CN116757442B - 基于限流算法的复杂用电行为用户画像构建方法及*** - Google Patents
基于限流算法的复杂用电行为用户画像构建方法及*** Download PDFInfo
- Publication number
- CN116757442B CN116757442B CN202310999629.0A CN202310999629A CN116757442B CN 116757442 B CN116757442 B CN 116757442B CN 202310999629 A CN202310999629 A CN 202310999629A CN 116757442 B CN116757442 B CN 116757442B
- Authority
- CN
- China
- Prior art keywords
- entity
- power supply
- power consumption
- power
- consumption
- 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
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 127
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims description 59
- 230000006399 behavior Effects 0.000 claims abstract description 122
- 238000010276 construction Methods 0.000 claims abstract description 24
- 238000007477 logistic regression Methods 0.000 claims description 24
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000005520 cutting process Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 21
- 238000007726 management method Methods 0.000 description 16
- 238000007599 discharging Methods 0.000 description 13
- 230000009471 action Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 230000005284 excitation Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000005612 types of electricity Effects 0.000 description 2
- 238000012098 association analyses Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- 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
- G06Q50/04—Manufacturing
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于限流算法的复杂用电行为用户画像构建方法及***,包括:S1、获取耗电实体第一有效指标构建耗电实体画像;S2、获取供电实体的第二有效指标构建供电实体画像;S3、基于供电实体的服务优先级获取优选服务实体集合;S4、基于耗电实体的消费优先级获取优选消费实体集合;S5、获取可调供电裕量和电能需求量;S6、基于电能需求量和优选消费实体集合得到可调耗电实体集合;S7、基于可调供电裕量和优选服务实体集合得到可调供电实体集合;S8、基于限流算法获取可调供电实体集合与可调耗电实体集合中各实体的用电行为关联画像。本发明通过分析电力实体的供需关系刻画各实体间复杂用电行为关联画像,实现用电行为的精细化管理和优化控制。
Description
技术领域
本发明涉及数据分析技术领域,具体的,涉及基于限流算法的复杂用电行为用户画像构建方法及***。
背景技术
在现代社会,电力需求不断增长,电力***的供需平衡以及电力负荷管理变得尤为重要。特别地,电动汽车的普及加速了充电设备的需求,尤其是共享充电桩的需求。传统的充电桩负荷管理方法往往仅从整体负荷的角度考虑,缺乏对个体用户用电行为的细致了解。由于供电实体(电动汽车)的充电特性具备随机性和不确定性,供电实体(充电桩)的供电功率受限于台区的负载率约束;因此,复杂用电行为用户的存在使得电力***管理面临更大的挑战,如何平衡供电实体和耗电实体之间的供需平衡,保证台区的用电安全,需要设计一套刻画复杂用电行为用户画像的方法,分析每一个供电实体和耗电实体之间存在的复杂用电行为,进一步激励和规范各电力实体的用电行为,保障电力***的稳定运行。
中国专利,公开号:CN115168437A,公开日:2022年10月11日,公开的一种基于数据分析实现用电用户画像的方法及***,包括:步骤1:采集用户的历史用电数据,并对所述历史用电数据进行预分类,得到若干类用电数据;步骤2:构建每类用电数据的初始用电行为,并向每一初始用电行为设置用电标签;步骤3:基于标签设置结果,从所有初始用电行为中提取代表用电行为;步骤4:基于所述代表用电行为构建所述用户的用户用电画像。通过对用户的用电行为设置用电标签,并提取代表用电行为,进而来构建用户用电画像,便于精准锁定用户用电需求,间接方便为用户后续用电情况的精准推荐。上述方案中,仅仅分析了用电端的需求,没有分析供电端的需求,没有考虑供电实体和用电实体之间存在的复杂用电行为对电力***安全运行的影响,不能进一步规范和激励用电行为。
在所述背景技术部分公开的上述信息仅用于加强对本申请的背景的理解,因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明的目的是针对由于缺乏对复杂用电行为的分析导致电力供需管理存在困难的问题,提出了基于限流算法的复杂用电行为用户画像构建方法及***,通过对长时间域上的耗电实体和供电实体进行关联分析,更加全面的深入地了解每一个耗电实体和供电实体之间的供需关系,刻画各实体间复杂用电行为关联画像,实现用电行为的精细化管理和优化控制,从而提高电力***的管控效率和稳定性。
第一方面,本发明实施例中提供的一种技术方案是:基于限流算法的复杂用电行为用户画像构建方法,包括如下步骤:
S1、获取台区长时间域上的耗电实体特征数据,计算耗电实体中各特征指标与第一特征变量之间的第一信息价值度,将第一信息价值度大于设定关联阈值H1的特征指标作为第一有效指标,基于第一有效指标构建特征变量的耗电实体画像;
S2、获取台区长时间域上的供电实体特征数据,计算供电实体中各特征指标与第二特征变量之间的第二信息价值度,将第二信息价值度大于设定关联阈值H2的特征指标作为第二有效指标,基于第二有效指标构建特征变量的供电实体画像;
S3、基于耗电实体的消费路径构建与台区内各供电实体的第一关联度集合;基于供电实体的服务优先级对第一关联度集合进行整合得到优选服务实体集合;
S4、基于供电实体的服务路径构建与台区内各耗电实体的第二关联度集合;基于耗电实体的消费优先级对第二关联度集合进行整合得到优选消费实体集合;
S5、获取分时时间尺度上的可调供电裕量和电能需求量;
S6、基于电能需求量和优选消费实体集合得到可调耗电实体集合;
S7、基于可调供电裕量和优选服务实体集合得到可调供电实体集合;
S8、基于限流算法对可充电时间域进行标定,基于标定结果获取可调供电实体集合与可调耗电实体集合中各实体的用电行为关联画像。
本方案中,首先对每一个耗电实体的特性数据进行分析,获取影响耗电实体消费行为的特征数据作为第一有效指标,基于第一有效指标可以构建耗电实体画像,所谓耗电实体的特征变量为基于逻辑回归模型输出的结果数据,结果分为两种:不活跃耗电实体和活跃耗电实体;其中不活跃耗电实体和活跃耗电实体基于耗电实体的充电概率行为进行划分;同理,对每一个供电实体的特性数据进行分析,获取影响供电实体服务行为的特征数据作为第二有效指标,基于第二有效指标可以构建供电实体画像,所谓供电实体的特征变量为基于逻辑回归模型输出的结果数据,结果分为两种:不活跃供电实体和活跃供电实体;其中不活跃供电实体和活跃供电实体基于耗电实体的供电概率进行划分; 进一步地,对耗电实体的消费路径进行分析可以进一步分析耗电实体的消费***衡的问题,基于限流算法对可充电时间域进行标定,基于标定结果获取可调供电实体集合与可调耗电实体集合中各实体的用电行为关联画像,使得每一个供电实体和供电实体都能组成最佳电力供需组合,实现用电行为的精细化管理和优化控制的同时,进一步提高电力***的管控效率和稳定性。
