)提醒,本发明针对常规用户,以历史用电数据为支撑,采用分段线性回归法建立用户温敏负荷模型,分析对温度敏感用户的特征,定义温敏负荷运行指标,在目标区域内找出用户指标所处分位数,并判断是否告警。针对安装非侵入式设备的用户,直接运用已辨识的温敏负荷,建立用户温敏负荷使用量模型,并找出用户在目标区域内所处分位数,并判断是否告警。
如图1所示,为本发明一种基于历史用电数据的居民温敏负荷用电超额告警方法的流程图,具体步骤如下:
步骤1:针对常规用户,在一定地理范围与目标时间范围内,获得用户的用电数据与该区域温度数据,并对用电数据(Y)和区域温度数据(X)做分段线性拟合。分段数目目前设定为3,分别为低温段、中温段与高温段。
由于温敏负荷(空调/取暖器)是居民用电最重要和最大的组成部分,因此,对温敏负荷分析具有重要意义。
针对常规用户,我们无法观测每个用电器的使用情况。但精细化地分析用户历史用能数据,我们依然有机会辨识温敏负荷。将日负荷(kWh)与日平均气温(℃)分别作为纵、横坐标轴,所形成的二维图像常常具有明显规律。以两个基于真实数据的典型用户样本为例,分别如图2和图3所示。不难发现,用户1和用户2在气温高于某一阈值时,日用电量明显随着气温升高而增长;用户2在气温低于某一阈值时,日用电量明显随着气温降低而增长。基于此观测,作合理推论,用户1和用户2图像右侧的负荷上升趋势(如图中斜率K3与K5的直线所示)与夏季温敏负荷(空调)的使用有关;用户2图像左侧的负荷趋势(如图中斜率K1的直线所示)与冬季温敏负荷(电暖器)的使用有关;并且用户1在冬季取暖不依赖电力设备或现观测范围内天气状况并未触发用户1启动电力供热设备。对如图2和图3的散点图,分别进行分段线性回归,可以拟合出图中线段所示的分段曲线。
步骤2:记步骤1中线性拟合曲线的高温侧曲线斜率、中温侧曲线斜率与低温侧曲线斜率,其中高温侧曲线与中温侧曲线的拐点为高温阈值点,低温侧曲线与中温侧曲线的拐点记作低温阈值点。
如图4所示,将用户1和用户2的中温区和高温区进行对比,我们可以发现用户1对于温度敏感度相对较低,用户2更易启动空调/取暖器一类设备。不失一般性地,我们将用户i高温侧曲线斜率计作中温侧曲线斜率(如有)计作低温侧曲线斜率(如有)计作高温侧曲线与中温侧曲线的拐点记作高温阈值点低温侧曲线与中温侧曲线的拐点记作低温阈值点结合图5,可以做以下推论。
对于温度越敏感,越易启动空调/取暖器一类设备的用户具有如下特征:
步骤3:基于步骤1中与步骤2中求得的高、低温阈值点与高、中、低温测曲线斜率,计算温敏负荷运行指标。
针对常规用户i定义温敏负荷运行指标为:
步骤4:在目标区域内对温敏负荷进行邻里对比,识别用户温敏负荷用电量所处位置,并根据管理员设置的告警阈值判断是否发出告警。
针对常规用户,以Ak地理范围,d0至d0+N目标时间为研究范围。依照上式计算目标区域Ak范围内的用户的温敏负荷运行指标。然后,对Eti,i进行正序排序(从大到小)操作,记排序Eti,i序号为则该用户在Ak地理范围,d0至d0+N目标时间内温敏负荷运行指标的分位数为:
针对安装了非侵入式设备的用户,温敏负荷已辨识。仅需对已有数据做类似用电量的处理。以Bk地理范围,t0至t0+T目标时间范围为例。首先,目标区域Bk范围内的用户分别计算每个用户其所拥有的温敏负荷使用的总电量ΔEts,j:
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (4)
1.一种基于历史用电数据的居民温敏负荷用电超额告警方法,其特征在于,包括如下步骤:
步骤1,设置一定地理范围和目标时间范围,针对一定地理范围内的所有常规用户,获取每个常规用户在目标时间范围内每一天的用电数据及该地理范围内每一天的温度数据,将温度数据作为横坐标,用电数据作为纵坐标,构建二维点云图;
步骤2,根据二维点云图上的点云分布,将二维点云图分为三个部分,分别对每个部分做线性拟合,得到三个线性拟合曲线,记为低温侧曲线、中温侧曲线、高温侧曲线,记录每个曲线的斜率,同时,将低温侧曲线与中温侧曲线的拐点记为低温阈值点,将中温侧曲线与高温侧曲线的拐点记为高温阈值点;
步骤3,根据步骤2得到的低温侧曲线斜率、高温侧曲线斜率、低温阈值点以及高温阈值点,计算每个常规用户的温敏负荷运行指标;
步骤4,在步骤1设置的一定地理范围内,对所有常规用户的温敏负荷运行指标进行邻里对比,同时设置告警阈值,根据告警阈值判断是否对常规用户发出告警。
2.根据权利要求1所述基于历史用电数据的居民温敏负荷用电超额告警方法,其特征在于,步骤1所述每一天的用电数据、每一天的温度数据分别对应为日负荷、日平均气温。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010258112.2A CN111524326B (zh) | 2020-04-03 | 2020-04-03 | 一种基于历史用电数据的居民温敏负荷用电超额告警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010258112.2A CN111524326B (zh) | 2020-04-03 | 2020-04-03 | 一种基于历史用电数据的居民温敏负荷用电超额告警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111524326A true CN111524326A (zh) | 2020-08-11 |
