[go: up one dir, main page]

CN109816145A - 一种供电负荷管理用数据平台 - Google Patents

一种供电负荷管理用数据平台 Download PDF

Info

Publication number
CN109816145A
CN109816145A CN201811574974.5A CN201811574974A CN109816145A CN 109816145 A CN109816145 A CN 109816145A CN 201811574974 A CN201811574974 A CN 201811574974A CN 109816145 A CN109816145 A CN 109816145A
Authority
CN
China
Prior art keywords
load
user
year
ranking
scoring
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
CN201811574974.5A
Other languages
English (en)
Inventor
郑庆荣
赵建立
高志刚
陆颖杰
汤卓凡
郭雁
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.)
State Grid Shanghai Electric Power Co Ltd
Original Assignee
State Grid Shanghai Electric Power 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 State Grid Shanghai Electric Power Co Ltd filed Critical State Grid Shanghai Electric Power Co Ltd
Priority to CN201811574974.5A priority Critical patent/CN109816145A/zh
Publication of CN109816145A publication Critical patent/CN109816145A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种供电负荷管理用数据平台，由地图展示优化模块、用户负荷预测模块、用户用电质量评价展示模块、典型行业用电模型分析模块和基础数据支撑模块组成。本发明优化了现有地图展示方式、构建负荷预测模型、深层次刻画用户模型、深度挖掘行业用电行为、基础数据支撑的研究；本发明进一步对10KV及以上大用户的负荷、用电等信息进行提炼，挖掘更多有效信息，丰富负控系统的展示内容；且本发明可为电力企业负荷预测、削峰填谷工作提供理论支持，能够使电力用户深入了解负荷预测的方法和各典型行业的负荷特性，对用户来说有一定的参考意义。

Description

一种供电负荷管理用数据平台
技术领域
本发明涉及信息化管理领域，尤其涉及一种应用于电力系统中的供电负荷管理的数据平台。
背景技术
目前，国家电网在各个城市/地区的电力公司均设置有负荷管理中心，该负荷管理中心配备有负控展示系统数据平台，该展示系统数据平台以业务为核心，以资深业务专家为资源优势，应用大数据技术，通过对城市里数万户的优质用电用户的负荷信息进行深度挖掘、分析、展示，形象化、立体化企业、区域、行业等用电特性，深度分析挖掘各方用电行为，实现集业务监控、业务整合、用户引导、政府搭台等多界一体的展现，提升了国家电网的窗口效应，也为其他用电用户的用电营销经营模式提供数据分析保障。
而随着电力业务的深入发展，现有技术下的负控展示系统数据平台已不能满足监控、分析的需求，其目前存在如下问题：