作为优选,所述获取台区长时间域上的耗电实体特征数据,计算耗电实体中各特征指标与第一特征变量之间的第一信息价值度,将第一信息价值度大于设定关联阈值H1的特征指标作为第一有效指标,基于第一有效指标构建特征变量的耗电实体画像,包括如下步骤:
S11、将耗电实体状态信息作为标签项,将耗电实体属性信息、公变负债特性信息作为特征项;
S12、分别计算各特征项对应的指标数据与标签项之间的第一信息价值度,将大于关联阈值H1的特征指标作为第一有效指标,基于第一有效指标构建逻辑回归模型;
S13、基于逻辑回归模型计算每一个耗电实体的充电概率与对应的第一有效指标的关联系数;
S14、基于耗电实体的充电概率与对应的第一有效指标的关联系数构建耗电实体画像。
本方案中,将耗电实体状态信息作为标签项,其中标签项包括不活跃耗电实体和活跃耗电实体;通过计算每一个特征项对应的指标的信息价值度(IV指数)对指标进行筛选,IV指数是用来衡量两个分类变量且其中一个为二元变量间的关联性,IV值越低,说明指标的预测力越弱,关联度越低,反之,则说明指标与结果变量具有强关联性,可以通过IV指数预测力表对强关联指标进行筛选,当IV值大于关联阈值H1(例如H1=0.3)表示指标与结果变量具有强关联性;可以选出与结果变量关联性最大的指标作为逻辑回归模型的输入变量,其中,基于与结果变量关联性最大的指标构建第一有效指标,信息价值度的计算方法和应用场景在此不做累述;进一步地,通过逻辑回归模型输出每一个耗电实体的充电概率,基于概率公式可以得到每一个有效指标对应的贡献率系数(关联系数);耗电实体的充电概率与对应的第一有效指标的关联系数构建耗电实体画像,通过耗电实体画像可以直观的分析充电行为与各指标的关联关系。
作为优选,所述获取台区长时间域上的供电实体特征数据,计算供电实体中各特征指标与第二特征变量之间的第二信息价值度,将第二信息价值度大于设定关联阈值H2的特征指标作为第二有效指标,基于第二有效指标构建特征变量的供电实体画像,包括如下步骤:
S21、将供电实体状态信息作为标签项,将供电实体属性信息、公变负债特性信息作为特征项;
S22、分别计算各特征项对应的指标数据与标签项之间的第二信息价值度,将大于关联阈值H2的特征指标作为第一有效指标,基于第二有效指标构建逻辑回归模型;
S23、基于逻辑回归模型计算每一个供电实体的供电概率与对应的第二有效指标的关联系数;
S24、基于供电实体的供电概率与对应的第二有效指标的关联系数构建供电实体画像。
本方案中,将供电实体状态信息作为标签项,其中标签项包括不活跃供电实体和活跃供电实体;通过计算每一个特征项对应的指标的信息价值度(IV指数)对指标进行筛选,IV指数是用来衡量两个分类变量且其中一个为二元变量间的关联性,IV值越低,说明指标的预测力越弱,关联度越低,反之,则说明指标与结果变量具有强关联性,可以通过IV指数预测力表对强关联指标进行筛选,当IV值大于关联阈值H2(例如H2=0.3)表示指标与结果变量具有强关联性;可以选出与结果变量关联性最大的指标作为逻辑回归模型的输入变量,其中,基于与结果变量关联性最大的指标构建第一有效指标,信息价值度的计算方法和应用场景在此不做累述;进一步地,通过逻辑回归模型输出每一个供电实体的供电概率,基于概率公式可以得到每一个有效指标对应的贡献率系数(关联系数);供电实体的供电概率与对应的第二有效指标的关联系数构建供电实体画像,通过供电实体画像可以直观的分析供电行为与各指标的关联关系。
作为优选,所述基于耗电实体的消费路径构建与台区内各供电实体的第一关联度集合;基于供电实体的服务优先级对第一关联度集合进行整合得到优选服务实体集合,包括如下步骤:
S31、基于耗电实体在长时间域上与供电实体的链接关系获取对应的目标供电实体构建第一关联度集合;
S32、分别计算耗电实体与各目标供电实体的第一链接程度,基于第一链接程度作为服务优先级的评价指标;
S33、基于服务优先级由大到小对第一关联度集合中的各目标供电实体进行排序得到优选服务实体集合。
本方案中,选取长时间域上(所谓长时间域可以是月度为单位,也可以采用年度为单位)每个耗电实体与供电实体的链接关系得到第一关联度集合,第一关联度集合中包括若干个与当前耗电实体有链接关系的供电实体;分别计算耗电实体与各目标供电实体的第一链接程度,基于第一链接程度作为服务优先级的评价指标,可以理解的是,链接程度越高,耗电实体选择该供电实体实施充电行为的概率越高;基于服务优先级由大到小对第一关联度集合中的各目标供电实体进行排序得到优选服务实体集合。
作为优选,所述第一链接程度L1计算公式为:
L1=P1/T1
其中,P1表示与当前目标供电实体链接的总充电功率;T1为与当前目标供电实体的总链接次数。
本方案中,采用目标供电实体链接的总充电功率与目标供电实体的总链接次数的比值衡量链接程度,可以进一步体现各耗电实体的用电习惯。
作为优选,所述基于供电实体的服务路径构建与台区内各耗电实体的第二关联度集合;基于耗电实体的消费优先级对第二关联度集合进行整合得到优选消费实体集合,包括如下步骤:
S41、基于供电实体在长时间域上与耗电实体的链接关系获取对应的目标耗电实体构建第二关联度集合;
S42、分别计算供电实体与各目标耗电实体的第二链接程度,基于第二链接程度作为消费优先级的评价指标;
S43、基于消费优先级由大到小对第二关联度集合中的各目标耗电实体进行排序得到优选消费实体集合。
本方案中,选取长时间域上(所谓长时间域可以是月度为单位,也可以采用年度为单位)每个供电实体与耗电实体的链接关系得到第二关联度集合,第二关联度集合中包括若干个与当前供电实体有链接关系的耗电实体;分别计算供电实体与各目标耗电实体的第二链接程度,基于第二链接程度作为消费优先级的评价指标,可以理解的是,链接程度越高,供电实体为当前供电实体提供充电服务行为的概率越高;基于服务优先级由大到小对第二关联度集合中的各目标供电实体进行排序得到优选服务实体集合。
作为优选,所述第二链接程度L2计算公式为:
L2=P2/T2
其中,P2表示与当前目标耗电实体链接的总放电功率;T2为与当前目标耗电实体的总链接次数。
本方案中,采用目标耗电实体链接的总放电功率与目标耗电实体的总链接次数的比值衡量链接程度,可以进一步体现各供电实体的用电习惯。
作为优选,所述获取分时时间尺度上的可调供电裕量和电能需求量,包括如下步骤:
S51、基于电力分时调价规则对长时间域进行时段切割得到分时时间尺度;
S52、获取每一个分时时间尺度上的公变负载占有率;基于公变负载占有率获取可调供电裕量;
同步地,获取每一个分时时间尺度上充电概率大于设定阈值H3的耗电实体,以耗电实体在分时时间尺度上总充电功率作为电能需求量。
本方案中,由于不同时段的电价是不同的,基于不同电价对时间域进行切割得到分时时间尺度;基于当前分时时间尺度上的公变负载占有率获取可调供电裕量,可以理解的是,当台区变压器额定容量为100kVA;实际容量为65kVA;则当公变负载占有率为65%,则可调供电裕量为35 kVA;进一步地,基于耗电实体的用电习惯获取分时时间尺度上的所有耗电实体,并选定充电概率大于设定阈值H3(例如H3=0.1)的耗电实体作为有效耗电实体,计算分时时间尺度上总充电功率作为电能需求量,可以理解的是,当充电概率小于设定阈值H3时,该耗电实体没有充电行为,不存在参与电能消耗的行为,可以剔除,进一步给数据进行瘦身,提高分析效率。
作为优选,所述基于电能需求量和优选消费实体集合得到可调耗电实体集合,包括如下步骤:
S61、基于电能需求量获取耗电实体的最优功率组合,获取优选消费实体集合中最优功率组合所对应的目标耗电实体构建可调耗电实体集合。
本方案中,由于每一个耗电实体的电能需求不同,而当前时段上的电能需求量一定,为了充分利用当前时段上的电能需求量,提高电能利用效率,所以需要组建最优功率组合,采用电能需求量作为功率约束;选出参与当前电能消费的所有目标耗电实体构建可调耗电实体集合。
作为优选,所述基于可调供电裕量和优选服务实体集合得到可调供电实体集合,包括如下步骤:
S71、基于可调供电裕量获取供电实体的最优功率组合,获取优选服务实体集合中最优功率组合所对应的目标供电实体构建可调供电实体集合。
本方案中,由于每一个供电实体的供电功率不同,而当前时段上的可调供电裕量一定,为了充分利用当前时段上的最大供电量,提高电能利用效率,所以需要组建最优功率组合,采用可调供电裕量作为功率约束;选出参与当前电力服务的所有目标供电实体构建可调供电实体集合。
作为优选,所述基于限流算法对可充电时间域进行标定,基于标定结果获取可调供电实体集合与可调耗电实体集合中各实体的用电行为关联画像,包括如下步骤:
