CN114565293B - 一种工业负荷提供长周期需求响应能力的评估方法 - Google Patents

一种工业负荷提供长周期需求响应能力的评估方法 Download PDF

Info

Publication number
CN114565293B
CN114565293B CN202210203868.6A CN202210203868A CN114565293B CN 114565293 B CN114565293 B CN 114565293B CN 202210203868 A CN202210203868 A CN 202210203868A CN 114565293 B CN114565293 B CN 114565293B
Authority
CN
China
Prior art keywords
load
demand response
user
period
industrial
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.)
Active
Application number
CN202210203868.6A
Other languages
English (en)
Other versions
CN114565293A (zh
Inventor
田雪沁
陈宇衡
刘壮壮
王瑛玮
王新雷
郭钰锋
徐彤
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.)
Harbin Institute of Technology
State Grid Economic and Technological Research Institute
Original Assignee
Harbin Institute of Technology
State Grid Economic and Technological Research Institute
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 Harbin Institute of Technology, State Grid Economic and Technological Research Institute filed Critical Harbin Institute of Technology
Priority to CN202210203868.6A priority Critical patent/CN114565293B/zh
Publication of CN114565293A publication Critical patent/CN114565293A/zh
Application granted granted Critical
Publication of CN114565293B publication Critical patent/CN114565293B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Water Supply & Treatment (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种工业负荷提供长周期需求响应能力的评估方法，涉及一种电力需求响应能力评估方法。获取工业用户历史负荷数据，并根据负荷特性进行降维处理；基于处理后的数据采用K均值聚类算法得到用户典型日负荷曲线；基于用户典型日负荷曲线确定快速响应能力；结合行业特性确定非快速响应能力；基于行业用电预测对需求响应能力进行修正。鉴于目前缺乏对工业负荷提供长周期需求响应能力的评估，提出一种工业负荷提供长周期需求响应能力的评估方法，能够针对长周期需求响应能力进行量化评估，对电力***的运行提供参考。