CN111524326B CN111524326B (zh) | 2022-03-08 |
Family
ID=71910595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010258112.2A Active CN111524326B (zh) | 2020-04-03 | 2020-04-03 | 一种基于历史用电数据的居民温敏负荷用电超额告警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111524326B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1991016585A1 (en) * | 1990-04-17 | 1991-10-31 | T. Granström Konsult Ab | Alarm system for temperature supervision |
CN103018684A (zh) * | 2012-11-28 | 2013-04-03 | 广东电网公司电力科学研究院 | 变电站站用交直流一体化电源的智能在线监测预警方法 |
CN103048629A (zh) * | 2013-01-24 | 2013-04-17 | 圣邦微电子(北京)股份有限公司 | 锂电池电量的计量方法和计量装置 |
CN103136895A (zh) * | 2013-01-25 | 2013-06-05 | 东北大学 | 一种电熔镁砂熔炼过程的群炉能耗报警***及方法 |
CN103529397A (zh) * | 2013-10-24 | 2014-01-22 | 华南师范大学 | 一种估算电池电量的方法及电池电量管理*** |
CN103617565A (zh) * | 2013-12-06 | 2014-03-05 | 国网山东省电力公司 | 城市微气象与电力空调负荷关系的建立方法 |
CN103683498A (zh) * | 2013-11-26 | 2014-03-26 | 国家电网公司 | 电网调度*** |
CN103971296A (zh) * | 2014-05-16 | 2014-08-06 | 国家电网公司 | 基于电负荷与气温的数学模型的购电方法 |
CN105825294A (zh) * | 2016-03-10 | 2016-08-03 | 国家电网公司 | 基于气象因素的电网电力负荷预测方法及*** |
WO2019063925A1 (fr) * | 2017-09-26 | 2019-04-04 | Ineo Hauts-De-France | Dispositif formant un équipement individuel de protection de personnes évoluant dans une zone de risque électrique |
CN109637067A (zh) * | 2019-01-23 | 2019-04-16 | 北京交通大学 | 一种充电站用电安全监测装置及预警方法 |
CN110333402A (zh) * | 2019-05-23 | 2019-10-15 | 广西电网有限责任公司 | 一种基于边缘计算的用户电压异常感知方法及*** |
-
2020
- 2020-04-03 CN CN202010258112.2A patent/CN111524326B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1991016585A1 (en) * | 1990-04-17 | 1991-10-31 | T. Granström Konsult Ab | Alarm system for temperature supervision |
CN103018684A (zh) * | 2012-11-28 | 2013-04-03 | 广东电网公司电力科学研究院 | 变电站站用交直流一体化电源的智能在线监测预警方法 |
CN103048629A (zh) * | 2013-01-24 | 2013-04-17 | 圣邦微电子(北京)股份有限公司 | 锂电池电量的计量方法和计量装置 |
CN103136895A (zh) * | 2013-01-25 | 2013-06-05 | 东北大学 | 一种电熔镁砂熔炼过程的群炉能耗报警***及方法 |
CN103529397A (zh) * | 2013-10-24 | 2014-01-22 | 华南师范大学 | 一种估算电池电量的方法及电池电量管理*** |
CN103683498A (zh) * | 2013-11-26 | 2014-03-26 | 国家电网公司 | 电网调度*** |
CN103617565A (zh) * | 2013-12-06 | 2014-03-05 | 国网山东省电力公司 | 城市微气象与电力空调负荷关系的建立方法 |