S801、获取每一个时间尺度上的可调供电实体集合,依次获取每一个可调供电实体集合中放电功率相同的目标供电实体构建第一流量容器;
S802、基于电价由低到高对分时时间尺度进行优先级排序得到第一优选标定时间表;
S803、基于第一流量容器的流量边界获取可调耗电实体集合中匹配放电功率的目标耗电实体;
S804、基于目标耗电实体的消费优先级依次选定第一优选标定时间表中对应优先级的分时时间尺度中的目标供电实体进行链接;
S805、基于限流算法执行S801-S804,依次获取目标供电实体和目标耗电实体的用电行为关联画像。
本方案中,依次筛选出每一个时间尺度上的放电功率相同的目标供电实体构建第一流量容器,可知,第一流量容器的边界即为时间尺度上的最大放电功率;由于不同的电价对于不同的耗电实体的激励效应不同,将分时时间尺度进行优先级排序得到第一优选标定时间表,可以理解的是,用电行为(用户活跃度)较好的耗电实体优先调度至电价较低的时间尺度区间进行充电行为,可以有效激励耗电实体规范自身的用电行为(例如,可以提高单次充电电量和缩小提车时间间隔,均可以提升用户活跃度);以第一流量容器的流量边界作为充电约束条件,匹配放电功率的目标耗电实体,最后为每一个耗电实体选定对应的供电实体以及充电时间尺度区间,实现用电行为的精细化管理和优化控制的同时,间接规范和正向激励了电力实体的用电行为。
作为优选,所述基于限流算法对可充电时间域进行标定,基于标定结果获取可调供电实体集合与可调耗电实体集合中各实体的用电行为关联画像,还包括如下步骤:
S811、获取每一个时间尺度上的可调耗电实体集合,依次获取每一个可调耗电实体集合中充电功率相同的目标耗电实体构建第二流量容器;
S812、基于电价由高到低对分时时间尺度进行优先级排序得到第二优选标定时间表;
S813、基于第二流量容器的流量边界获取可调供电实体集合中匹配充电功率的目标供电实体;
S814、基于目标供电实体的服务优先级依次选定第一优选标定时间表中对应优先级的分时时间尺度中的目标耗电实体进行链接;
S815、基于限流算法执行S811-S814,依次获取目标耗电实体和目标供电实体的用电行为关联画像。
本方案中,依次筛选出每一个时间尺度上的充电功率相同的目标耗电实体构建第二流量容器,可知,第二流量容器的边界即为时间尺度上的最大充电功率;由于不同的电价对于不同的供电实体的激励效应不同,将分时时间尺度进行优先级排序得到第二优选标定时间表,可以理解的是,用电行为(用户活跃度)较好的供电实体优先调度至电价较高的时间尺度区间进行放电行为,由于供电实体可能归属于不同的服务商,不同服务商的服务政策不同,通过以上方式,可以有效激励服务商优化自身的用电行为(例如,可以提升单次供电电量以及缩短供电时间间隔,均可以提升用户活跃度);以第二流量容器的流量边界作为供电约束条件,匹配放电功率的目标供电实体,最后为每一个耗电实体选定对应的耗电实体以及放电时间尺度区间,实现用电行为的精细化管理和优化控制的同时,间接规范和正向激励了电力实体的用电行为。
作为优选,所述限流算法为滑动窗口限流算法、漏桶限流算法以及令牌桶限流算法的一种。
本方案中,在日常的充电业务中,由于电动汽车的充电具备随机性,可能存在用电高峰期等突发情形时,导致充电流量大增,为了保证电力运行的安全性,又要保障充放电优先级(活跃程度高)高的电力实体的用电行为,所以需要进行限流;例如根据以上的第一流量容器的最大放电功率或第二流量容器的最大充电功率,可以采用限流算法,当所有的目标耗电实体的充电功率大于最大放电功率时,可以顺次将当前的目标耗电实体安排到下一个优先级的时间尺度区间进行充电行为,同理,当所有的目标供电实体的放电功率大于最大充电功率时,可以顺次将当前的目标供电实体安排到下一个优先级的时间尺度区间进行放电行为,保证充放电行为的平稳性。
作为优选,所述耗电实体状态信息包括:不活跃耗电实体和活跃耗电实体。
作为优选,所述耗电实体属性信息:充电时段、充电时长、充电频率、充电功率、充电日、单次充电电量分布、提车时间间隔。
作为优选,所述供电实体状态信息包括:不活跃供电实体和活跃供电实体。
作为优选,所述供电实体属性信息包括:供电时段、供电时长、供电频率、供电功率、供电日、单次供电电量分布以及供电时间间隔。
作为优选,所述公变负债特性包括:充电桩数量对应的公变负载率和不同季节对应的公变负载率。
第二方面,本发明实施例中还提供的一种技术方案是:一种复杂用电行为用户画像构建***,包括有:
耗电实体画像构建模块:获取台区长时间域上的耗电实体特征数据,计算耗电实体中各特征指标与第一特征变量之间的第一信息价值度,将第一信息价值度大于设定关联阈值H1的特征指标作为第一有效指标,基于第一有效指标构建特征变量的耗电实体画像;
供电实体画像构建模块:获取台区长时间域上的供电实体特征数据,计算供电实体中各特征指标与第二特征变量之间的第二信息价值度,将第二信息价值度大于设定关联阈值H2的特征指标作为第二有效指标,基于第二有效指标构建特征变量的供电实体画像;
第一整合模块:基于耗电实体的消费路径构建与台区内各供电实体的第一关联度集合;基于供电实体的服务优先级对第一关联度集合进行整合得到优选服务实体集合;
第二整合模块:基于供电实体的服务路径构建与台区内各耗电实体的第二关联度集合;基于耗电实体的消费优先级对第二关联度集合进行整合得到优选消费实体集合;
获取模块:获取分时时间尺度上的可调供电裕量和电能需求量;
第一重构模块:基于电能需求量和优选消费实体集合得到可调耗电实体集合;
第二重构模块:基于可调供电裕量和优选服务实体集合得到可调供电实体集合;
关联画像构建模块:基于限流算法对可充电时间域进行标定,基于标定结果获取可调供电实体集合与可调耗电实体集合中各实体的用电行为关联画像。
第三方面,本发明实施例中提供的一种技术方案是:一种电子设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器调用所述存储器中的计算机程序时实现如所述基于限流算法的复杂用电行为用户画像构建方法的步骤。
第四方面,本发明实施例中提供的一种技术方案是:一种存储介质,所述存储介质中存储有计算机可执行指令,所述计算机可执行指令被处理器加载并执行时,实现如所述的基于限流算法的复杂用电行为用户画像构建方法的步骤。
本发明设计的基于限流算法的复杂用电行为用户画像构建方法及***,至少存在以下实质性有益效果。
(1)通过对长时间域上的耗电实体和供电实体进行关联分析,更加全面的深入地了解每一个耗电实体和供电实体之间的供需关系,刻画各实体间复杂用电行为关联画像,实现用电行为的精细化管理和优化控制,从而提高电力***的管控效率和稳定性。
(2)考虑到不同的电价对于不同的耗电实体的激励效应不同,将分时时间尺度进行优先级排序得到第一优选标定时间表,用电行为(用户活跃度)较好的耗电实体优先调度至电价较低的时间尺度区间进行充电行为,可以有效激励耗电实体规范自身的用电行为(例如,可以提高单次充电电量和缩小提车时间间隔,均可以提升用户活跃度);以第一流量容器的流量边界作为充电约束条件,匹配放电功率的目标耗电实体,最后为每一个耗电实体选定对应的供电实体以及充电时间尺度区间,实现用电行为的精细化管理和优化控制的同时,间接规范和正向激励了电力实体的用电行为。
(3)考虑到不同的电价对于不同的供电实体的激励效应不同,将分时时间尺度进行优先级排序得到第二优选标定时间表,用电行为(用户活跃度)较好的供电实体优先调度至电价较高的时间尺度区间进行放电行为,由于供电实体可能归属于不同的服务商,不同服务商的服务政策不同,通过以上方式,可以有效激励服务商优化自身的用电行为或服务行为(例如,可以提升单次供电电量以及缩短供电时间间隔,均可以提升用户活跃度);以第二流量容器的流量边界作为供电约束条件,匹配放电功率的目标供电实体,最后为每一个耗电实体选定对应的耗电实体以及放电时间尺度区间,实现用电行为的精细化管理和优化控制的同时,间接规范和正向激励了电力实体的用电行为。
(4)在日常的充电业务中,由于电动汽车的充电具备随机性,可能存在用电高峰期等突发情形时,导致充电流量大增,为了保证电力运行的安全性,又要保障充放电优先级(活跃程度高)高的电力实体的用电行为,所以需要进行限流;例如根据第一流量容器的最大放电功率或第二流量容器的最大充电功率,可以采用限流算法,当所有的目标耗电实体的充电功率大于最大放电功率时,可以顺次将当前的目标耗电实体安排到下一个优先级的时间尺度区间进行充电行为。同理,当所有的目标供电实体的放电功率大于最大充电功率时,可以顺次将当前的目标供电实体安排到下一个优先级的时间尺度区间进行放电行为,可以适应实时的电力供需情况和用户用电需求特征,保证充放电行为的平稳性。
上述发明内容仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。
图1为本发明的基于限流算法的复杂用电行为用户画像构建方法的流程图。