Description

一种工业负荷提供长周期需求响应能力的评估方法
技术领域
本发明涉及一种电力需求响应能力评估方法，尤其是一种工业负荷提供长周期需求响应能力的评估方法，属于电力需求响应评估技术领域。
背景技术
电力需求响应是在需求侧管理基础上，顺应市场经济规律发展而新兴的一种负荷资源应用技术，一般需求响应在电力调度过程中常起到“负瓦发电机”作用：需求侧资源在电网用电高峰时段，响应运营商的激励或经济措施，通过改变自身的用电行为削减用电负荷，促进电力***达到供需平衡，保证电力***运行的安全性。
目前需求响应能力的评估方法可分为三类：(1)自下而上方法，该类方法一般是通过对负荷数据进行聚类分析后，剔除异常值，得到典型负荷曲线，基于典型负荷曲线对用户调峰能力，需求响应能力进行量化，适用性较广，常用于工业负荷；(2)用电过程分析方法，该类方法所需数据量多，涉及到具体生产流程，收资内容具体，评估工作量较大；(3)价格弹性系数方法，该类方法得到的需求响应能力为基于价格弹性的响应极限，往往需要通过已有需求响应项目的实施数据或问卷调查的方式得到用户对需求响应方案的接受程度，并总结用户可接受程度与弹性负荷调节能力的关系，由于价格弹性系数准确值难以获取，而评估结果又过于依赖价格弹性系数，导致误差较大。
现阶段对于需求响应能力的评估实际上都是针对中短期时间尺度的，对于需求侧资源提供长周期需求响应能力的评估暂未开展，即缺乏对需求侧资源参与长时间尺度电力市场的参与能力的研究。容量市场是目前最典型的长时间尺度市场，通过分析容量市场中的出清结果与响应实现手段，可以确定工业负荷具有较强的提供长周期需求响应能力，符合第一产业用电负荷占比大的实际情况，基于这一实际情况，本发明提出一种工业负荷提供长周期需求响应能力的评估方法。
发明内容
鉴于目前缺乏对工业负荷提供长周期需求响应能力的评估，本发明提出一种工业负荷提供长周期需求响应能力的评估方法，能够针对长周期需求响应能力进行量化评估，对电力***的运行提供参考。
为实现上述目的，本发明采取下述技术方案：一种工业负荷提供长周期需求响应能力的评估方法，包括以下步骤：
步骤一：获取工业用户历史负荷数据，并根据负荷特性进行降维处理
获取工业用户的历史负荷数据，数据维度至少为48，剔除非实际工作日并通过日负荷率、日峰谷差率、日最大负荷利用时间、峰期负载率、谷期负载率、最大负荷出现时间及最小负荷出现时间这七个负荷特性对所述历史负荷数据进行降维处理；
步骤二：基于处理后的数据采用K均值聚类算法得到用户典型日负荷曲线采用欧式距离作为聚类的距离判据，采用手肘法与轮廓系数法相结合确定聚类数，所述手肘法的核心指标为误差平方和，所述轮廓系数法的核心指标为样本轮廓系数均值，其计算方法如下：
其中：SSE表示样本的误差平方和、K表示聚类数、Ci表示第i个簇、p表示Ci中的样本点、mi表示Ci的质心、SI表示样本轮廓系数均值、s(j)表示第j个样本的轮廓系数、a(j)表示样本j到同簇其他样本的平均值、b(j)表示样本j到相邻簇其他样本的平均值，之后确定聚类数，选定聚类数变化区间，计算不同聚类数下的误差平方和与样本轮廓系数均值，分别得到误差平方和样本轮廓系数均值随聚类数变化的曲线，选择误差平方和越小而样本轮廓系数均值越大的聚类数为理想聚类数，最后选择典型负荷类型并依此绘制用户典型日负荷曲线；
步骤三：基于用户典型日负荷曲线确定快速响应能力
确定响应时段的具体时间，认为所述响应时段与用电高峰期重合，通过响应时段最大负荷与平均负荷的差值确定快速响应能力；
步骤四：结合行业特性确定非快速响应能力
基于用户所属的工业行业，由电量占比、工艺流程可削减性和设备可削减性三个参数计算得该工业用户的需求响应系数，计算公式为：
其中：λ为该工业用户的需求响应系数、μp,k为第k个工艺流程的可削减性、μd,k为第k个工艺流程的设备可削减性、ηk为第k个工艺流程的电量占比，用计算得到的所述需求响应系数乘以用户典型日负荷曲线中响应时段的负荷得到非快速响应能力；
步骤五：基于行业用电预测对需求响应能力进行修正
通过求得的所述快速响应能力与所述非快速响应能力代表用户不同响应时间尺度下的需求响应能力，在此基础上分别乘以长周期折算系数即得到用户提供长周期需求响应能力，所述长周期折算系数为长周期市场交付年度行业预测用电量与当前年度行业用电量之比。
与现有技术相比，本发明的有益效果是：
