CN112508306A - 一种电力生产配置的自适应方法及*** - Google Patents

一种电力生产配置的自适应方法及*** Download PDF

Info

Publication number
CN112508306A
CN112508306A CN202011580131.3A CN202011580131A CN112508306A CN 112508306 A CN112508306 A CN 112508306A CN 202011580131 A CN202011580131 A CN 202011580131A CN 112508306 A CN112508306 A CN 112508306A
Authority
CN
China
Prior art keywords
user
power
data
load prediction
industry
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
Application number
CN202011580131.3A
Other languages
English (en)
Inventor
胡冉
邓世聪
康文韬
尚龙龙
李健
李小飞
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.)
Shenzhen Power Supply Co ltd
Original Assignee
Shenzhen Power Supply Co ltd
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 Shenzhen Power Supply Co ltd filed Critical Shenzhen Power Supply Co ltd
Priority to CN202011580131.3A priority Critical patent/CN112508306A/zh
Publication of CN112508306A publication Critical patent/CN112508306A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/04—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
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • 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
    • 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
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种电力生产配置的自适应方法及***，包括，步骤S1，获取预测场景下电力用户历史用电数据、所述预测场景对应的行业数据、经济数据及气候数据，建立行业用户负荷预测模型库；步骤S2，确定待评估区域，并获取待评估区域内电力用户对应的模型数据；步骤S3，计算各用户未来某一时间段内的负荷预测曲线；得到待评估区域总负荷预测结果；步骤S4，检测电力负荷预测结果是否超过电厂总装机容量，若超过，则生成限电告警并筛选出建议限电的用户；若不超过，则规划各发电厂生产配置计划。本发明对全部电力运行目标区域的负荷状态掌握和评估，实现用户负荷波动、气候变化引起的电力配置计划调整。