具体实施方式
为使本发明的目的、技术方案以及优点更加清楚明白,下面结合附图和实施例对本发明作进一步详细说明,应当理解的是,此处所描述的具体实施方式仅是本发明的一种最佳实施例,仅用以解释本发明,并不限定本发明的保护范围,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。
在更加详细地讨论示例性实施例之前,应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作(或步骤)可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤;所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一:
如图1所示,基于限流算法的复杂用电行为用户画像构建方法,包括如下步骤:
S1、获取台区长时间域上的耗电实体特征数据,计算耗电实体中各特征指标与第一特征变量之间的第一信息价值度,将第一信息价值度大于设定关联阈值H1的特征指标作为第一有效指标,基于第一有效指标构建特征变量的耗电实体画像。
具体地,S1包括如下步骤:
S11、将耗电实体状态信息作为标签项,将耗电实体属性信息、公变负债特性信息作为特征项;
S12、分别计算各特征项对应的指标数据与标签项之间的第一信息价值度,将大于关联阈值H1的特征指标作为第一有效指标,基于第一有效指标构建逻辑回归模型;
S13、基于逻辑回归模型计算每一个耗电实体的充电概率与对应的第一有效指标的关联系数;
S14、基于耗电实体的充电概率与对应的第一有效指标的关联系数构建耗电实体画像。
具体地,将耗电实体状态信息作为标签项,其中标签项包括不活跃耗电实体和活跃耗电实体;
具体地,耗电实体属性信息包括:充电时段、充电时长、充电频率、充电功率、充电日、单次充电电量分布、提车时间间隔。
具体地,公变负债特性包括:充电桩数量对应的公变负载率和不同季节对应的公变负载率。
可以理解的是,通过计算每一个特征项对应的指标的信息价值度(IV指数)对指标进行筛选,IV指数是用来衡量两个分类变量且其中一个为二元变量间的关联性,IV值越低,说明指标的预测力越弱,关联度越低,反之,则说明指标与结果变量具有强关联性,可以通过IV指数预测力表对强关联指标进行筛选,当IV值大于关联阈值H1(例如H1=0.3)表示指标与结果变量具有强关联性;可以选出与结果变量关联性最大的指标作为逻辑回归模型的输入变量,其中,基于与结果变量关联性最大的指标构建第一有效指标,信息价值度的计算方法和应用场景在此不做累述;进一步地,通过逻辑回归模型输出每一个耗电实体的充电概率,基于概率公式可以得到每一个有效指标对应的贡献率系数(关联系数);耗电实体的充电概率与对应的第一有效指标的关联系数构建耗电实体画像,通过耗电实体画像可以直观的分析充电行为与各指标的关联关系,例如通过以上方式,获得的耗电实体画像为A=[a1,a2,a3,a4, a5,a6, a7,a8, a9,a10]。
IV值的计算公式为:
;
其中 和 />分别是第i个分组中目标变量y第一类和第二类中记录的百分比,即:
、/>;
可以理解的是,本实施例中,数据被分为两组,即耗电实体属性信息和公变负债特性信息,耗电实体属性信息被分为七类,具体为:充电时段、充电时长、充电频率、充电功率、充电日、单次充电电量分布、提车时间间隔;公变负债特性信息被分为两类,具体为:充电桩数量对应的公变负载率和不同季节对应的公变负载率;通过以上公式依次计算各类指标的IV值,然后通过筛选规范得到有效指标。
可以理解的是,通过IV值的计算公式计算耗电实体的特征指标的信息价值度;例如:充电时段x1=0.452、充电时长x2=0.462、充电频率x3=0.584、充电功率x4=0.574、充电日x5=0.234、单次充电电量分布x6=0.125、提车时间间隔x7=0.553;设定IV值大于关联阈值H1=0.3表示指标与结果变量具有强关联性;可知,第一有效指标为[x1,x2,x3,x4,x7]。
S2、获取台区长时间域上的供电实体特征数据,计算供电实体中各特征指标与第二特征变量之间的第二信息价值度,将第二信息价值度大于设定关联阈值H2的特征指标作为第二有效指标,基于第二有效指标构建特征变量的供电实体画像。
具体地,S2包括如下步骤:
S21、将供电实体状态信息作为标签项,将供电实体属性信息、公变负债特性信息作为特征项;
S22、分别计算各特征项对应的指标数据与标签项之间的第二信息价值度,将大于关联阈值H2的特征指标作为第一有效指标,基于第二有效指标构建逻辑回归模型;
S23、基于逻辑回归模型计算每一个供电实体的供电概率与对应的第二有效指标的关联系数;
S24、基于供电实体的供电概率与对应的第二有效指标的关联系数构建供电实体画像。
具体地,所述供电实体状态信息包括:不活跃供电实体和活跃供电实体。
具体地,所述供电实体属性信息包括:供电时段、供电时长、供电频率、供电功率、供电日、单次供电电量分布以及供电时间间隔。
本实施例中,将供电实体状态信息作为标签项,其中标签项包括不活跃供电实体和活跃供电实体;可以理解的是,通过计算每一个特征项对应的指标的信息价值度(IV指数)对指标进行筛选,IV指数是用来衡量两个分类变量且其中一个为二元变量间的关联性,IV值越低,说明指标的预测力越弱,关联度越低,反之,则说明指标与结果变量具有强关联性,可以通过IV指数预测力表对强关联指标进行筛选,当IV值大于关联阈值H2(例如H2=0.3)表示指标与结果变量具有强关联性;可以选出与结果变量关联性最大的指标作为逻辑回归模型的输入变量,其中,基于与结果变量关联性最大的指标构建第一有效指标,信息价值度的计算方法和应用场景在此不做累述;进一步地,通过逻辑回归模型输出每一个供电实体的供电概率,基于概率公式可以得到每一个有效指标对应的贡献率系数(关联系数);供电实体的供电概率与对应的第二有效指标的关联系数构建供电实体画像,通过供电实体画像可以直观的分析供电行为与各指标的关联关系,例如通过以上方式,获得的供电实体画像为B=[b1,b2,b3,b4, b5,b6, b7,b8, b9,b10]。
可以理解的是,通过IV值的计算公式计算供电实体的特征指标的信息价值度;例如:供电时段y1=0.562、供电时长y2=0.513、供电频率y3=0.654、供电功率y4=0.552、供电日y5=0.125、单次供电电量分布y6=0.252以及供电时间间隔y7=0.445;设定IV值大于关联阈值H1=0.3表示指标与结果变量具有强关联性;可知,第二有效指标为[y1,y2,y3,y4,y7]。
S3、基于耗电实体的消费路径构建与台区内各供电实体的第一关联度集合;基于供电实体的服务优先级对第一关联度集合进行整合得到优选服务实体集合。
具体地,S3包括如下步骤:
S31、基于耗电实体在长时间域上与供电实体的链接关系获取对应的目标供电实体构建第一关联度集合;
S32、分别计算耗电实体与各目标供电实体的第一链接程度,基于第一链接程度作为服务优先级的评价指标;
S33、基于服务优先级由大到小对第一关联度集合中的各目标供电实体进行排序得到优选服务实体集合。
本实施例中,选取长时间域上(所谓长时间域可以是月度为单位,也可以采用年度为单位)每个耗电实体与供电实体的链接关系得到第一关联度集合,第一关联度集合中包括若干个与当前耗电实体有链接关系的供电实体,例如,在一个月内,耗电实体a1与供电实体b1链接10次,与供电实体b3链接5次,与供电实体b6链接3次,与供电实体b8链接2次,与供电实体b2链接1次;分别计算耗电实体与各目标供电实体的第一链接程度,基于第一链接程度作为服务优先级的评价指标,可以理解的是,链接程度越高,耗电实体选择该供电实体实施充电行为的概率越高;基于服务优先级由大到小对第一关联度集合中的各目标供电实体进行排序得到优选服务实体集合A1=[ b1,b3,b6,b8,b2]。
进一步地,第一链接程度L1计算公式为:
L1=P1/T1
其中,P1表示与当前目标供电实体链接的总充电功率;T1为与当前目标供电实体的总链接次数。
可以理解的是,采用目标供电实体链接的总充电功率与目标供电实体的总链接次数的比值衡量链接程度,可以进一步体现各耗电实体的用电习惯。
S4、基于供电实体的服务路径构建与台区内各耗电实体的第二关联度集合;基于耗电实体的消费优先级对第二关联度集合进行整合得到优选消费实体集合。
具体地,S4包括如下步骤:
S41、基于供电实体在长时间域上与耗电实体的链接关系获取对应的目标耗电实体构建第二关联度集合;
S42、分别计算供电实体与各目标耗电实体的第二链接程度,基于第二链接程度作为消费优先级的评价指标;
S43、基于消费优先级由大到小对第二关联度集合中的各目标耗电实体进行排序得到优选消费实体集合。