本发明基于工业用户的历史负荷数据处理得到用户典型日负荷曲线，并结合行业特性分别确定快速响应能力和非快速响应能力，进而构成不同响应时间尺度下的需求响应能力，对工业负荷提供长周期需求响应能力进行了量化评估，对于负荷主体来说能够更全面地了解自身的需求响应能力，对于负荷聚合商来说有利于锁定响应能力较强的工业类型，方便组织参与电力市场，进一步通过长周期市场交付年度行业预测用电量与当前年度行业用电量之比作为长周期折算系数，将求得的需求响应能力映射至长周期市场，能够为远期决策提供一定参考，此外，也方便电网调度中心根据区域内工业负荷需求响应能力来制定长时间尺度电力市场的规模和区域分解计划，更有针对性地解决区域电力不平衡问题。
附图说明
图1是本发明的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是发明的一部分实施例，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。
如图1所示，一种工业负荷提供长周期需求响应能力的评估方法，包括以下步骤：
步骤一：获取工业用户历史负荷数据，并根据负荷特性进行降维处理
获取工业用户的历史负荷数据至少包含一年以上，采样频率至少为每半小时一采样，即数据维度至少为48，将停工检修等非实际工作日剔除，并通过日负荷率、日峰谷差率、日最大负荷利用时间、峰期负载率、谷期负载率、最大负荷出现时间及最小负荷出现时间这七个负荷特性对历史负荷数据进行降维处理。其中：
日负荷率＝日平均负荷/日最大负荷；
日峰谷差率＝(日最大负荷-日最小负荷)/日最大负荷；
日最大负荷利用时间＝日用电量/日最大负荷；
峰期负载率＝峰期时段平均负荷/日平均负荷；
谷期负载率＝谷期时段平均负荷/日平均负荷。
步骤二：基于处理后的数据采用K均值聚类算法得到用户典型日负荷曲线
采用欧式距离作为聚类的距离判据，采用手肘法与轮廓系数法相结合的方式确定聚类数，手肘法的核心指标为误差平方和，轮廓系数法的核心指标为样本轮廓系数均值，其计算方法如下：
其中：SSE表示样本的误差平方和，K表示聚类数，Ci表示第i个簇，p表示Ci中的样本点，mi表示Ci的质心，SI表示样本轮廓系数均值，s(j)表示第j个样本的轮廓系数，a(j)表示样本j到同簇其他样本的平均值，即簇内不相似度，b(j)表示样本j到相邻簇其他样本的平均值，即簇间不相似度。
聚类数的确定具体包括两个步骤：(1)选定一定的聚类数变化区间，一般取2到10，计算不同聚类数下的误差平方和与样本轮廓系数均值，分别得到误差平方和样本轮廓系数均值随聚类数变化的曲线；(2)选择误差平方和越小而样本轮廓系数均值越大的聚类数即为理想聚类数。
最后将出现次数较少的类别作为非典型负荷类型剔除，一般选择出现次数小于总样本数10％的类别，余下为典型负荷类型并依此绘制用户典型日负荷曲线。
步骤三：基于用户典型日负荷曲线确定快速响应能力
快速响应指的是响应时间要求短的响应(响应时限小于等于10分钟)，由于响应速率的要求与安全生产的约束，大部分工业用户无法通过调整工序实现大幅度的负荷削减，因此对于工业负荷快速响应能力的计算主要针对不影响安全生产的次要负荷，在确定响应时段的具体时间后(一般认为响应时段与用电高峰期重合)，通过响应时段最大负荷与平均负荷的差值确定快速响应能力。
步骤四：结合行业特性确定非快速响应能力
非快速响应指的是响应速率要求较宽松的响应(响应时限大于10分钟)，此时响应通告一般会提前一小时以上发出，工业用户可以通过调整工艺流程实现用电负荷的削减。
行业特性由主要工艺流程决定，不同工艺流程具有不同的电量占比、工艺流程可削减性、设备可削减性。电量占比指的是该工艺流程用电占生产用电的比例、工艺流程可削减性表征该工艺流程步骤削减后对整个工艺流程影响的大小、设备可削减性表征改变设备的运行方式对设备寿命的影响程度。基于用户所属的工业行业，由上述三个参数可以计算得该工业用户的需求响应系数，需求响应系数计算公式为：
其中：λ为该工业用户的需求响应系数，μp,k为第k个工艺流程的可削减性，μd,k为第k个工艺流程的设备可削减性，ηk为第k个工艺流程的电量占比。
用计算得到的需求响应系数乘以用户典型日负荷曲线中响应时段的负荷得到非快速响应能力。
步骤五：基于行业用电预测对需求响应能力进行修正
通过求得的快速响应能力与非快速响应能力代表着用户不同响应时间尺度下的需求响应能力，在此基础上分别乘以长周期折算系数即得到用户提供长周期需求响应能力，长周期折算系数为长周期市场交付年度行业预测用电量与当前年度行业用电量之比。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的装体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同条件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (4)