Description

一种电力生产配置的自适应方法及***
技术领域
本发明涉及电力***自动化技术领域，特别是涉及一种电力生产配置的自适应方法及***。
背景技术
电力在国民经济资源中占据着重要的地位，电力数据的处理和分析对发电、输电和配电等环节有着至关重要的作用。随着社会高速发展，用电量出现了前所未有的增长，伴随着电力发展出现了智能电网等新技术，随着而来的是电力数据的井喷式增长；也为升级传统电力生产配置，提高电力生产效率提供了保障。
目前，对于电力生产的配置主要依据近期的社会生产电力负荷需要，提前制定生产计划，并按照计划进行生产。当前对负荷特性的现状、影响负荷特性的关键因素和未来负荷预测趋势都进行了一定程度的分析和研究，也得出了一些对电力规划和电网运行具有参考价值和作业指导的结果，但是缺乏对电力用户模型的建立，没有对用户的需求画像。
在一定程度上，对于特定用户对象来说(目标对象可以是小区、工厂、写字楼、商场等)，影响电力需求负荷的原因有两点：第一点是时间因素，相同时间中不同时间段的电力负荷不同，如目标用户为企业或者厂房时，白天负荷值大，夜晚负荷值小；目标用户为小区时，早晨和傍晚负荷值大，日间和夜间负荷值小；对于不同的城市、地区来讲，电力负荷都与统一日期中不同时间段有很大关联。第二是经济发展趋势、温度和天气：如在夏天和冬天，由于气温的过高和过低，均会产生空调、暖通设备的负荷，导致目标用户电力负荷的激增或者骤降；用于经济发展水平不同，也会导致目标对象的电力负荷发生变化。受限于数据处理能力和条件限制，在现有的***中都没有考虑经济发展形势、地区气候条件、行业潮汐效应等因素对电力负荷的影响，因此预测偏向于低精度、粗犷式、高延迟的预测。业内缺少精确、实时、快速响应的电力生产预测、配置方法，来快捷、精准、高效满足电力负荷的变化，尤其是缺乏多维、大数据、基于用户模型的分析手段。
发明内容
本发明的目的在于，提出一种力生产配置的自适应方法及***，解决用户负荷波动、气候变化引起的电力配置计划调整不及时、不准确的技术问题。
本发明的一方面，提供一种电力生产配置的自适应方法，包括以下步骤：
步骤S1，获取不同场景下电力用户的历史用电数据、电力用户所对应的用户行业数据、不同行业所对应的经济数据、历史气候数据，根据所述历史用电数据、所述用户行业数据、所述经济数据、所述历史气候数据建立不同场景下多个行业的行业用户负荷预测模型，将所述不同场景下多个行业的行业用户负荷预测模型存储至模型数据库中；其中，所述经济数据包括不同用户所处行业的能效指数以及产业增长率；
步骤S2，确定待评估区域，获取所述待评估区域的电力用户数据，并从所述模型数据库中获取与所述待评估区域的电力用户数据匹配的行业用户负荷预测模型；其中，待评估区域与场景对应，电力用户数据与行业用户负荷预测模型对应；
步骤S3，根据所述待评估区域内电力用户数据获取预设时间段内的用户向量数据，根据所述用户向量数据和电力用户对应的行业用户负荷预测模型计算所述待评估区域内各电力用户未来某一时间段内的负荷预测曲线；将所述待评估区域内各电力用户未来某一时间段内的负荷预测曲线进行叠加，得到待评估区域的总负荷预测结果；其中，所述用户向量数据包括用户忙时的电能消耗、用户闲时的电能消耗；
步骤S4，判断所述总负荷预测结果是否超过待评估区域内电厂总装机容量，若超过，则输出限电告警信息和建议限电的用户；若不超过，则根据所述待评估区域总负荷预测结果确定待评估区域内的发电厂生产配置计划。
优选地，所述行业用户负荷预测模型如下公式所示：
Figure BDA0002864193710000031
其中，p(t)表示用户在t时刻的负荷预估值；Ta表示该行业用户的忙时开始时刻，Tb表示该行业用户忙时结束时刻，也即闲时开始时刻；
Figure BDA0002864193710000032
表示在过去T1时间内，用户忙时的平均电能消耗，
Figure BDA0002864193710000033
表示在过去T1时间内，用户闲时的平均电能消耗；r(t)表示用户在未来t时刻相比当前增加的产量，a表示在该场景下用户每增加单位产量需消耗电能系数，b2表示在该场景下，用户忙时气温每增加1度需增加的电能消耗系数，b1表示在该场景下，用户忙时气温每增加1度需增加的电能消耗系数；s(t)表示用户在未来t时刻相比当前温度增量。
优选地，所述步骤S3包括：根据以下公式确定待评估区域总负荷预测结果：
Figure BDA0002864193710000034
其中，pi(t)表示第i个用户在t时间内的负荷预测结果；C(t)表示总负荷预测结果。
优选地，所述步骤S4包括：筛选出建议限电的用户具体为：