本实施例中,选取长时间域上(所谓长时间域可以是月度为单位,也可以采用年度为单位)每个供电实体与耗电实体的链接关系得到第二关联度集合,第二关联度集合中包括若干个与当前供电实体有链接关系的耗电实体,例如,在一个月内,供电实体b1与耗电实体a1链接10次,与耗电实体a3链接5次,与耗电实体a6链接3次,与耗电实体a8链接2次,与耗电实体a2链接1次;;分别计算供电实体与各目标耗电实体的第二链接程度,基于第二链接程度作为消费优先级的评价指标,可以理解的是,链接程度越高,供电实体为当前供电实体提供充电服务行为的概率越高;基于服务优先级由大到小对第二关联度集合中的各目标供电实体进行排序得到优选消费实体集合B1=[ a1,a3,a6,a8,a2]。
进一步地,第二链接程度L2计算公式为:
L2=P2/T2
其中,P2表示与当前目标耗电实体链接的总放电功率;T2为与当前目标耗电实体的总链接次数。
可以理解的是,采用目标耗电实体链接的总放电功率与目标耗电实体的总链接次数的比值衡量链接程度,可以进一步体现各供电实体的用电习惯。
S5、获取分时时间尺度上的可调供电裕量和电能需求量。
具体地,S5包括如下步骤:
S51、基于电力分时调价规则对长时间域进行时段切割得到分时时间尺度;
S52、获取每一个分时时间尺度上的公变负载占有率;基于公变负载占有率获取可调供电裕量;
同步地,获取每一个分时时间尺度上充电概率大于设定阈值H3的耗电实体,以耗电实体在分时时间尺度上总充电功率作为电能需求量。
本实施例中,由于不同时段的电价是不同的,基于不同电价对时间域进行切割得到分时时间尺度;基于当前分时时间尺度上的公变负载占有率获取可调供电裕量,可以理解的是,当台区变压器额定容量为100kVA;实际容量为65kVA;则当公变负载占有率为65%,则可调供电裕量为35 kVA;进一步地,基于耗电实体的用电习惯获取分时时间尺度上的所有耗电实体,并选定充电概率大于设定阈值H3(例如H3=0.1)的耗电实体作为有效耗电实体,计算分时时间尺度上总充电功率作为电能需求量,可以理解的是,当充电概率小于设定阈值H3时,该耗电实体没有充电行为,不存在参与电能消耗的行为,可以剔除,进一步给数据进行瘦身,提高分析效率。
S6、基于电能需求量和优选消费实体集合得到可调耗电实体集合。
具体地,S6包括如下步骤:
S61、基于电能需求量获取耗电实体的最优功率组合,获取优选消费实体集合中最优功率组合所对应的目标耗电实体构建可调耗电实体集合。
本实施例中,由于每一个耗电实体的电能需求不同,而当前时段上的电能需求量一定,为了充分利用当前时段上的电能需求量,提高电能利用效率,所以需要组建最优功率组合,采用电能需求量作为功率约束;选出参与当前电能消费的所有目标耗电实体构建可调耗电实体集合。
S7、基于可调供电裕量和优选服务实体集合得到可调供电实体集合。
具体地,S7包括如下步骤:
S71、基于可调供电裕量获取供电实体的最优功率组合,获取优选服务实体集合中最优功率组合所对应的目标供电实体构建可调供电实体集合。
本实施例中,由于每一个供电实体的供电功率不同,而当前时段上的可调供电裕量一定,为了充分利用当前时段上的最大供电量,提高电能利用效率,所以需要组建最优功率组合,采用可调供电裕量作为功率约束;选出参与当前电力服务的所有目标供电实体构建可调供电实体集合。
S8、基于限流算法对可充电时间域进行标定,基于标定结果获取可调供电实体集合与可调耗电实体集合中各实体的用电行为关联画像。
具体地,S8中存在两种匹配情形,当耗电实体作为主导时,即耗电实体选定对应的供电实体时,包括如下步骤:
S801、获取每一个时间尺度上的可调供电实体集合,依次获取每一个可调供电实体集合中放电功率相同的目标供电实体构建第一流量容器;
S802、基于电价由低到高对分时时间尺度进行优先级排序得到第一优选标定时间表;
S803、基于第一流量容器的流量边界获取可调耗电实体集合中匹配放电功率的目标耗电实体;
S804、基于目标耗电实体的消费优先级依次选定第一优选标定时间表中对应优先级的分时时间尺度中的目标供电实体进行链接;
S805、基于限流算法执行S801-S804,依次获取目标供电实体和目标耗电实体的用电行为关联画像。
本实施例中,依次筛选出每一个时间尺度上的放电功率相同的目标供电实体构建第一流量容器,可知,第一流量容器的边界即为时间尺度上的最大放电功率;由于不同的电价对于不同的耗电实体的激励效应不同,将分时时间尺度进行优先级排序得到第一优选标定时间表,可以理解的是,用电行为(用户活跃度)较好的耗电实体优先调度至电价较低的时间尺度区间进行充电行为,可以有效激励耗电实体规范自身的用电行为(例如,可以提高单次充电电量和缩小提车时间间隔,均可以提升用户活跃度);以第一流量容器的流量边界作为充电约束条件,匹配放电功率的目标耗电实体,最后为每一个耗电实体选定对应的供电实体以及充电时间尺度区间,实现用电行为的精细化管理和优化控制的同时,间接规范和正向激励了电力实体的用电行为。
当供电实体作为主导时,即供电实体选定对应的耗电实体时,包括如下步骤:
S811、获取每一个时间尺度上的可调耗电实体集合,依次获取每一个可调耗电实体集合中充电功率相同的目标耗电实体构建第二流量容器;
S812、基于电价由高到低对分时时间尺度进行优先级排序得到第二优选标定时间表;
S813、基于第二流量容器的流量边界获取可调供电实体集合中匹配充电功率的目标供电实体;
S814、基于目标供电实体的服务优先级依次选定第一优选标定时间表中对应优先级的分时时间尺度中的目标耗电实体进行链接;
S815、基于限流算法执行S811-S814,依次获取目标耗电实体和目标供电实体的用电行为关联画像。
本实施例中,依次筛选出每一个时间尺度上的充电功率相同的目标耗电实体构建第二流量容器,可知,第二流量容器的边界即为时间尺度上的最大充电功率;由于不同的电价对于不同的供电实体的激励效应不同,将分时时间尺度进行优先级排序得到第二优选标定时间表,可以理解的是,用电行为(用户活跃度)较好的供电实体优先调度至电价较高的时间尺度区间进行放电行为,由于供电实体可能归属于不同的服务商,不同服务商的服务政策不同,通过以上方式,可以有效激励服务商优化自身的用电行为(例如,可以提升单次供电电量以及缩短供电时间间隔,均可以提升用户活跃度);以第二流量容器的流量边界作为供电约束条件,匹配放电功率的目标供电实体,最后为每一个耗电实体选定对应的耗电实体以及放电时间尺度区间,实现用电行为的精细化管理和优化控制的同时,间接规范和正向激励了电力实体的用电行为。
进一步地,所述限流算法为滑动窗口限流算法、漏桶限流算法以及令牌桶限流算法的一种。
本实施例中,在日常的充电业务中,由于电动汽车的充电具备随机性,可能存在用电高峰期等突发情形时,导致充电流量大增,为了保证电力运行的安全性,又要保障充放电优先级(活跃程度高)高的电力实体的用电行为,所以需要进行限流;例如根据以上的第一流量容器的最大放电功率或第二流量容器的最大充电功率,可以采用限流算法,当所有的目标耗电实体的充电功率大于最大放电功率时,可以顺次将当前的目标耗电实体安排到下一个优先级的时间尺度区间进行充电行为,同理,当所有的目标供电实体的放电功率大于最大充电功率时,可以顺次将当前的目标供电实体安排到下一个优先级的时间尺度区间进行放电行为,保证充放电行为的平稳性。
可以理解的是,假定时间尺度区间的优先级为T1>T2>T3;当第一流量容器的最大放电功率在时间尺度区间T1为P1;第一流量容器的最大放电功率在时间尺度区间T2为P2;第一流量容器的最大放电功率在时间尺度区间T3为P3;当在时间尺度区间T1内所有的目标耗电实体的充电功率大于P1时,根据目标耗电实体的优先级优先进行匹配充电,例如优选消费实体集合[a1,a3,a6,a8,a2];耗电实体a1、a3、a6、a8的功率之和小于P1;耗电实体a1、a3、a6、a8、a2的功率之和大于P1;则时间尺度区间T1内被允许充电的耗电实体为[a1,a3,a6,a8],基于限流原理,耗电实体a2内被允许充电的时间尺度区间为T2;可能存在的另一种情形为:耗电实体a1、a3、a6的功率之和小于P1;耗电实体a1、a3、a6、a8的功率大于P1,且耗电实体a1、a3、a6、a2的功率小于P1;则时间尺度区间T1内被允许充电的耗电实体为[a1,a3,a6,a2],基于限流原理,耗电实体a8内被允许充电的时间尺度区间为T2;同理,第二流量容器的最大放电功率在时间尺度区间T1为P2时,供电实体的选择依据限流算法的方式同上,在此不再累述。
实施例二:
本发明实施例中还提供的一种技术方案是一种复杂用电行为用户画像构建***,包括有:
耗电实体画像构建模块:获取台区长时间域上的耗电实体特征数据,计算耗电实体中各特征指标与第一特征变量之间的第一信息价值度,将第一信息价值度大于设定关联阈值H1的特征指标作为第一有效指标,基于第一有效指标构建特征变量的耗电实体画像;
