-
公开(公告)号:CN118868216A
公开(公告)日:2024-10-29
申请号:CN202410851740.X
申请日:2024-06-27
申请人: 广西电网有限责任公司
IPC分类号: H02J3/38 , H02J3/14 , H02J3/00 , G06Q10/0631 , G06Q50/06 , G06N3/0442 , G06N3/09
摘要: 本发明公开了一种用于区域自制平衡调控的需求响应潜力评估方法,包括以下步骤:将目标用户与历史响应用户使用特征匹配方法进行特征匹配,寻找历史响应用户中与目标用户响应行为相似的相似用户;使用去噪自编码器从相似用户的横截面数据中提取响应行为特征;使用LSTM网络从目标用户的用电负荷数据中提取时序特征;使用特征拼接方法,对不同类型的特征进行融合;使用分位数回归神经网络计算目标用户不同分位数处的降负荷率。本发明利用不同类型的数据充分挖掘用户的响应特征信息,并且考虑了需求响应的不确定性,有效解决了新用户的需求响应潜力评估问题。
-
公开(公告)号:CN118074137A
公开(公告)日:2024-05-24
申请号:CN202410247781.8
申请日:2024-03-05
申请人: 广西电网有限责任公司
IPC分类号: H02J3/06 , H02J3/14 , H02J3/00 , G06Q30/0283 , G06Q50/06
摘要: 本申请提供一种考虑电动汽车时空随机性的充电桩优化调控方法及设备。其中,通过构建电动汽车时空接入模型,可以考虑大规模EV在时空双重维度上随机并网和无序充电对电网的影响,充分保障电力系统运行的稳定性;通过构建充电桩双层优化调控模型,可以兼顾电网侧和用户侧的利益,最大程度平抑充电负荷峰谷差率且降低充电成本;通过用户的有序充电响应模型,可以了解用户对有序充电调控方案的接受度和响应度。因此,将上述模型应用于充电桩优化调控时,可以更好地实现EV的有序充放电协调调度,同时兼顾电网侧和用户侧的利益,实现资源协同效益的挖掘,有助于充电桩调度时在经济性以及安全性等多方面的优化。
-
公开(公告)号:CN117010657A
公开(公告)日:2023-11-07
申请号:CN202311048212.2
申请日:2023-08-18
申请人: 广西电网有限责任公司
IPC分类号: G06Q10/0631 , G06Q10/0639 , G06Q50/06 , G06F18/2135 , G06F18/241
摘要: 本发明涉及一种负荷聚合商的需求响应潜力评估方法、装置、设备及介质,所述方法包括确定目标负荷,计算目标负荷的负荷削减量;负荷削减量为预测负荷与实际负荷之差;基于负荷削减量及预获取的电价弹性系数和分级价格弹性系数分析用户在各个时段的用电行为习惯;根据用户在各个时段的用电行为习惯,建立精细化需求响应模型;以激励强度由小至大将精细化需求响应模型分为死区、线性区和饱和区,根据死区、线性区和饱和区的用户响应特性构建需求响应潜力评估模型。本发明在充分考虑需求响应管理下,得到不同行业不同用户不同时段的负荷弹性和曲线,准确预测并降低需求侧成本,提高负荷聚合商的整体收益。
-
公开(公告)号:CN111009893B
公开(公告)日:2022-07-01
申请号:CN201911090119.1
申请日:2019-11-08
申请人: 广西电网有限责任公司电力科学研究院
摘要: 本发明公开了一种基于负荷分解技术的家庭用户短期负荷预测方法,涉及电力数据的分解和检测技术领域,通过非入式电力负荷监测技术,将家庭用户的用电设备进行分类,选取负荷用电设备,对用电设备进行分解,获取用电设备的运行状态;然后将用电设备的运行状态转化为数据信息,再将用电设备的运行状态转化的数据信息,并将其与原始负荷时间序列一起输入免疫神经元训练,以获取对未来某一时刻电力设备所用的电量值,从而对家庭设备用电量进行预测。本发明能够保证预测误差在可接受的范围之内,并使预测性能的提高更具可行性和成本效益。
-
公开(公告)号:CN110991818B
公开(公告)日:2020-12-18
申请号:CN201911115166.7
申请日:2019-11-14
申请人: 广西电网有限责任公司电力科学研究院
摘要: 本发明公开了一种融合事件检测和神经网络的负荷识别方法,涉及负荷识别技术领域,通过获取用户总负荷历史运行数据,并进行标记时间;对标记后的数据中的有功功率进行事件检测,获取每个用电设备各工作状态的稳态电流波形;将得到稳态电流波形和无电器运行区段电流波形进行随机组合,得到多设备电流随机组合;从多设备电流随机组合中提取组合电流特征作为训练样本,通过训练过的神经网络模型输出各个设备的状态。本发明通过将事件法和神经网络模式识别方法相融合,既不需要提前量测用户每个用电设备的用电数据,又节省了大量的人工标记成本,只需要标记短时间用电信息即可为神经网络模型的训练提供大量的样本,且能保证数据的准确性。