(1)现有技术下的负控展示系统数据平台中，用户地图是通过GPS地图信息来进行展示，系统不能从地图展示窗口看出用户的分布密度，不利于电力公司进行大用户负荷的预测和分析；
(2)现有技术下的负控展示系统数据平台所展示界面展示了用户的日电量、日负荷、日电量比较、日负荷比较、日峰谷负荷数据，没有实现对未来负荷预测的展示，不能为调度分析提供有效的决策支持；
(3)现有技术下的负控展示系统数据平台展示了用户的基本用电信息，却没有对用户进行深入的分析，例如用户的质量评价、用户的基础档案完善、用户的数据分析等；
(4)现有技术下的负控展示系统数据平台无对典型行业的分析，相对于普通用户负荷，大用户负荷的电压等级较高，用电负荷很大，负荷波动有很大的随机性。某些典型行业的负荷具有较明显的特征，有必要挖掘这些典型行业的用电行为，分析他们的负荷特性，形成客户质量的展示内容，帮助电力企业进行负荷预测和分析；
(5)现有技术下的负控展示系统数据平台所展示内容单调，只展示了一些基础信息，而没有进行深度的挖掘、提炼和展示。
综上所述，现有技术下的负控展示系统数据平台已经无法满足目前供电负载控制的需求，现迫切需要一种新型的数据平台来解决上述问题。
发明内容
为了解决现有技术下的负控展示系统数据平台所存在的上述现状和问题，本发明以进一步丰富展示、分析内容为目的提供了一种供电负荷管理用数据平台，本发明的一种供电负荷管理用数据平台以GIS技术、大数据技术为基础，以负控中心大屏展示系统为载体，通过对10KV及以上大客户的负控用电数据进行深度的挖掘、分析及展示，最终实现：地图展示优化的方式、基于大数据的电力用户负荷预测模型及方法、电力大用户客户立体模型构建、典型行业模型分析展示以及基础数据支撑研究。
本发明的一种供电负荷管理用数据平台，其具体构成和方法如下所述：
一种供电负荷管理用数据平台，其特征在于：
所述的供电负荷管理用数据平台由地图展示优化模块、用户负荷预测模块、用户用电质量评价展示模块、典型行业用电模型分析模块和基础数据支撑模块组成；
所述的地图展示优化模块根据热力图概念、热力图的绘制及地理信息系统中的热力图相关信息，结合地图展示方式，构建了热力地图，实现10KV及以上大用户的地图定位与分布展示；
所述的用户负荷预测模块基于大数据的电力用户负荷预测，采用需求响应系统中的预测模型对用户未来7天负荷进行预测；
所述的用户用电质量评价展示模块通过对客户数据的收集、客户信息模型的构建、确立评价因子、勾勒用户模型，从多角度、多层次刻画用户的用电质量模型，实现对用户的精准有效分类，并同步实现用户模型的分析展示；
所述的典型行业用电模型分析模块根据大用户负荷变化的特点，研究大用户负荷特性，在基于对钢铁、水泥、化纤、造纸等行业负荷特性深入研究的基础上，进行典型行业模型展示分析；
所述的基础数据支撑模块以用电负荷管理系统、调度系统和营销CMS系统出账数据为基础，进一步对10KV及以上大用户的负荷、用电等信息进行提炼，挖掘更多有效信息，进一步丰富负控系统的展示内容。
根据本发明的一种供电负荷管理用数据平台，其特征在于，所述的地图展示优化模块的具体方法如下：
2.1)地图展示优化模块以颜色变化渲染大用户分布，具体为：利用颜色进行大用户分布密度渲染，数量多的地方颜色加深显示，数量少的地方用淡色显示，没有数据的用白色显示，根据人的视觉发展逻辑，采用层层递进的颜色渲染手段，使大用户集中的地区一目了然；
2.2)地图展示优化模块的典型用户地图定位，具体为：随着用户移动或者缩放地图，对应区域的用户密度分布也会动态显示，随着地图的不断放大，可实现对单一典型用户的地图定位。
根据本发明的一种供电负荷管理用数据平台，其特征在于，所述的用户负荷预测模块的具体方法如下：
3.1)计算流程：预测负荷计算方法采用日负荷平均法，该日负荷平均法包括3个步骤：数据选择、数据处理、结果修正，如下：