获取预设的行业优先等级数据，根据行业优先等级数据将用户进行优先级排序，按照优先级排序筛选建议限电的用户。
优选地，所述步骤S4还包括：规划各发电厂生产配置计划时，使所述发电厂生产配置计划在满足目标区域电力负荷的情况下，不造成多余产能的消耗。
本发明还提供一种电力生产配置的自适应***，用以实现所述的电力生产配置的自适应方法，包括：
数据采集单元，获取不同场景下电力用户的历史用电数据、电力用户所对应的用户行业数据、不同行业所对应的经济数据、历史气候数据，根据所述历史用电数据、所述用户行业数据、所述经济数据、所述历史气候数据建立不同场景下多个行业的行业用户负荷预测模型，将所述不同场景下多个行业的行业用户负荷预测模型存储至模型数据库中；其中，所述经济数据包括不同用户所处行业的能效指数以及产业增长率；
数据归集单元，用以确定待评估区域，获取所述待评估区域的电力用户数据，并从所述模型数据库中获取与所述待评估区域的电力用户数据匹配的行业用户负荷预测模型；其中，待评估区域与场景对应，电力用户数据与行业用户负荷预测模型对应；
电力用户负荷预测评估单元，用以根据所述待评估区域内电力用户数据获取预设时间段内的用户向量数据，根据所述用户向量数据和电力用户对应的行业用户负荷预测模型计算所述待评估区域内各电力用户未来某一时间段内的负荷预测曲线；将所述待评估区域内各电力用户未来某一时间段内的负荷预测曲线进行叠加，得到待评估区域的总负荷预测结果；其中，所述用户向量数据包括用户忙时的电能消耗、用户闲时的电能消耗；以及，判断所述总负荷预测结果是否超过待评估区域内电厂总装机容量，若超过，则输出限电告警信息和建议限电的用户；若不超过，则根据所述待评估区域总负荷预测结果确定待评估区域内的发电厂生产配置计划。
优选地，所述数据采集单元根据以下公式建立行业用户负荷预测模型：
Figure BDA0002864193710000041
其中，p(t)表示用户在t时刻的负荷预估值；Ta表示该行业用户的忙时开始时刻，Tb表示该行业用户忙时结束时刻，也即闲时开始时刻；
Figure BDA0002864193710000042
表示在过去T1时间内，用户忙时的平均电能消耗，
Figure BDA0002864193710000043
表示在过去T1时间内，用户闲时的平均电能消耗；r(t)表示用户在未来t时刻相比当前增加的产量，a表示在该场景下用户每增加单位产量需消耗电能系数，b2表示在该场景下，用户忙时气温每增加1度需增加的电能消耗系数，b1表示在该场景下，用户忙时气温每增加1度需增加的电能消耗系数；s(t)表示用户在未来t时刻相比当前温度增量。
优选地，所述电力用户负荷预测评估单元根据以下公式确定待评估区域总负荷预测结果：
Figure BDA0002864193710000051
其中，pi(t)表示第i个用户在t时间内的负荷预测结果；C(t)表示总负荷预测结果。
优选地，所述电力用户负荷预测评估单元获取预设的行业优先等级数据，根据行业优先等级数据将用户进行优先级排序，按照优先级排序筛选建议限电的用户；
优选地，所述电力用户负荷预测评估单元规划各发电厂生产配置计划时，使所述发电厂生产配置计划在满足目标区域电力负荷的情况下，不造成多余产能的消耗。
综上，实施本发明的实施例，具有如下的有益效果：
本发明提供的电力生产配置的自适应方法及***，建立不同场景下的电力用户模型，对电力负荷的预测更加具体，更具针对性，有效降低因用户性质、行业不同带来的负荷预估偏差，提高预估精度和可靠性。
通过现在场景和多种方式选择目标区域，策略选择灵活；不需要改变当前的电力通信网络，只需通过增加简单的软件和计算硬件来实现数据的采集及计算，实现成本低，适合批量部署。
适合在线自动的电力负荷预测以及电力生产自动配置，又可以用于辅助传统的人工电力生产作业计划制作。优化对于全部电力运行目标区域的负荷状态掌握和评估，实现电力最经济配置、电网高效运行、电厂精准生产。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明实施例中一种电力生产配置的自适应方法的主流程示意图。
图2为本发明实施例中一种电力生产配置的自适应***的结构示意图。
图3为本发明实施例中符合超限预测示意图。
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，下面将结合附图对本发明作进一步地详细描述。
如图1所示，为本发明提供的一种电力生产配置的自适应方法的一个实施例的示意图。在该实施例中，所述方法包括以下步骤：