CN103971296A (zh) * | 2014-05-16 | 2014-08-06 | 国家电网公司 | 基于电负荷与气温的数学模型的购电方法 |
CN105825294A (zh) * | 2016-03-10 | 2016-08-03 | 国家电网公司 | 基于气象因素的电网电力负荷预测方法及*** |
WO2019063925A1 (fr) * | 2017-09-26 | 2019-04-04 | Ineo Hauts-De-France | Dispositif formant un équipement individuel de protection de personnes évoluant dans une zone de risque électrique |
CN109637067A (zh) * | 2019-01-23 | 2019-04-16 | 北京交通大学 | 一种充电站用电安全监测装置及预警方法 |
CN110333402A (zh) * | 2019-05-23 | 2019-10-15 | 广西电网有限责任公司 | 一种基于边缘计算的用户电压异常感知方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN111524326B (zh) | 2022-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220221885A1 (en) | Optimization of energy use through model-based simulations | |
CN103017290B (zh) | 空调电能管理方法 | |
JP6738801B2 (ja) | エネルギー管理システムおよび方法 | |
CN202254110U (zh) | 空调电能控制装置 | |
Baek et al. | Resident behavior detection model for environment responsive demand response | |
CN112598195A (zh) | 楼宇型综合能源***运行优化方法、装置及终端设备 | |
CN115047151A (zh) | 一种用于建筑物的碳排放监测*** | |
CN111199065B (zh) | 零能耗建筑设计方法、装置及终端设备 | |
CN103471178B (zh) | 供热节能控制***以及节能控制方法 | |
CN114386822A (zh) | 基于加权余弦相似度的重点人员用电行为异常分析方法 | |
CN102156918A (zh) | 智能电网播报***及方法 | |
CN111915107A (zh) | 一种基于动态聚类的负荷分群控制方法 | |
CN111524326B (zh) | 一种基于历史用电数据的居民温敏负荷用电超额告警方法 | |
CN111968008B (zh) | 基于多能协作的综合能源监控***及方法 | |
CN117091242A (zh) | 空调温控负荷集群的评估方法、温度设定方法及*** | |
Li et al. | The impacts of temperature on residential electricity consumption in Anhui, China: does the electricity price matter? | |
Gong et al. | Analysis of electricity consumption behavior of air conditioning based on the perspective of power demand response | |
CN115051374B (zh) | 电采暖设备参与电力调峰的控制方法、装置和存储介质 | |
CN111102644A (zh) | 一种蓄热式电采暖参与电网调峰潜力的确定方法及*** | |
CN112781184A (zh) | 一种空调***智能降耗方法和*** | |
CN108090647B (zh) | 取得用电户的负载运作机率的方法及取得用电户群组的负载运作机率的方法 | |
CN105184408A (zh) | 基于电器用电效用分级和用户用电行为识别的节能方法 | |
Falkoni et al. | Linear correlation and regression between the meteorological data and the electricity demand of the Dubrovnik region in a short-term scale | |
CN113947255A (zh) | 基于蒙特卡洛法的电热水器短期负荷预测方法及*** | |
CN115222227A (zh) | 一种基于数据库的碳排放量确定方法、***、介质及设备 |
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 |