3.11)数据选择：当预测负荷日为工作日时，应从预测当日向前选择10天的历史负荷作为计算预测负荷的典型日，历史负荷不包括非工作日；当预测负荷日为非工作日时，应从预测当日向前选择对应时段4天的历史负荷作为计算预测负荷的典型日，历史负荷不包括工作日；
3.12)数据处理：根据选择的典型日96点负荷的平均值数据，作为预测日96点负荷值，即为未修正的预测日负荷；
3.13)结果修正：预测日负荷调整因子计算方法为：以18℃为中间值，典型日气温因子＝MAX(|最高气温-中间值|,|最低气温-中间值|)，预测日气温因子＝MAX(|最高气温-中间值|,|最低气温-中间值|)，调整因子＝1+(预测日气温因子-典型日气温因子)/100，调整因子取值限定为0.8-1.2，阈值可变化调整，用户预测负荷应根据计算出的未修正的预测负荷乘以调整因子得出；
3.2)对典型用户未来一周的负荷走势进行预测，采用周平均负荷预测、周峰负荷预测、周谷负荷预测和每日96点负荷预测相结合的方式进行展示，具体如下：
3.21)周平均负荷预测：展示该典型用户当前7天的每日实际平均负荷与未来7天的每日预测平均负荷；
3.22)周峰负荷预测：切换展示未来7天的峰负荷预测值；
3.23)周谷负荷预测：切换展示未来7天的峰负荷预测值；
3.24)每日96点负荷预测：取任一天的平均负荷，峰负荷、谷负荷，可直接获得该日的96点负荷值并展示。
根据本发明的一种供电负荷管理用数据平台，其特征在于，所述的用户用电质量评价展示模块结合影响度、负荷特性、用电信用、成长特性四类因素，确立月最大负荷、月用电量、月负荷率、功率因数、契约限额考核、负载率、月最大负荷同比、月用电量同比的8个指标评价因子，分别构建用户模型指标评价体系和用户模型展示，其具体如下：
4.1)构建用户模型指标评价体系：
4.11)月最大负荷计算：
对参与排名的所有用户月最大负荷值进行排序，最大的排名第一，最小排名最后，当月无用电量的用户不参与排名，具体为，最大负荷值最大的得分最高，为20分；当月无用电的，为0分；当月有用电，但最大负荷值最低的为5分；其他用户则根据最大负荷排名，采用差值法进行评分计算，计算方法如下：
F＝Fmin+(Fmax-Fmin)*(1-(n-1)/m)(n>＝1)
其中：F为用户评分；Fmin为该项最低得分，该值为5；Fmax为该项的最高分值，该值为20；n为该用户目前所处排名，m为总的参与排名户数；
4.12)月用电量计算：
对参与排名的所有用户月用电量进行排序，用电量最大的排名第一，用电量最小排名最后，当月无用电量的用户不参与排名，具体为，月用电量最大的得分最高，为20分；当月无用电的，为0分，不参与排名；当月有用电，但用电量最低的为5分；其他用户根据月用电量排名，采用差值法进行评分计算，计算方法如下：
F＝Fmin+(Fmax-Fmin)*(1-(n-1)/m)(n>＝1)
其中：F为用户评分，Fmin为该项最低得分，该值为5；Fmax为该项的最高分值，该值为20；n为该用户目前所处排名，m为总的参与排名户数；
4.13)月负荷率计算：
对参与排名的所有用户月平均负荷率进行排序，月平均负荷率最大的排名第一，月平均负荷率最小排名最后，具体为，月平均负荷率最大的得分最高，为25分；月平均负荷率最低的得分最低，为0分；其他用户根据月平均负荷率排名，采用差值法进行评分计算，计算方法如下：
F＝Fmin+(Fmax-Fmin)*(1-(n-1)/m)(n>＝1)
若用户评分为F，则F计算方法如下：
其中：F为用户评分，Fmin为该项最低得分，该值为0；Fmax为该项的最高分值，该值为25；n为该用户目前所处排名，m为总的参与排名户数；
4.14)功率因数计算：
对参与排名的所有用户的功率因数进行排序，功率因数最大的排名第一，功率因数最小排名最后，具体为,功率因数最大的得分最高，为5分；功率因数最低的得分最小，为0分；其他用户根据功率因数大小排名，采用差值法进行评分计算，计算方法如下：
F＝Fmin+(Fmax-Fmin)*(1-(n-1)/m)(n>＝1)