步骤S1，获取不同场景下电力用户的历史用电数据、电力用户所对应的用户行业数据、不同行业所对应的经济数据、历史气候数据，根据所述历史用电数据、所述用户行业数据、所述经济数据、所述历史气候数据建立不同场景下多个行业的行业用户负荷预测模型，将所述不同场景下多个行业的行业用户负荷预测模型存储至模型数据库中；其中，所述经济数据包括不同用户所处行业的能效指数以及产业增长率；可以理解的是，利用尽可能多的历史数据来建立不同行业、类型的电力用户对电能的消耗，以及这些用户的电能消耗与生产、气氛、忙闲时段的关系，建立以时间t、气温T、产能增量p为参数的用户负荷预测模型。
具体实施例中，确任何电力用户的电量消耗在每一天都具备明显的忙闲状态之分，比如工厂存在生产和停产，小区居民存在白天和夜间，写字楼存在上班和下班的差异，因此这里将不同用户一天24小时分成两个状态时间，分别是忙时Tbusy和闲事Tidle；其中，Tbusy+Tidle＝24。
具体地，根据以下公式建立行业用户负荷预测模型：
Figure BDA0002864193710000071
其中，p(t)表示预测用户在t时刻的负荷预估值；Ta表示该行业用户的忙时开始时刻，Tb表示该行业用户忙时结束时刻，也即闲时开始时刻；
用户用电数据包括：
Figure BDA0002864193710000072
表示在过去T1时间内，预测用户忙时的平均电能消耗，
Figure BDA0002864193710000073
表示在过去T1时间内，预测用户闲时的平均电能消耗；
经济数据包括：r(t)表示预测用户在未来t时刻相比当前增加的产量，a表示在该场景下用户每增加单位产量需消耗电能系数，b2表示在该场景下，用户忙时气温每增加1度需增加的电能消耗系数，b1表示在该场景下，用户忙时气温每增加1度需增加的电能消耗系数；
历史气候数据包括：s(t)表示预测用户在未来t时刻相比当前温度增量。
步骤S2，确定待评估区域，获取所述待评估区域的电力用户数据，并从所述模型数据库中获取与所述待评估区域的电力用户数据匹配的行业用户负荷预测模型；其中，待评估区域与场景对应，电力用户数据与行业用户负荷预测模型对应；具体地，可以按行政区域选择、按变电站覆盖区域选择或在地图上框选中；可以理解的是，在已经建立用户负荷预测模型的基础上，在每次预测时，首先选定评估预测的区域，选择方式可以是按行政区域，也可以按照变电站覆盖区域，也可以是在地图上框选。在确定了预测评估目标区域后，就可以获得该区域的电力用户，设定选择的用户数量为N，然后进一步查询模型库，调用出这些用户的模型数据；其中，所述场景至少包括城市类型信息、工业园区信息、中心城区信息、县城信息。
步骤S3，根据所述待评估区域内电力用户数据获取预设时间段内的用户向量数据，根据所述用户向量数据和电力用户对应的行业用户负荷预测模型计算所述待评估区域内各电力用户未来某一时间段内的负荷预测曲线；将所述待评估区域内各电力用户未来某一时间段内的负荷预测曲线进行叠加，得到待评估区域的总负荷预测结果；其中，所述用户向量数据包括用户忙时的电能消耗、用户闲时的电能消耗；可以理解的是，实时获取用户最近T1时间内用户向量数据，将用户向量数据结合用户模型并行快速处理，利用大数据高速并行处理技术，分别计算各用户未来T2负荷预测曲线；将T2全部用户预测曲线进行叠加，得到目标区域总负荷预测曲线。即未来T2时间内，总的负荷预测为C(t)。
具体实施例中，根据以下公式确定待评估区域总负荷预测结果：
Figure BDA0002864193710000081
其中，pi(t)表示第i个用户在t时间内的负荷预测结果，即，第i个用户在T2时间内的负荷预测结果；C(t)表示总负荷预测结果。
步骤S4，判断所述总负荷预测结果是否超过待评估区域内电厂总装机容量，若超过，则输出限电告警信息和建议限电的用户；若不超过，则根据所述待评估区域总负荷预测结果确定待评估区域内的发电厂生产配置计划。具体地，配置计划的依据如下：
E(t)＝C(t)·(1+x)
其中，x为电力配送过程中产生的损耗比例，根据具体的情况，由各发电厂自行设置。
具体实施中，筛选出建议限电的用户具体为：获取预设的行业优先等级数据，根据行业优先等级数据将用户进行优先级排序，按照优先级排序筛选建议限电的用户。可以理解的是，确定了T2时间内目标区域负载预测结果，及时检测预测结果是否超过供电发现厂装机容量，如果预测结果显示T2时间内预测结果持续Tthresh时间超过装机容量，产生限电告警，并通过***自动地筛选出建议限电的用户。如图3所示，当t2-t1的市场超过预设门限值时，判断在未来的T2时间段内，有交大概率发生电力产能不足，***根据预设的规则，结合用户优先级画像，自动生成电线策略，即电力限制用户清单，便于电力公司提前发送通知到用户。具体地，筛选限电用户是基于用户优先级进行的，即在行业用户建模过程中，会对不同行业设定优先级，在此基础上，也会对同行业的电力用户，根据电能消耗，GDP贡献率，能耗效率设置不同的优先级。另一方面，规划各发电厂生产配置计划时，使所述发电厂生产配置计划在满足目标区域电力负荷的情况下，不造成多余产能的消耗。可以理解的是，通过目标区域负荷预测结果，动态规划各发电厂电力生产配置计划，具体来说，在完成选定目标区域T2时间内的负荷预测以后，就可以根据预测结果规划各发电厂生产作业计划，使其在满足目标区域电力负荷的情况下，不造成多余产能的消耗。