供电实体画像构建模块:获取台区长时间域上的供电实体特征数据,计算供电实体中各特征指标与第二特征变量之间的第二信息价值度,将第二信息价值度大于设定关联阈值H2的特征指标作为第二有效指标,基于第二有效指标构建特征变量的供电实体画像;
第一整合模块:基于耗电实体的消费路径构建与台区内各供电实体的第一关联度集合;基于供电实体的服务优先级对第一关联度集合进行整合得到优选服务实体集合;
第二整合模块:基于供电实体的服务路径构建与台区内各耗电实体的第二关联度集合;基于耗电实体的消费优先级对第二关联度集合进行整合得到优选消费实体集合;
获取模块:获取分时时间尺度上的可调供电裕量和电能需求量;
第一重构模块:基于电能需求量和优选消费实体集合得到可调耗电实体集合;
第二重构模块:基于可调供电裕量和优选服务实体集合得到可调供电实体集合;
关联画像构建模块:基于限流算法对可充电时间域进行标定,基于标定结果获取可调供电实体集合与可调耗电实体集合中各实体的用电行为关联画像。
本实施例中,首先对每一个耗电实体的特性数据进行分析,获取影响耗电实体消费行为的特征数据作为第一有效指标,基于第一有效指标可以构建耗电实体画像,所谓耗电实体的特征变量为基于逻辑回归模型输出的结果数据,结果分为两种:不活跃耗电实体和活跃耗电实体;其中不活跃耗电实体和活跃耗电实体基于耗电实体的充电概率行为进行划分;同理,对每一个供电实体的特性数据进行分析,获取影响供电实体服务行为的特征数据作为第二有效指标,基于第二有效指标可以构建供电实体画像,所谓供电实体的特征变量为基于逻辑回归模型输出的结果数据,结果分为两种:不活跃供电实体和活跃供电实体;其中不活跃供电实体和活跃供电实体基于耗电实体的供电概率进行划分; 进一步地,对耗电实体的消费路径进行分析可以进一步分析耗电实体的消费***衡的问题,基于限流算法对可充电时间域进行标定,基于标定结果获取可调供电实体集合与可调耗电实体集合中各实体的用电行为关联画像,使得每一个供电实体和供电实体都能组成最佳电力供需组合,实现用电行为的精细化管理和优化控制的同时,进一步提高电力***的管控效率和稳定性。
实施例三:
本发明实施例中提供的一种技术方案是一种电子设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器调用所述存储器中的计算机程序时实现如所述基于限流算法的复杂用电行为用户画像构建方法的步骤。
实施例四:
本发明实施例中提供的一种技术方案是:一种存储介质,所述存储介质中存储有计算机可执行指令,所述计算机可执行指令被处理器加载并执行时,实现如所述的基于限流算法的复杂用电行为用户画像构建方法的步骤。
通过以上实施方式的描述,所属领域的技术人员可以了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中可以根据需要而将上述功能分配由不同的功能模块完成,即将具体装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
在本申请所提供的实施例中,应该理解到,所揭露的结构和方法,可以通过其它的方式实现。例如,以上所描述的关于结构的实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个结构,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,结构或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是一个物理单元或多个物理单元,即可以位于一个地方,或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述之具体实施方式为本发明基于限流算法的复杂用电行为用户画像构建方法及***的较佳实施方式,并非以此限定本发明的具体实施范围,本发明的范围包括并不限于本具体实施方式,凡依照本发明之形状、结构所作的等效变化均在本发明的保护范围内。
Claims (16)
1.基于限流算法的复杂用电行为用户画像构建方法,其特征在于:包括如下步骤:
S1、获取台区长时间域上的耗电实体特征数据,计算耗电实体中各特征指标与第一特征变量之间的第一信息价值度,将第一信息价值度大于设定关联阈值H1的特征指标作为第一有效指标,基于第一有效指标构建特征变量的耗电实体画像;
S2、获取台区长时间域上的供电实体特征数据,计算供电实体中各特征指标与第二特征变量之间的第二信息价值度,将第二信息价值度大于设定关联阈值H2的特征指标作为第二有效指标,基于第二有效指标构建特征变量的供电实体画像;
S3、基于耗电实体的消费路径构建与台区内各供电实体的第一关联度集合;基于供电实体的服务优先级对第一关联度集合进行整合得到优选服务实体集合;
S4、基于供电实体的服务路径构建与台区内各耗电实体的第二关联度集合;基于耗电实体的消费优先级对第二关联度集合进行整合得到优选消费实体集合;
S5、获取分时时间尺度上的可调供电裕量和电能需求量;
S6、基于电能需求量和优选消费实体集合得到可调耗电实体集合;
S7、基于可调供电裕量和优选服务实体集合得到可调供电实体集合;
S8、基于限流算法对可充电时间域进行标定,基于标定结果获取可调供电实体集合与可调耗电实体集合中各实体的用电行为关联画像;
所述获取台区长时间域上的耗电实体特征数据,计算耗电实体中各特征指标与第一特征变量之间的第一信息价值度,将第一信息价值度大于设定关联阈值H1的特征指标作为第一有效指标,基于第一有效指标构建特征变量的耗电实体画像,包括如下步骤:
S11、将耗电实体状态信息作为标签项,将耗电实体属性信息、公变负债特性信息作为特征项;
S12、分别计算各特征项对应的指标数据与标签项之间的第一信息价值度,将大于关联阈值H1的特征指标作为第一有效指标,基于第一有效指标构建逻辑回归模型;
S13、基于逻辑回归模型计算每一个耗电实体的充电概率与对应的第一有效指标的关联系数;
S14、基于耗电实体的充电概率与对应的第一有效指标的关联系数构建耗电实体画像;
所述获取台区长时间域上的供电实体特征数据,计算供电实体中各特征指标与第二特征变量之间的第二信息价值度,将第二信息价值度大于设定关联阈值H2的特征指标作为第二有效指标,基于第二有效指标构建特征变量的供电实体画像,包括如下步骤:
S21、将供电实体状态信息作为标签项,将供电实体属性信息、公变负债特性信息作为特征项;
S22、分别计算各特征项对应的指标数据与标签项之间的第二信息价值度,将大于关联阈值H2的特征指标作为第一有效指标,基于第二有效指标构建逻辑回归模型;
S23、基于逻辑回归模型计算每一个供电实体的供电概率与对应的第二有效指标的关联系数;
S24、基于供电实体的供电概率与对应的第二有效指标的关联系数构建供电实体画像;
所述基于耗电实体的消费路径构建与台区内各供电实体的第一关联度集合;基于供电实体的服务优先级对第一关联度集合进行整合得到优选服务实体集合,包括如下步骤:
S31、基于耗电实体在长时间域上与供电实体的链接关系获取对应的目标供电实体,构建第一关联度集合;
S32、分别计算耗电实体与各目标供电实体的第一链接程度,基于第一链接程度作为服务优先级的评价指标;
S33、基于服务优先级由大到小对第一关联度集合中的各目标供电实体进行排序得到优选服务实体集合;
所述基于供电实体的服务路径构建与台区内各耗电实体的第二关联度集合;基于耗电实体的消费优先级对第二关联度集合进行整合得到优选消费实体集合,包括如下步骤:
S41、基于供电实体在长时间域上与耗电实体的链接关系获取对应的目标耗电实体,构建第二关联度集合;
S42、分别计算供电实体与各目标耗电实体的第二链接程度,基于第二链接程度作为消费优先级的评价指标;
S43、基于消费优先级由大到小对第二关联度集合中的各目标耗电实体进行排序得到优选消费实体集合;
所述基于限流算法对可充电时间域进行标定,基于标定结果获取可调供电实体集合与可调耗电实体集合中各实体的用电行为关联画像,包括如下步骤:
S801、获取每一个时间尺度上的可调供电实体集合,依次获取每一个可调供电实体集合中放电功率相同的目标供电实体构建第一流量容器;
S802、基于电价由低到高对分时时间尺度进行优先级排序得到第一优选标定时间表;
S803、基于第一流量容器的流量边界获取可调耗电实体集合中匹配放电功率的目标耗电实体;
S804、基于目标耗电实体的消费优先级依次选定第一优选标定时间表中对应优先级的分时时间尺度中的目标供电实体进行链接;
S805、基于限流算法执行S801-S804,依次获取目标供电实体和目标耗电实体的用电行为关联画像。
2.根据权利要求1所述的基于限流算法的复杂用电行为用户画像构建方法,其特征在于:
所述第一链接程度L1计算公式为:
L1=P1/T1
其中,P1表示与当前目标供电实体链接的总充电功率;T1为与当前目标供电实体的总链接次数。