其中：F为用户评分，Fmin为该项最低得分，该值为0；Fmax为该项的最高分值，该值为5；n为该用户目前所处排名，m为总的参与排名户数；
4.15)契约限额考核计算：
对参与排名的所有用户的契约限额考核绝对值按照数值大小进行排序，绝对值最小的排名第一，绝对值最大的排名最后，具体为,契约限额考核绝对值最小的得分最高，为5分；当月无用电记录的，契约限额考核为0分；当月有用电记录的，但契约限额考核绝对值最大的评分为2分；其他用户根据契约限额考核绝对值大小排名，采用差值法进行评分计算，计算方法如下：
F＝Fmin+(Fmax-Fmin)*(1-(n-1)/m)(n>＝1)
其中：若用户评分为F，则F计算方法如下：F＝Fmin+(Fmax-Fmin)*(1-(n-1)/m)(n>＝1)
其中：F为用户评分，Fmin为该项最低得分，该值为2；Fmax为该项的最高分值，该值为5；n为该用户目前所处排名，m为总的参与排名户数；
4.16)负载率计算：
负载率大于1的用户，为0分；负载率大于等于0.8小于等于1的用户，该项分值最高，为5分；其余用户采用差值法进行评分计算，计算方法如下：
F＝Fmin+(Fmax-Fmin)*(A-Amin)/(Amax-Amin)
其中：F为用户评分，Fmin为该项最低得分，该值为0；Fmax为该项的最高分值，该值为5；A为该用户当月负载率，Amin为参与排名用户中负载率最小值，Amax为参与排名用户中负载率最大值；
4.17)月最大负荷同比计算：
对参与排名的所有用户月最大负荷同比进行排序，月最大负荷同比最大的排名第一，月最大负荷同比最小排名最后，其具体为，月最大负荷同比最大的得分最高，为10分；当月无用电记录的，月最大负荷同比的得分0分；当月有用电记录，但值最小的评分为5分；其他用户根据月最大负荷同比排名，采用差值法进行评分计算，计算方法如下：
F＝Fmin+(Fmax-Fmin)*(1-(n-1)/m)(n>＝1)
其中：F为用户评分，Fmin为该项最低得分，该值为5；Fmax为该项的最高分值，该值为10；n为该用户目前所处排名，m为总的参与排名户数；
4.18)月用电量同比计算：
对参与排名的所有用户月用电量同比进行排序，月用电量同比最大的排名第一，月用电量同比最小排名最后，其具体为，月用电量同比最大的得分最高，为10分；当月无用电记录的，月用电量同比的得分0分；当月有用电记录，但值最小的评分为5分；其他用户根据月用电量排名，采用差值法进行评分计算，计算方法如下：
F＝Fmin+(Fmax-Fmin)*(1-(n-1)/m)(n>＝1)
其中：F为用户评分，Fmin为该项最低得分，该值为5；Fmax为该项的最高分值，该值为10；n为该用户目前所处排名，m为总的参与排名户数；
4.2)用户模型展示，包括以下:
4.21)用户评价展示：
对典型用户的用户模型评价结果进行展示，主要展示内容包括：
4.21a)典型用户总评分，系统排名、行业排名；
4.21b)单项像素评价结果展示：包括指标值、评分值、上月评分值、较上月分值上升下降情况、指标排名，该指标排名以超过行业内5％用户为准；
4.22)用户档案展示：
4.22a)用户基础档案数据：展示典型用户的基础档案数据，展示内容用户基本信息、负控采集设备信息、账单信息；
4.22b)用户地图定位：可查询该用户在地图上的实际定位情况；
4.22c)用户照片：展示大门、天线、终端和变电站处共4张照片；
4.23)数据分析展示：
4.23a)负荷走势分析：对典型用户的年度总用电负荷和月度总用电负荷进行走势分析以及年度、月度负荷走势分析功能；
4.23b)负荷同比环比分析：优化负荷同比环比分析展示方式，通过柱状图方式清晰展现同比环比分析结果；
4.23c)日电量同比环比分析：实现典型用户日电量的同比环比分析，通过柱状图方式清晰展现同比环比分析结果；