如图2所示，为本发明提供的一种电力生产配置的自适应***的一个实施例的示意图。在该实施例中，所述***用以实现所述的电力生产配置的自适应方法，包括：
数据采集单元，获取不同场景下电力用户的历史用电数据、电力用户所对应的用户行业数据、不同行业所对应的经济数据、历史气候数据，根据所述历史用电数据、所述用户行业数据、所述经济数据、所述历史气候数据建立不同场景下多个行业的行业用户负荷预测模型，将所述不同场景下多个行业的行业用户负荷预测模型存储至模型数据库中；其中，所述经济数据包括不同用户所处行业的能效指数以及产业增长率；具体实施例中，通过获取底层用户耗电数据、行业运行、地区气象数据、企业生产运行来实现数据的采集和汇聚功能，其中，根据以下公式建立行业用户负荷预测模型：
Figure BDA0002864193710000091
其中，p(t)表示预测用户在t时刻的负荷预估值；Ta表示该行业用户的忙时开始时刻，Tb表示该行业用户忙时结束时刻，也即闲时开始时刻；
用户用电数据包括：
Figure BDA0002864193710000092
表示在过去T1时间内，预测用户忙时的平均电能消耗，
Figure BDA0002864193710000093
表示在过去T1时间内，预测用户闲时的平均电能消耗；
经济数据包括：r(t)表示预测用户在未来t时刻相比当前增加的产量，a表示在该场景下用户每增加单位产量需消耗电能系数，b2表示在该场景下，用户忙时气温每增加1度需增加的电能消耗系数，b1表示在该场景下，用户忙时气温每增加1度需增加的电能消耗系数；
历史气候数据包括：s(t)表示预测用户在未来t时刻相比当前温度增量。
数据归集单元，用以确定待评估区域，获取所述待评估区域的电力用户数据，并从所述模型数据库中获取与所述待评估区域的电力用户数据匹配的行业用户负荷预测模型；其中，待评估区域与场景对应，电力用户数据与行业用户负荷预测模型对应。
电力用户负荷预测评估单元，用以根据所述待评估区域内电力用户数据获取预设时间段内的用户向量数据，根据所述用户向量数据和电力用户对应的行业用户负荷预测模型计算所述待评估区域内各电力用户未来某一时间段内的负荷预测曲线；将所述待评估区域内各电力用户未来某一时间段内的负荷预测曲线进行叠加，得到待评估区域的总负荷预测结果；其中，所述用户向量数据包括用户忙时的电能消耗、用户闲时的电能消耗；以及，判断所述总负荷预测结果是否超过待评估区域内电厂总装机容量，若超过，则输出限电告警信息和建议限电的用户；若不超过，则根据所述待评估区域总负荷预测结果确定待评估区域内的发电厂生产配置计划。具体实施例中，所述电力用户负荷预测评估单元根据以下公式确定待评估区域总负荷预测结果：
Figure BDA0002864193710000101
其中，pi(t)表示第i个用户在t时间内的负荷预测结果；C(t)表示总负荷预测结果。
具体地，所述电力用户负荷预测评估单元获取预设的行业优先等级数据，根据行业优先等级数据将用户进行优先级排序，按照优先级排序筛选建议限电的用户；
规划各发电厂生产配置计划时，使所述发电厂生产配置计划在满足目标区域电力负荷的情况下，不造成多余产能的消耗。
综上，实施本发明的实施例，具有如下的有益效果：
本发明提供的电力生产配置的自适应方法及***，建立不同场景下的电力用户模型，对电力负荷的预测更加具体，更具针对性，有效降低因用户性质、行业不同带来的负荷预估偏差，提高预估精度和可靠性。
通过现在场景和多种方式选择目标区域，策略选择灵活；不需要改变当前的电力通信网络，只需通过增加简单的软件和计算硬件来实现数据的采集及计算，实现成本低，适合批量部署。
适合在线自动的电力负荷预测以及电力生产自动配置，又可以用于辅助传统的人工电力生产作业计划制作。优化电力生产配置的***，对于全部电力运行目标区域的负荷状态掌握和评估，对于实现电力最经济配置、电网高效运行、电厂精准生产具有优越的应用和经济价值。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (10)