3.根据权利要求1所述的基于限流算法的复杂用电行为用户画像构建方法,其特征在于:
所述第二链接程度L2计算公式为:
L2=P2/T2
其中,P2表示与当前目标耗电实体链接的总放电功率;T2为与当前目标耗电实体的总链接次数。
4.根据权利要求1所述的基于限流算法的复杂用电行为用户画像构建方法,其特征在于:
所述获取分时时间尺度上的可调供电裕量和电能需求量,包括如下步骤:
S51、基于电力分时调价规则对长时间域进行时段切割得到分时时间尺度;
S52、获取每一个分时时间尺度上的公变负载占有率;基于公变负载占有率获取可调供电裕量;
同步地,获取每一个分时时间尺度上充电概率大于设定阈值H3的耗电实体,以耗电实体在分时时间尺度上总充电功率作为电能需求量。
5.根据权利要求1所述的基于限流算法的复杂用电行为用户画像构建方法,其特征在于:
所述基于电能需求量和优选消费实体集合得到可调耗电实体集合,包括如下步骤:
S61、基于电能需求量获取耗电实体的最优功率组合,获取优选消费实体集合中最优功率组合所对应的目标耗电实体构建可调耗电实体集合。
6.根据权利要求1所述的基于限流算法的复杂用电行为用户画像构建方法,其特征在于:
所述基于可调供电裕量和优选服务实体集合得到可调供电实体集合,包括如下步骤:
S71、基于可调供电裕量获取供电实体的最优功率组合,获取优选服务实体集合中最优功率组合所对应的目标供电实体构建可调供电实体集合。
7.根据权利要求1所述的基于限流算法的复杂用电行为用户画像构建方法,其特征在于:
所述基于限流算法对可充电时间域进行标定,基于标定结果获取可调供电实体集合与可调耗电实体集合中各实体的用电行为关联画像,还包括如下步骤:
S811、获取每一个时间尺度上的可调耗电实体集合,依次获取每一个可调耗电实体集合中充电功率相同的目标耗电实体构建第二流量容器;
S812、基于电价由高到低对分时时间尺度进行优先级排序得到第二优选标定时间表;
S813、基于第二流量容器的流量边界获取可调供电实体集合中匹配充电功率的目标供电实体;
S814、基于目标供电实体的服务优先级依次选定第一优选标定时间表中对应优先级的分时时间尺度中的目标耗电实体进行链接;
S815、基于限流算法执行S811-S814,依次获取目标耗电实体和目标供电实体的用电行为关联画像。
8.根据权利要求1或7所述的基于限流算法的复杂用电行为用户画像构建方法,其特征在于:
所述限流算法为滑动窗口限流算法、漏桶限流算法以及令牌桶限流算法的一种。
9.根据权利要求1所述的基于限流算法的复杂用电行为用户画像构建方法,其特征在于:
所述耗电实体状态信息包括:不活跃耗电实体和活跃耗电实体。
10.根据权利要求1所述的基于限流算法的复杂用电行为用户画像构建方法,其特征在于:
所述耗电实体属性信息包括:充电时段、充电时长、充电频率、充电功率、充电日、单次充电电量分布、提车时间间隔。
11.根据权利要求1所述的基于限流算法的复杂用电行为用户画像构建方法,其特征在于:
所述供电实体状态信息包括:不活跃供电实体和活跃供电实体。
12.根据权利要求1所述的基于限流算法的复杂用电行为用户画像构建方法,其特征在于:
所述供电实体属性信息包括:供电时段、供电时长、供电频率、供电功率、供电日、单次供电电量分布以及供电时间间隔。
13.根据权利要求1所述的基于限流算法的复杂用电行为用户画像构建方法,其特征在于:
所述公变负债特性包括:充电桩数量对应的公变负载率和不同季节对应的公变负载率。
14.复杂用电行为用户画像构建***,适用于如权利要求1至13任一项所述的基于限流算法的复杂用电行为用户画像构建方法,其特征在于:包括有:
耗电实体画像构建模块:获取台区长时间域上的耗电实体特征数据,计算耗电实体中各特征指标与第一特征变量之间的第一信息价值度,将第一信息价值度大于设定关联阈值H1的特征指标作为第一有效指标,基于第一有效指标构建特征变量的耗电实体画像;
供电实体画像构建模块:获取台区长时间域上的供电实体特征数据,计算供电实体中各特征指标与第二特征变量之间的第二信息价值度,将第二信息价值度大于设定关联阈值H2的特征指标作为第二有效指标,基于第二有效指标构建特征变量的供电实体画像;
第一整合模块:基于耗电实体的消费路径构建与台区内各供电实体的第一关联度集合;基于供电实体的服务优先级对第一关联度集合进行整合得到优选服务实体集合;
第二整合模块:基于耗电实体的服务路径构建与台区内各供电实体的第二关联度集合;基于耗电实体的消费优先级对第二关联度集合进行整合得到优选消费实体集合;
获取模块:获取分时时间尺度上的可调供电裕量和电能需求量;
第一重构模块:基于电能需求量和优选消费实体集合得到可调耗电实体集合;
第二重构模块:基于可调供电裕量和优选服务实体集合得到可调供电实体集合;
关联画像构建模块:基于限流算法对可充电时间域进行标定,基于标定结果获取可调供电实体集合与可调耗电实体集合中各实体的用电行为关联画像。
15.一种电子设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器调用所述存储器中的计算机程序时实现如权利要求1至13中任一项所述的基于限流算法的复杂用电行为用户画像构建方法的步骤。
16.一种存储介质,其特征在于,所述存储介质中存储有计算机可执行指令,所述计算机可执行指令被处理器加载并执行时,实现如权利要求1至13中任一项所述的基于限流算法的复杂用电行为用户画像构建方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310999629.0A CN116757442B (zh) | 2023-08-09 | 2023-08-09 | 基于限流算法的复杂用电行为用户画像构建方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310999629.0A CN116757442B (zh) | 2023-08-09 | 2023-08-09 | 基于限流算法的复杂用电行为用户画像构建方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116757442A CN116757442A (zh) | 2023-09-15 |
CN116757442B true CN116757442B (zh) | 2023-10-24 |
Family
ID=87951630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310999629.0A Active CN116757442B (zh) | 2023-08-09 | 2023-08-09 | 基于限流算法的复杂用电行为用户画像构建方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116757442B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2772006A1 (en) * | 2011-10-25 | 2014-09-03 | Telefonaktiebolaget LM Ericsson (Publ) | Charging an energy storage unit |
JP2016045213A (ja) * | 2014-08-19 | 2016-04-04 | 三菱電機株式会社 | 電力系統監視システム |
CN112633976A (zh) * | 2020-12-21 | 2021-04-09 | 高晓惠 | 基于大数据和云业务的数据处理方法及云业务服务器 |
CN115018198A (zh) * | 2022-06-30 | 2022-09-06 | 国网河南省电力公司经济技术研究院 | 一种考虑差异化需求响应方案的居民用户用电优化策略 |
CN115168437A (zh) * | 2022-09-06 | 2022-10-11 | 国网冀北综合能源服务有限公司 | 一种基于数据分析实现用电用户画像的方法及*** |
CN115730152A (zh) * | 2022-12-22 | 2023-03-03 | 祝士龙 | 基于用户画像分析的大数据处理方法及大数据处理*** |
CN115907389A (zh) * | 2022-11-29 | 2023-04-04 | 国网湖北省电力有限公司电力科学研究院 | 一种基于用户画像的城区尺度需求响应潜力电力用户定位方法、***及介质 |
CN115995809A (zh) * | 2022-11-14 | 2023-04-21 | 国网山西省电力公司晋中供电公司 | 一种基于负荷需求的调度建模方法 |
CN116245386A (zh) * | 2022-11-25 | 2023-06-09 | 国网安徽省电力有限公司经济技术研究院 | 一种考虑多维驱动因素的配网投资效益画像方法 |