4.23d)日电量展示：对峰电量、谷电量、平1电量、平2电量展示，采用柱状堆叠图对典型用户的日电量使用情况进行展示，其中，一个完整的堆叠柱代表该电表的总电量。
根据本发明的一种供电负荷管理用数据平台，其特征在于，所述的典型行业用电模型分析模块分析展示了行业贡献率、日负荷走势分析、日负荷同比环比分析、日负荷率、日峰谷差、行业用户评分统计、用户负荷排行榜、用户评分排行榜，具体如下：
5.1)行业贡献率：
以行业所有用户的平均分为基础，对所有行业进行贡献度排名，以排名为基础，计算其超过多少行业；
5.2)日负荷走势分析：
对典型行业当日的96点负荷走势进行分析，并以曲线形式进行展示；
5.3)日负荷同比环比分析：
将典型行业当日的平均负荷与昨日、上月、去年同期的日平均负荷进行对比分析，确立该行业当日平均负荷与之相比上升/下降的百分比，从而掌握该典型行业当日负荷使用的合理度；
5.4)峰谷负荷分析：
展示典型行业的日负荷率、峰负荷、谷负荷以及日峰谷差；
5.5)典型行业热力地图：
通过热力地图对当前典型行业用户进行地图定位，地图缩小时，以颜色为渲染手段，用户密集的地方颜色加深显示，用户稀少的地方颜色淡化显示；而地图放大时可对单一用户进行定位显示，该层层递进的地图展示手段，可从总体上掌握用户的分布情况；
5.6)行业用户评分统计：
对当前行业中所有用户的评分情况进行统计，确立各类型用户占比；
5.7)用户评分排行榜：
对当前行业中所有用户按照评分进行排序，展示评分前15～20名用户，并将其排名与上月评分进行对比，展示排名上涨或下降情况；
5.8)用户负荷排行榜：
对当前行业中所有用户按照日平均负荷高低进行排序，展示日平均负荷前15～20名用户，并将其排名与昨日评分进行对比，展示其排名上涨或下降情况。
根据本发明的一种供电负荷管理用数据平台，其特征在于，所述的基础数据支撑模块，其具体包括以下：
6.1)用户负荷预测基础数据：
以用电负荷管理系统为基础，通过数据抽取，获取用户负荷预测所需基础数据，主要数据内容包括：电压、电流信息、负荷信息、计量装置信息；
6.2)用户日负荷基础数据：
以OMS调度系统为基础，通过数据抽取，获取所需日负荷基础数据以及全网96点负荷、总电量、峰电量、平1电量、平2电量和谷电量，且在此基础上，可通过计算得出的峰谷差、负荷率、峰负荷、谷负荷和平均负荷等相关数据；
6.3)用户模型基础数据：
以营销CMS出账数据为基础，通过数据抽取，获取负控展示所需数据，主要数据内容包括用户基本信息、负控采集设备信息、月度账单。
本发明的一种供电负荷管理用数据平台，归纳为：
(1)优化地图展示方式，实现10KV及以上大用户的地图展示：
进一步优化现有地图展示方式，以热力地图为基础，通过层层递进的渲染方式，实现10KV及以上大用户的地图定位展示；
(2)构建负荷预测模型，实现负荷的预测与展示：
利用负荷预测模型技术，考虑温度、时间等因素，突破负荷展示局限，对用户未来的负荷行为进行精准预测，为调度分析提供更加有效的决策支持；
(3)构建用户评价体系，深层次刻画用户模型：
通过建立表征用户用电特征的指标因子及评分体系，构建用户模型评价体系，从多角度、多层次刻画用户的用电模型，实现对用户的精准有效分类，并同步实现用户模型的分析展示；
(4)拓展行业维度分析，立体化行业用电特性：
拓展行业维度用电分析，立体化行业用户的用电特性，实现基于企业、区域、行业等多维度的用电行为总体分析，深度挖掘各方用电行为；
(5)进一步对接营销CMS系统，丰富数据展示内容：
以负控采集系统和营销CMS系统出账数据为基础，进一步对10KV及以上大用户的负荷、用电等信息进行提炼，挖掘更多有效信息，进一步丰富负控系统的展示内容。
使用本发明的一种供电负荷管理用数据平台获得了如下有益效果：
1.本发明的一种供电负荷管理用数据平台优化了现有地图展示方式、构建负荷预测模型、深层次刻画用户模型、深度挖掘行业用电行为、基础数据支撑的研究；