1.一种电力生产配置的自适应方法，其特征在于，包括以下方法：
步骤S1，获取不同场景下电力用户的历史用电数据、电力用户所对应的用户行业数据、不同行业所对应的经济数据、历史气候数据，根据所述历史用电数据、所述用户行业数据、所述经济数据、所述历史气候数据建立不同场景下多个行业的行业用户负荷预测模型，将所述不同场景下多个行业的行业用户负荷预测模型存储至模型数据库中；其中，所述经济数据包括不同用户所处行业的能效指数以及产业增长率；
步骤S2，确定待评估区域，获取所述待评估区域的电力用户数据，并从所述模型数据库中获取与所述待评估区域的电力用户数据匹配的行业用户负荷预测模型；其中，待评估区域与场景对应，电力用户数据与行业用户负荷预测模型对应；
步骤S3，根据所述待评估区域内电力用户数据获取预设时间段内的用户向量数据，根据所述用户向量数据和电力用户对应的行业用户负荷预测模型计算所述待评估区域内各电力用户未来某一时间段内的负荷预测曲线；将所述待评估区域内各电力用户未来某一时间段内的负荷预测曲线进行叠加，得到待评估区域的总负荷预测结果；其中，所述用户向量数据包括用户忙时的电能消耗、用户闲时的电能消耗；
步骤S4，判断所述总负荷预测结果是否超过待评估区域内电厂总装机容量，若超过，则输出限电告警信息和建议限电的用户；若不超过，则根据所述待评估区域总负荷预测结果确定待评估区域内的发电厂生产配置计划。
2.如权利要求1所述的方法，其特征在于，所述行业用户负荷预测模型如下公式所示：
Figure FDA0002864193700000011
其中，p(t)表示用户在t时刻的负荷预估值；Ta表示该行业用户的忙时开始时刻，Tb表示该行业用户忙时结束时刻，也即闲时开始时刻；
Figure FDA0002864193700000021
表示在过去T1时间内，用户忙时的平均电能消耗，
Figure FDA0002864193700000022
表示在过去T1时间内，用户闲时的平均电能消耗；r(t)表示用户在未来t时刻相比当前增加的产量，a表示在该场景下用户每增加单位产量需消耗电能系数，b2表示在该场景下，用户忙时气温每增加1度需增加的电能消耗系数，b1表示在该场景下，用户忙时气温每增加1度需增加的电能消耗系数；s(t)表示用户在未来t时刻相比当前温度增量。
3.如权利要求2所述的方法，其特征在于，所述步骤S3包括：
根据以下公式确定待评估区域总负荷预测结果：
Figure FDA0002864193700000023
其中，pi(t)表示第i个用户在t时间内的负荷预测结果；C(t)表示总负荷预测结果。
4.如权利要求3所述的方法，其特征在于，所述步骤S4包括：
获取预设的行业优先等级数据，根据行业优先等级数据将用户进行优先级排序，按照优先级排序确定建议限电的用户。
5.如权利要求4所述的方法，其特征在于，所述步骤S4还包括：
在确定待评估区域内发电厂生产配置计划时，所述发电厂生产配置计划在满足目标区域电力负荷的情况下，不造成多余产能的消耗。
6.一种电力生产配置的自适应***，用以实现如权利要求1-5任一所述的方法，其特征在于，包括：
数据采集单元，获取不同场景下电力用户的历史用电数据、电力用户所对应的用户行业数据、不同行业所对应的经济数据、历史气候数据，根据所述历史用电数据、所述用户行业数据、所述经济数据、所述历史气候数据建立不同场景下多个行业的行业用户负荷预测模型，将所述不同场景下多个行业的行业用户负荷预测模型存储至模型数据库中；其中，所述经济数据包括不同用户所处行业的能效指数以及产业增长率；
数据归集单元，用以确定待评估区域，获取所述待评估区域的电力用户数据，并从所述模型数据库中获取与所述待评估区域的电力用户数据匹配的行业用户负荷预测模型；其中，待评估区域与场景对应，电力用户数据与行业用户负荷预测模型对应；
电力用户负荷预测评估单元，用以根据所述待评估区域内电力用户数据获取预设时间段内的用户向量数据，根据所述用户向量数据和电力用户对应的模型数据计算各用户未来某一时间段内的负荷预测曲线；将所述未来某一时间段内全部用户预测曲线进行叠加，得到待评估区域的总负荷预测结果；其中，所述用户向量数据包括用户忙时的电能消耗、用户闲时的电能消耗；以及，判断所述总负荷预测结果是否超过待评估区域内电厂总装机容量，若超过，则输出限电告警信息和建议限电的用户；若不超过，则根据所述待评估区域总负荷预测结果确定待评估区域内的发电厂生产配置计划。
7.如权利要求6所述的方法，其特征在于，所述数据采集单元根据以下公式建立行业用户负荷预测模型：
Figure FDA0002864193700000031
其中，p(t)表示预测用户在t时刻的负荷预估值；Ta表示该行业用户的忙时开始时刻，Tb表示该行业用户忙时结束时刻，也即闲时开始时刻；
用户用电数据包括：
Figure FDA0002864193700000032
表示在过去T1时间内，预测用户忙时的平均电能消耗，
Figure FDA0002864193700000033
表示在过去T1时间内，预测用户闲时的平均电能消耗；
经济数据包括：r(t)表示预测用户在未来t时刻相比当前增加的产量，a表示在该场景下用户每增加单位产量需消耗电能系数，b2表示在该场景下，用户忙时气温每增加1度需增加的电能消耗系数，b1表示在该场景下，用户忙时气温每增加1度需增加的电能消耗系数；
历史气候数据包括：s(t)表示预测用户在未来t时刻相比当前温度增量。
8.如权利要求7所述的方法，其特征在于，所述电力用户负荷预测评估单元根据以下公式确定待评估区域总负荷预测结果：
Figure FDA0002864193700000041
其中，pi(t)表示第i个用户在t时间内的负荷预测结果；C(t)表示总负荷预测结果。
9.如权利要求8所述的方法，其特征在于，所述电力用户负荷预测评估单元获取预设的行业优先等级数据，根据行业优先等级数据将用户进行优先级排序，按照优先级排序筛选建议限电的用户。
10.如权利要求9所述的方法，其特征在于，所述电力用户负荷预测评估单元规划各发电厂生产配置计划时，使所述发电厂生产配置计划在满足目标区域电力负荷的情况下，不造成多余产能的消耗。
CN202011580131.3A 2020-12-28 2020-12-28 一种电力生产配置的自适应方法及*** Pending CN112508306A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011580131.3A CN112508306A (zh) 2020-12-28 2020-12-28 一种电力生产配置的自适应方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011580131.3A CN112508306A (zh) 2020-12-28 2020-12-28 一种电力生产配置的自适应方法及***

