-
公开(公告)号：CN106532719A
公开(公告)日：2017-03-22
申请号：CN201611063341.9
申请日：2016-11-28
申请人： 国网江苏省电力公司苏州供电公司 , 东南大学
IPC分类号： H02J3/14
CPC分类号： Y02B70/3225 , Y02B70/3275 , Y04S20/222 , Y04S20/244 , H02J3/14 , H02J2003/143
摘要： 本发明涉及一种基于电流二次谐波与无功的非变频空调非侵入式辨识方法，包括以下步骤：一：对户内电网的总电源进线的电压和电流进行采样形成电压采样序列和电流采样序列；二：设定时间窗口；依据电压采样序列和电流采样序列，计算总电源进线处与所述时间窗口对应的实时平均无功功率和电流的二次谐波，用于构成实时平均无功功率序列和电流的二次谐波序列；三：根据实时平均无功功率序列和电流的二次谐波序列判断户内电网中是否有非变频空调启动或退出，若没有则返回步骤二。本发明基于电流二次谐波和无功而对非变频空调的启动和退出进行快速、准确的非侵入式辨识，具有简单、经济、易于推广应用等优点。
-
公开(公告)号：CN106532719B
公开(公告)日：2019-06-18
申请号：CN201611063341.9
申请日：2016-11-28
申请人： 国网江苏省电力公司苏州供电公司 , 东南大学
IPC分类号： H02J3/14
CPC分类号： Y02B70/3225 , Y02B70/3275 , Y04S20/222 , Y04S20/244
摘要： 本发明涉及一种基于电流二次谐波与无功的非变频空调非侵入式辨识方法，包括以下步骤：一：对户内电网的总电源进线的电压和电流进行采样形成电压采样序列和电流采样序列；二：设定时间窗口；依据电压采样序列和电流采样序列，计算总电源进线处与所述时间窗口对应的实时平均无功功率和电流的二次谐波，用于构成实时平均无功功率序列和电流的二次谐波序列；三：根据实时平均无功功率序列和电流的二次谐波序列判断户内电网中是否有非变频空调启动或退出，若没有则返回步骤二。本发明基于电流二次谐波和无功而对非变频空调的启动和退出进行快速、准确的非侵入式辨识，具有简单、经济、易于推广应用等优点。
-
公开(公告)号：CN110535130B
公开(公告)日：2022-03-11
申请号：CN201910850866.4
申请日：2019-09-10
申请人： 国网江苏省电力有限公司苏州供电分公司 , 东南大学
IPC分类号： H02J3/00
摘要： 本发明提供一种基于细粒度用户数据的需求侧响应方法，首先通过细粒度的用户分项数据获取调控潜力、拟合用户电量响应曲线；然后以激励补偿成本最小为目标，满足用户调控潜力、用户电量响应曲线和电压的约束，基于粒子群优化算法计算配电线路各节点的最优需求侧响应激励定价序列，实现最经济的需求侧响应调控；最后根据调控后获取的最新“激励定价和负荷转移率”样本更新用户电量响应曲线参数。该方法能够利用细粒度用户数据评价确定对象响应程度的能力，通过优化算法实现调控的经济最优，且用户电量响应曲线参数的优化机制具备自学习能力，能够不断地提高需求侧响应方法的性能。
-
公开(公告)号：CN111461761A
公开(公告)日：2020-07-28
申请号：CN202010131723.0
申请日：2020-02-29
申请人： 国网江苏省电力有限公司苏州供电分公司 , 东南大学
摘要： 本发明公开了一种基于多维细粒度行为数据的居民用户画像方法，该方法包含4个部分：1、多维细粒度行为数据采集，包括基于非入户终端采集的细粒度用电行为量测数据，基于营销系统采集用户电费数据，基于网上营业厅和95598获取用户网络行为统计数据；2、特征标签模型构建，从用户行为、用电特性、消费习惯三大维度建立用户多源特征标签体系，并给出各个特征的计算方法或估计方法；3、分季节分时段，计算各类特性指标综合指标，提出改进k均值聚类算法，利用改进k均值聚类算法将不同电力客户划分成不同属性的簇；4、用户画像结果可视化呈现，作为调控目标用户精准定位的依据。
-
公开(公告)号：CN110535130A
公开(公告)日：2019-12-03
申请号：CN201910850866.4
申请日：2019-09-10
申请人： 国网江苏省电力有限公司苏州供电分公司 , 东南大学
IPC分类号： H02J3/00
摘要： 本发明提供一种基于细粒度用户数据的需求侧响应方法，首先通过细粒度的用户分项数据获取调控潜力、拟合用户电量响应曲线；然后以激励补偿成本最小为目标，满足用户调控潜力、用户电量响应曲线和电压的约束，基于粒子群优化算法计算配电线路各节点的最优需求侧响应激励定价序列，实现最经济的需求侧响应调控；最后根据调控后获取的最新“激励定价和负荷转移率”样本更新用户电量响应曲线参数。该方法能够利用细粒度用户数据评价确定对象响应程度的能力，通过优化算法实现调控的经济最优，且用户电量响应曲线参数的优化机制具备自学习能力，能够不断地提高需求侧响应方法的性能。
-
-
-
-
搜索结果
5 条记录 (耗时 0.062 秒)