2.本发明的一种供电负荷管理用数据平台进一步对10KV及以上大用户的负荷、用电等信息进行提炼，挖掘更多有效信息，丰富负控系统的展示内容；
3.本发明的一种供电负荷管理用数据平台可为电力企业负荷预测、削峰填谷工作提供理论支持，能够使电力用户深入了解负荷预测的方法和各典型行业的负荷特性，对用户来说有一定的参考意义。
附图说明
图1为本发明的一种供电负荷管理用数据平台的地图展示优化模块的模拟示意图；
图2为本发明的一种供电负荷管理用数据平台的用户负荷预测模块的模拟示意图；
图3为本发明的一种供电负荷管理用数据平台的用户用电质量评价展示模块的负荷走势分析展示的模拟示意图；
图4为本发明的一种供电负荷管理用数据平台的用户用电质量评价展示模块的模拟示意图；
图5为本发明的一种供电负荷管理用数据平台的用户用电质量评价展示模块的用户基本信息展示的模拟示意图；
图6为本发明的一种供电负荷管理用数据平台的典型行业用电模型分析模块的模拟示意图。
具体实施方式
下面结合附图和实施例对本发明的一种供电负荷管理用数据平台做进一步的描述。
实施例
如图1～图6所示(应注意这些附图均为数据平台模拟示意图，图中信息为模拟效果供参考，实际功能不仅限于该图)，一种供电负荷管理用数据平台，由地图展示优化模块、用户负荷预测模块、用户用电质量评价展示模块、典型行业用电模型分析模块和基础数据支撑模块组成；
地图展示优化模块根据热力图概念、热力图的绘制及地理信息系统中的热力图相关信息，结合地图展示方式，构建了热力地图，实现10KV及以上大用户的地图定位与分布展示；
用户负荷预测模块基于大数据的电力用户负荷预测，采用需求响应系统中的预测模型对用户未来7天负荷进行预测；
用户用电质量评价展示模块通过对客户数据的收集、客户信息模型的构建、确立评价因子、勾勒用户模型，从多角度、多层次刻画用户的用电质量模型，实现对用户的精准有效分类，并同步实现用户模型的分析展示；
典型行业用电模型分析模块根据大用户负荷变化的特点，研究大用户负荷特性，在基于对钢铁、水泥、化纤、造纸等行业负荷特性深入研究的基础上，进行典型行业模型展示分析；
基础数据支撑模块以用电负荷管理系统、调度系统和营销CMS系统出账数据为基础，进一步对10KV及以上大用户的负荷、用电等信息进行提炼，挖掘更多有效信息，进一步丰富负控系统的展示内容。
如图1所示，地图展示优化模块的具体方法如下：
地图展示优化模块以颜色变化渲染大用户分布，具体为：利用颜色进行大用户分布密度渲染，数量多的地方颜色加深显示，数量少的地方用淡色显示，没有数据的用白色显示，根据人的视觉发展逻辑，采用层层递进的颜色渲染手段，使大用户集中的地区一目了然；
地图展示优化模块的典型用户地图定位，具体为：随着用户移动或者缩放地图，对应区域的用户密度分布也会动态显示，随着地图的不断放大，可实现对单一典型用户的地图定位。
如图2和图3所示，用户负荷预测模块的具体方法如下：
计算流程：预测负荷计算方法采用日负荷平均法，该日负荷平均法包括3个步骤：数据选择、数据处理、结果修正，如下：
数据选择：当预测负荷日为工作日时，应从预测当日向前选择10天的历史负荷作为计算预测负荷的典型日，历史负荷不包括非工作日；当预测负荷日为非工作日时，应从预测当日向前选择对应时段4天的历史负荷作为计算预测负荷的典型日，历史负荷不包括工作日；
数据处理：根据选择的典型日96点负荷的平均值数据，作为预测日96点负荷值，即为未修正的预测日负荷；
结果修正：预测日负荷调整因子计算方法为：以18℃为中间值，典型日气温因子＝MAX(|最高气温-中间值|,|最低气温-中间值|)，预测日气温因子＝MAX(|最高气温-中间值|,|最低气温-中间值|)，调整因子＝1+(预测日气温因子-典型日气温因子)/100，调整因子取值限定为0.8-1.2，阈值可变化调整，用户预测负荷应根据计算出的未修正的预测负荷乘以调整因子得出；