1.一种工业负荷提供长周期需求响应能力的评估方法，其特征在于：包括以下步骤：
步骤一：获取工业用户历史负荷数据，并根据负荷特性进行降维处理
获取工业用户的历史负荷数据，数据维度至少为48，剔除非实际工作日并通过日负荷率、日峰谷差率、日最大负荷利用时间、峰期负载率、谷期负载率、最大负荷出现时间及最小负荷出现时间这七个负荷特性对所述历史负荷数据进行降维处理；
步骤二：基于处理后的数据采用K均值聚类算法得到用户典型日负荷曲线
采用欧式距离作为聚类的距离判据，采用手肘法与轮廓系数法相结合确定聚类数，所述手肘法的核心指标为误差平方和，所述轮廓系数法的核心指标为样本轮廓系数均值，其计算方法如下：
其中：SSE表示样本的误差平方和、K表示聚类数、Ci表示第i个簇、p表示Ci中的样本点、mi表示Ci的质心、SI表示样本轮廓系数均值、s(j)表示第j个样本的轮廓系数、a(j)表示样本j到同簇其他样本的平均值、b(j)表示样本j到相邻簇其他样本的平均值，之后确定聚类数，选定聚类数变化区间，计算不同聚类数下的误差平方和与样本轮廓系数均值，分别得到误差平方和样本轮廓系数均值随聚类数变化的曲线，选择误差平方和越小而样本轮廓系数均值越大的聚类数为理想聚类数，最后选择典型负荷类型并依此绘制用户典型日负荷曲线；
步骤三：基于用户典型日负荷曲线确定快速响应能力
确定响应时段的具体时间，认为所述响应时段与用电高峰期重合，通过响应时段最大负荷与平均负荷的差值确定快速响应能力；
步骤四：结合行业特性确定非快速响应能力
基于用户所属的工业行业，由电量占比、工艺流程可削减性和设备可削减性三个参数计算得该工业用户的需求响应系数，计算公式为：
其中：λ为该工业用户的需求响应系数、μp,k为第k个工艺流程的可削减性、μd,k为第k个工艺流程的设备可削减性、ηk为第k个工艺流程的电量占比，用计算得到的所述需求响应系数乘以用户典型日负荷曲线中响应时段的负荷得到非快速响应能力；
步骤五：基于行业用电预测对需求响应能力进行修正
通过求得的所述快速响应能力与所述非快速响应能力代表用户不同响应时间尺度下的需求响应能力，在此基础上分别乘以长周期折算系数即得到用户提供长周期需求响应能力，所述长周期折算系数为长周期市场交付年度行业预测用电量与当前年度行业用电量之比。
2.根据权利要求1所述的一种工业负荷提供长周期需求响应能力的评估方法，其特征在于：所述步骤一获取的历史负荷数据至少包含一年以上。
3.根据权利要求1所述的一种工业负荷提供长周期需求响应能力的评估方法，其特征在于：所述步骤二中选定的聚类数变化区间取2到10。
4.根据权利要求1所述的一种工业负荷提供长周期需求响应能力的评估方法，其特征在于：所述步骤二中典型负荷类型的选择为将出现次数小于总样本数10％的类别作为非典型负荷类型剔除，余下为所述典型负荷类型。
CN202210203868.6A 2022-03-03 2022-03-03 一种工业负荷提供长周期需求响应能力的评估方法 Active CN114565293B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210203868.6A CN114565293B (zh) 2022-03-03 2022-03-03 一种工业负荷提供长周期需求响应能力的评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210203868.6A CN114565293B (zh) 2022-03-03 2022-03-03 一种工业负荷提供长周期需求响应能力的评估方法