-
公开(公告)号:CN111027408A
公开(公告)日:2020-04-17
申请号:CN201911133730.8
申请日:2019-11-19
申请人: 广西电网有限责任公司电力科学研究院
摘要: 本发明公开了一种基于支持向量机和V-I曲线特征的负荷识别方法,涉及负荷识别系统技术领域,利用V-I曲线与谐波组合作为负荷印记克服了非侵入式负荷识别中可能产生的误辨识的缺点;运用V-I曲线轨迹的形状特征形成多个负荷印记,增加了负荷辨识的正确率,并辅以电气量经傅里叶变换得出的谐波特征辨识,克服了V-I曲线不好识别小型负荷的缺点;通过基于SVM的负荷识别更好地处理非线性分类问题,且不会引起“维数灾难”;它可以处理小样本的机器学习,且不至于陷入局部最小以及过学习、欠学习问题,使得负荷识别的结果更具有准确性,提高辨识度。此外,本发明方法以非侵入式为出发点,具有经济实用、容易实现的特点。
-
公开(公告)号:CN111007312A
公开(公告)日:2020-04-14
申请号:CN201911067992.9
申请日:2019-11-04
申请人: 广西电网有限责任公司
IPC分类号: G01R22/06
摘要: 本发明公开了一种集中计量系统下的多智能表的识别方法,其中,所述识别方法包括:智能管理控制器基于传感器信号识别出电网上电状态,生成表位信息通讯指令发送至多路控制器;多路控制器接收表位信息通讯指令后,将表位信息写入对应表位的电能表;智能管理控制器查询多路控制器写表位任务是否完成,任务完成则读取多路控制器所管理的多个电能表表位的表位信息;智能管理控制器根据电能表数据包信息判断安装在集中计量系统下的电能表的电表类型信息是否与所对应的表位信息相匹配,不匹配则告警,并记录安装异常状态信息。在本发明实施例中,采用所述识别方法能极大地提升现场电能表快速匹配组合应用及安装效率,以适应用户用电需求的灵活变化。
-
公开(公告)号:CN110912265A
公开(公告)日:2020-03-24
申请号:CN201911088668.5
申请日:2019-11-08
申请人: 广西电网有限责任公司电力科学研究院
IPC分类号: H02J13/00
摘要: 本发明公开了一种模块化的负荷用电信息采集装置,涉及电能计量领域,采用模块化单元设计包括:总线单元、负荷分析单元及通信单元,通过总线单元采集配电线路的三相功率总线的电压数据;负荷分析单元接收所述电压数据和采集配电线路的三相功率总线的电流数据,并进行处理,处理结果通过总线单元传送至通信单元,并由通信单元传送至主站。负荷分析单元最多能够采集和分析3条支路的单相或1条支路三相功率总线上的负荷;同时4个负荷分析单元通过结合通信单元、总线单元组成12条支路单相或者4条支路三相功率总线的多路采集装置,从而解决了仅支持单个功率总线的监测和采集的缺点。
-
公开(公告)号:CN109490816A
公开(公告)日:2019-03-19
申请号:CN201811203929.9
申请日:2018-10-16
申请人: 广西电网有限责任公司电力科学研究院
摘要: 本发明涉及计量自动化终端故障检测与诊断领域,具体公开了一种分体式计量自动化终端故障检测设备,具体包括上位机和下位机,下位机负责采集计量自动化终端的各类信号,上位机负责对各类信号进行故障检测,有效地解决了在实际终端安装现场由于空间狭小而引起的操作不便,现有故障诊断工具功能单一等问题,能够方便、迅速地实现现场接口故障检测、接线错误检测和通信规约合规性检测三大功能,有效提高了计量自动化终端故障诊断的效率。
-
公开(公告)号:CN109490814A
公开(公告)日:2019-03-19
申请号:CN201811046099.3
申请日:2018-09-07
申请人: 广西电网有限责任公司电力科学研究院
CPC分类号: G01R35/04 , G01R35/00 , G06K9/6269 , G06N3/0454 , G06N3/084 , G06N3/088
摘要: 本发明公开了一种基于深度学习和支持向量数据描述的计量自动化终端故障诊断方法,涉及电力计量故障诊断技术领域。所述基于深度学习和支持向量数据描述的计量自动化终端故障诊断方法,通过深度学习中的深度置信网络模型对计量自动化终端采集的故障数据进行特征提取,并利用支持向量数据描述进行故障诊断和分类;其深度置信网络模型可直接从低层的原始信号出发,通过逐层贪心训练得到高层特征表示,避免特征提取与选择的人工操作,有效地消除传统人工特征提取与选择特征所带来的复杂性和不确定性,增强诊断过程的智能性;本发明使用支持向量数据描述对样本进行分类识别,有效提高计量自动化终端故障诊断的多类分类问题的准确率与效率。
-
-
-
-
-
-
-
-
-