对典型用户未来一周的负荷走势进行预测，采用周平均负荷预测、周峰负荷预测、周谷负荷预测和每日96点负荷预测相结合的方式进行展示，具体如下：
周平均负荷预测：展示该典型用户当前7天的每日实际平均负荷与未来7天的每日预测平均负荷；
周峰负荷预测：切换展示未来7天的峰负荷预测值；
周谷负荷预测：切换展示未来7天的峰负荷预测值；
每日96点负荷预测：取任一天的平均负荷，峰负荷、谷负荷，可直接获得该日的96点负荷值并展示。
如图4和图5所示，用户用电质量评价展示模块结合影响度、负荷特性、用电信用、成长特性四类因素，确立月最大负荷、月用电量、月负荷率、功率因数、契约限额考核、负载率、月最大负荷同比、月用电量同比的8个指标评价因子，分别构建用户模型指标评价体系和用户模型展示，其具体如下：
构建用户模型指标评价体系：
月最大负荷计算：
对参与排名的所有用户月最大负荷值进行排序，最大的排名第一，最小排名最后，当月无用电量的用户不参与排名，具体为，最大负荷值最大的得分最高，为20分；当月无用电的，为0分；当月有用电，但最大负荷值最低的为5分；其他用户则根据最大负荷排名，采用差值法进行评分计算，计算方法如下：
F＝Fmin+(Fmax-Fmin)*(1-(n-1)/m)(n>＝1)
其中：F为用户评分；Fmin为该项最低得分，该值为5；Fmax为该项的最高分值，该值为20；n为该用户目前所处排名，m为总的参与排名户数；
月用电量计算：
对参与排名的所有用户月用电量进行排序，用电量最大的排名第一，用电量最小排名最后，当月无用电量的用户不参与排名，具体为，月用电量最大的得分最高，为20分；当月无用电的，为0分，不参与排名；当月有用电，但用电量最低的为5分；其他用户根据月用电量排名，采用差值法进行评分计算，计算方法如下：
F＝Fmin+(Fmax-Fmin)*(1-(n-1)/m)(n>＝1)
其中：F为用户评分，Fmin为该项最低得分，该值为5；Fmax为该项的最高分值，该值为20；n为该用户目前所处排名，m为总的参与排名户数；
月负荷率计算：
对参与排名的所有用户月平均负荷率进行排序，月平均负荷率最大的排名第一，月平均负荷率最小排名最后，具体为，月平均负荷率最大的得分最高，为25分；月平均负荷率最低的得分最低，为0分；其他用户根据月平均负荷率排名，采用差值法进行评分计算，计算方法如下：
F＝Fmin+(Fmax-Fmin)*(1-(n-1)/m)(n>＝1)
若用户评分为F，则F计算方法如下：
其中：F为用户评分，Fmin为该项最低得分，该值为0；Fmax为该项的最高分值，该值为25；n为该用户目前所处排名，m为总的参与排名户数；
功率因数计算：
对参与排名的所有用户的功率因数进行排序，功率因数最大的排名第一，功率因数最小排名最后，具体为,功率因数最大的得分最高，为5分；功率因数最低的得分最小，为0分；其他用户根据功率因数大小排名，采用差值法进行评分计算，计算方法如下：
F＝Fmin+(Fmax-Fmin)*(1-(n-1)/m)(n>＝1)
其中：F为用户评分，Fmin为该项最低得分，该值为0；Fmax为该项的最高分值，该值为5；n为该用户目前所处排名，m为总的参与排名户数；
契约限额考核计算：
对参与排名的所有用户的契约限额考核绝对值按照数值大小进行排序，绝对值最小的排名第一，绝对值最大的排名最后，具体为,契约限额考核绝对值最小的得分最高，为5分；当月无用电记录的，契约限额考核为0分；当月有用电记录的，但契约限额考核绝对值最大的评分为2分；其他用户根据契约限额考核绝对值大小排名，采用差值法进行评分计算，计算方法如下：
F＝Fmin+(Fmax-Fmin)*(1-(n-1)/m)(n>＝1)
其中：若用户评分为F，则F计算方法如下：F＝Fmin+(Fmax-Fmin)*(1-(n-1)/m)(n>＝1)
其中：F为用户评分，Fmin为该项最低得分，该值为2；Fmax为该项的最高分值，该值为5；n为该用户目前所处排名，m为总的参与排名户数；