Publications (1)

Publication Number Publication Date
CN112508306A true CN112508306A (zh) 2021-03-16

Family

ID=74951836

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011580131.3A Pending CN112508306A (zh) 2020-12-28 2020-12-28 一种电力生产配置的自适应方法及***

Country Status (1)

Country Link
CN (1) CN112508306A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113435923A (zh) * 2021-06-15 2021-09-24 北京百度网讯科技有限公司 用电量的预测方法、装置及电子设备
CN116151509A (zh) * 2023-02-13 2023-05-23 国家电投集团数字科技有限公司 一种基于数据融合的电力信息管理方法及***
CN116307295A (zh) * 2023-05-22 2023-06-23 南京宝能科技有限公司 应用于云平台的智慧能源数字化管理***及方法
CN116613868A (zh) * 2023-07-20 2023-08-18 东莞市奥源电子科技有限公司 一种户外电源的bms***及户外电源控制方法
CN117039910A (zh) * 2023-10-09 2023-11-10 国网浙江省电力有限公司宁波供电公司 一种基于多模型的电力能源需求的管理方法及管理装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104134102A (zh) * 2014-07-30 2014-11-05 国家电网公司 基于leap模型的电网中长期电力需求分布预测方法
CN108346009A (zh) * 2018-03-21 2018-07-31 深圳库博能源科技有限公司 一种基于用户模型自学习的电力生产配置方法和装置
CN108491969A (zh) * 2018-03-16 2018-09-04 国家电网公司 基于大数据的空间负荷预测模型构建方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104134102A (zh) * 2014-07-30 2014-11-05 国家电网公司 基于leap模型的电网中长期电力需求分布预测方法
CN108491969A (zh) * 2018-03-16 2018-09-04 国家电网公司 基于大数据的空间负荷预测模型构建方法
CN108346009A (zh) * 2018-03-21 2018-07-31 深圳库博能源科技有限公司 一种基于用户模型自学习的电力生产配置方法和装置