CN116385210A (zh) * | 2023-06-06 | 2023-07-04 | 江苏图南数字科技有限公司 | 一种基于物联网的供电能耗监测*** |
CN116401601A (zh) * | 2023-04-14 | 2023-07-07 | 国网浙江省电力有限公司 | 基于逻辑回归模型的停电敏感用户优选处置方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9559545B2 (en) * | 2013-08-06 | 2017-01-31 | Microsoft Technology Licensing, Llc | Automated charging |
-
2023
- 2023-08-09 CN CN202310999629.0A patent/CN116757442B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2772006A1 (en) * | 2011-10-25 | 2014-09-03 | Telefonaktiebolaget LM Ericsson (Publ) | Charging an energy storage unit |
JP2016045213A (ja) * | 2014-08-19 | 2016-04-04 | 三菱電機株式会社 | 電力系統監視システム |
CN112633976A (zh) * | 2020-12-21 | 2021-04-09 | 高晓惠 | 基于大数据和云业务的数据处理方法及云业务服务器 |
CN115018198A (zh) * | 2022-06-30 | 2022-09-06 | 国网河南省电力公司经济技术研究院 | 一种考虑差异化需求响应方案的居民用户用电优化策略 |
CN115168437A (zh) * | 2022-09-06 | 2022-10-11 | 国网冀北综合能源服务有限公司 | 一种基于数据分析实现用电用户画像的方法及*** |
CN115995809A (zh) * | 2022-11-14 | 2023-04-21 | 国网山西省电力公司晋中供电公司 | 一种基于负荷需求的调度建模方法 |
CN116245386A (zh) * | 2022-11-25 | 2023-06-09 | 国网安徽省电力有限公司经济技术研究院 | 一种考虑多维驱动因素的配网投资效益画像方法 |
CN115907389A (zh) * | 2022-11-29 | 2023-04-04 | 国网湖北省电力有限公司电力科学研究院 | 一种基于用户画像的城区尺度需求响应潜力电力用户定位方法、***及介质 |
CN115730152A (zh) * | 2022-12-22 | 2023-03-03 | 祝士龙 | 基于用户画像分析的大数据处理方法及大数据处理*** |
CN116401601A (zh) * | 2023-04-14 | 2023-07-07 | 国网浙江省电力有限公司 | 基于逻辑回归模型的停电敏感用户优选处置方法 |
CN116385210A (zh) * | 2023-06-06 | 2023-07-04 | 江苏图南数字科技有限公司 | 一种基于物联网的供电能耗监测*** |
Non-Patent Citations (6)
Title |
---|
"基于潜在客户特征画像分析的电能替代全过程追踪方法分析";刘沛等;《集成电路应用》;全文 * |
"考虑负荷差异化需求响应的配电网多目标扩展规划";刘雪飞等;《电力***保护与控制》;全文 * |
基于综合用电指数的用户精细画像方法研究;尤宏亮;郭平平;徐晓敏;杨迪;李瑛莉;;电力需求侧管理(05);全文 * |
电力市场用电量需求分析预测模型研究;丁业豪;麦琪;;电测与仪表(14);全文 * |
电网客户用户画像***设计与实现;施丽;洪锋;李沛霖;白枫;;信息***工程(04);全文 * |
计及可转移充放电量裕度的电动汽车充放电实时调度策略;占智;邹波;林振智;文福拴;李波;李梁;毛建伟;;电力自动化设备(06);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116757442A (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Iversen et al. | Optimal charging of an electric vehicle using a Markov decision process | |
CN110658460B (zh) | 一种电池包的电池寿命预测方法及装置 | |
Yilmaz et al. | Synthetic demand data generation for individual electricity consumers: Generative Adversarial Networks (GANs) | |
CN112070301B (zh) | 一种用户用电量调整方法、***及设备 | |
CN108573358A (zh) | 一种逾期预测模型生成方法及终端设备 | |
Shi et al. | Multistage robust energy management for microgrids considering uncertainty | |
CN110610382A (zh) | 车辆销售量预测方法、装置、计算机设备和存储介质 | |
CN116757442B (zh) | 基于限流算法的复杂用电行为用户画像构建方法及*** | |
Nammouchi et al. | Robust opportunistic optimal energy management of a mixed microgrid under asymmetrical uncertainties | |
EP3764310A1 (en) | Prediction task assistance device and prediction task assistance method | |
CN116882715B (zh) | 基于云服务器的桩车联动有序安全用电方法及*** | |
CN114298829A (zh) | 用于授信评估的数据处理方法和装置 | |
CN114610476A (zh) | 一种优化云服务成本的方法、装置、设备及存储介质 | |
Park et al. | A facility location problem in a mixed duopoly on networks | |
CN102193618B (zh) | 降低电子终端能量消耗的方法、对应终端 | |
CN111127082A (zh) | 用于供能***的数据处理***、方法及装置 | |
Chen et al. | Estimating the Demand for Service Bundles under Three‐Part Tariffs | |
Su et al. | Price‐based unit commitment with decision‐dependent uncertainty in hourly demand | |
Javaudin et al. | Large-scale allocation of personalized incentives | |
Liang et al. | Considering battery degradation in energy storage system design for multi-services scenarios | |
CN117541384B (zh) | 电能交易模型的构建方法、装置、计算机设备和存储介质 | |
Pellizzari et al. | A multi-agent model of tax evasion with public expenditure | |
CN116681454B (zh) | 虚拟资源配比策略生成方法、装置、计算机设备和存储介质 | |
CN114155038B (zh) | 受疫情影响用户识别方法 | |
EP4207042A1 (en) | Information processing device, information processing system, information processing method, program, and recording medium |
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 |