Publications (2)

Publication Number Publication Date
CN114565293A CN114565293A (zh) 2022-05-31
CN114565293B true CN114565293B (zh) 2024-06-04

Family

ID=81718012

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210203868.6A Active CN114565293B (zh) 2022-03-03 2022-03-03 一种工业负荷提供长周期需求响应能力的评估方法

Country Status (1)

Country Link
CN (1) CN114565293B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116865246B (zh) * 2023-06-27 2023-12-26 广东电网有限责任公司广州供电局 一种基于快速响应的工业用户负荷可行域预测方法及***
CN117132312B (zh) * 2023-10-25 2024-02-13 广东电网有限责任公司佛山供电局 一种用户用电行为分析方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109146252A (zh) * 2018-07-25 2019-01-04 国家电网有限公司 基于调节潜力指标的用户用电行为聚类分析方法和***
CN110516882A (zh) * 2019-08-30 2019-11-29 华北电力大学（保定） 负荷代理商日前可用聚合响应容量预测方法
CN113177366A (zh) * 2021-05-28 2021-07-27 华北电力大学 一种综合能源***规划方法、装置和终端设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2756470A1 (en) * 2011-09-17 2014-07-23 Narayam, Amit Load forecasting from individual customer to system level

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109146252A (zh) * 2018-07-25 2019-01-04 国家电网有限公司 基于调节潜力指标的用户用电行为聚类分析方法和***
CN110516882A (zh) * 2019-08-30 2019-11-29 华北电力大学（保定） 负荷代理商日前可用聚合响应容量预测方法
CN113177366A (zh) * 2021-05-28 2021-07-27 华北电力大学 一种综合能源***规划方法、装置和终端设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
促进可再生能源电力接纳的技术与实践;潘尔生等;《电力建设》;20170228;第38卷(第2期);第1-11 *

Also Published As

Publication number Publication date
CN114565293A (zh) 2022-05-31

Similar Documents

Publication Publication Date Title
CN114565293B (zh) 一种工业负荷提供长周期需求响应能力的评估方法
CN114498679A (zh) 计及调频速率与容量的电力***储能需求量化方法及***
CN107977898B (zh) 一种光伏电站的发电量保险定价评估方法
CN113112136A (zh) 一种配电网可靠性综合评估方法及***
CN112785060A (zh) 一种配电网精益化运维水平优化方法
CN112417627A (zh) 一种基于四维指标体系配电网运行可靠性分析方法
CN111798333A (zh) 一种用能评估与用电安全分析方法和***
CN112907029B (zh) 一种敏感用户电压暂降治理方案的优选方法
CN113327052A (zh) 一种基于能效提升的综合能源***能效评估方法及***
CN113505909A (zh) 一种面向短期风电功率趋势预测的误差补偿方法
CN113177686A (zh) 一种基于碳耗指数的能耗异常判断方法
CN112330089A (zh) 装备制造类企业的综合能效监测方法及监测***
CN117040020A (zh) 一种地区整体光伏新能源可消纳能力指数分布的求解方法
CN114860808B (zh) 基于大数据的配电网设备异常事件关联分析方法
CN116629632A (zh) 一种配电网电能质量综合评估方法、装置及存储介质
CN110969539A (zh) 基于曲线形态分析的光伏窃电发现方法和***
CN115115470A (zh) 一种基于排放因子法的绿色数据中心碳排放管理方法
CN112001551B (zh) 一种基于大用户电量信息的地市电网售电量预测方法
CN111027017B (zh) 一种配电网管理状态综合评价***
CN110555623A (zh) 一种配电设备日运行效率的主要影响因素筛选方法及装置
CN110991825A (zh) 基于大数据的线损判定方法
CN111784083B (zh) 基于电力大数据的预测模型建立方法及电网负荷调度方法
CN116050945B (zh) 一种用于配电网末端低压台区降损分析评价***及方法
CN116526665A (zh) 一种基于电力边缘计算数据处理***
CN117856245A (zh) 基于网格化管理的台区线损分析方法、装置及存储介质

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