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113435923A (zh) * 2021-06-15 2021-09-24 北京百度网讯科技有限公司 用电量的预测方法、装置及电子设备
CN116151509A (zh) * 2023-02-13 2023-05-23 国家电投集团数字科技有限公司 一种基于数据融合的电力信息管理方法及***
CN116307295A (zh) * 2023-05-22 2023-06-23 南京宝能科技有限公司 应用于云平台的智慧能源数字化管理***及方法
CN116307295B (zh) * 2023-05-22 2023-08-04 南京宝能科技有限公司 应用于云平台的智慧能源数字化管理***及方法
CN116613868A (zh) * 2023-07-20 2023-08-18 东莞市奥源电子科技有限公司 一种户外电源的bms***及户外电源控制方法
CN116613868B (zh) * 2023-07-20 2024-01-30 东莞市奥源电子科技有限公司 一种户外电源的bms***及户外电源控制方法
CN117039910A (zh) * 2023-10-09 2023-11-10 国网浙江省电力有限公司宁波供电公司 一种基于多模型的电力能源需求的管理方法及管理装置
CN117039910B (zh) * 2023-10-09 2024-01-05 国网浙江省电力有限公司宁波供电公司 一种基于多模型的电力能源需求的管理方法及管理装置

Similar Documents

Publication Publication Date Title
CN116646933B (zh) 一种基于大数据的电力负荷调度方法及***
CN112508306A (zh) 一种电力生产配置的自适应方法及***
EP2685417A1 (en) System, method, and computer program for energy consumption management
WO2019092905A1 (en) Power generation system and energy generation system
EP3471029A1 (en) Method for automatic cloud control of energy storage systems
CN103218675A (zh) 一种基于聚类和滑动窗口的短期负荷预测方法
KR20140043184A (ko) 에너지 소비량 예측 장치 및 방법
CN108346009B (zh) 一种基于用户模型自学习的电力生产配置方法和装置
Schlund et al. Flexability-modeling and maximizing the bidirectional flexibility availability of unidirectional charging of large pools of electric vehicles
CN109461091B (zh) 考虑光伏和冷负荷相关性的用电负荷计算方法及信息***
WO2018139043A1 (ja) 分散制御システム、分散制御方法、電力系統の分散制御システムおよび電力資源の制御方法
CN106022530A (zh) 一种电力需求侧柔性负荷有功功率预测方法
EP3221666A1 (en) Automatic system for monitoring electric power consumption
CN111144654A (zh) 一种基于物联网的园区能源管理配置方法及装置
Zhang et al. Stochastic frequency reserve provision by chance-constrained control of commercial buildings
Ren et al. Bayesian network based real-time charging scheduling of electric vehicles
CN116706905B (zh) 基于电力***的多能预测及调度方法、设备及存储介质
CN117439101A (zh) 一种用于电网中新能源与柔性负荷互动的智能网络
CN116739187A (zh) 水库优化调度决策方法、装置、计算机设备及存储介质
CN113609778B (zh) 一种综合能源***多目标优化方法及***
AU2016202858B2 (en) Method and device for the provision of aggregate offers of electrical energy
WO2023069025A2 (en) Energy management system
Kannan Time-of-use tariff and valley-filling based scheduling algorithm for electric vehicle charging
CN111130107A (zh) 电网负荷预测方法及装置
CN111815022A (zh) 一种基于延时坐标嵌入法的电力负荷预测方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210316

RJ01 Rejection of invention patent application after publication