负载率计算：
负载率大于1的用户，为0分；负载率大于等于0.8小于等于1的用户，该项分值最高，为5分；其余用户采用差值法进行评分计算，计算方法如下：
F＝Fmin+(Fmax-Fmin)*(A-Amin)/(Amax-Amin)
其中：F为用户评分，Fmin为该项最低得分，该值为0；Fmax为该项的最高分值，该值为5；A为该用户当月负载率，Amin为参与排名用户中负载率最小值，Amax为参与排名用户中负载率最大值；
月最大负荷同比计算：
对参与排名的所有用户月最大负荷同比进行排序，月最大负荷同比最大的排名第一，月最大负荷同比最小排名最后，其具体为，月最大负荷同比最大的得分最高，为10分；当月无用电记录的，月最大负荷同比的得分0分；当月有用电记录，但值最小的评分为5分；其他用户根据月最大负荷同比排名，采用差值法进行评分计算，计算方法如下：
F＝Fmin+(Fmax-Fmin)*(1-(n-1)/m)(n>＝1)
其中：F为用户评分，Fmin为该项最低得分，该值为5；Fmax为该项的最高分值，该值为10；n为该用户目前所处排名，m为总的参与排名户数；
月用电量同比计算：
对参与排名的所有用户月用电量同比进行排序，月用电量同比最大的排名第一，月用电量同比最小排名最后，其具体为，月用电量同比最大的得分最高，为10分；当月无用电记录的，月用电量同比的得分0分；当月有用电记录，但值最小的评分为5分；其他用户根据月用电量排名，采用差值法进行评分计算，计算方法如下：
F＝Fmin+(Fmax-Fmin)*(1-(n-1)/m)(n>＝1)
其中：F为用户评分，Fmin为该项最低得分，该值为5；Fmax为该项的最高分值，该值为10；n为该用户目前所处排名，m为总的参与排名户数；
用户模型展示，包括以下:
用户评价展示：
对典型用户的用户模型评价结果进行展示，主要展示内容包括：
典型用户总评分，系统排名、行业排名；
单项像素评价结果展示：包括指标值、评分值、上月评分值、较上月分值上升下降情况、指标排名，该指标排名以超过行业内5％用户为准；
用户档案展示：
用户基础档案数据：展示典型用户的基础档案数据，展示内容用户基本信息、负控采集设备信息、账单信息；
用户地图定位：可查询该用户在地图上的实际定位情况；
用户照片：展示大门、天线、终端和变电站处共4张照片；
数据分析展示：
负荷走势分析：对典型用户的年度总用电负荷和月度总用电负荷进行走势分析以及年度、月度负荷走势分析功能；
负荷同比环比分析：优化负荷同比环比分析展示方式，通过柱状图方式清晰展现同比环比分析结果；
日电量同比环比分析：实现典型用户日电量的同比环比分析，通过柱状图方式清晰展现同比环比分析结果；
日电量展示：对峰电量、谷电量、平1电量、平2电量展示，采用柱状堆叠图对典型用户的日电量使用情况进行展示，其中，一个完整的堆叠柱代表该电表的总电量。
如图6所示(本实施例中为化工行业相关)典型行业用电模型分析模块分析展示了行业贡献率、日负荷走势分析、日负荷同比环比分析、日负荷率、日峰谷差、行业用户评分统计、用户负荷排行榜、用户评分排行榜，具体如下：
行业贡献率：
以行业所有用户的平均分为基础，对所有行业进行贡献度排名，以排名为基础，计算其超过多少行业；
日负荷走势分析：
对典型行业当日的96点负荷走势进行分析，并以曲线形式进行展示；
日负荷同比环比分析：
将典型行业当日的平均负荷与昨日、上月、去年同期的日平均负荷进行对比分析，确立该行业当日平均负荷与之相比上升/下降的百分比，从而掌握该典型行业当日负荷使用的合理度；
峰谷负荷分析：
展示典型行业的日负荷率、峰负荷、谷负荷以及日峰谷差；
典型行业热力地图：
通过热力地图对当前典型行业用户进行地图定位，地图缩小时，以颜色为渲染手段，用户密集的地方颜色加深显示，用户稀少的地方颜色淡化显示；而地图放大时可对单一用户进行定位显示，该层层递进的地图展示手段，可从总体上掌握用户的分布情况；
行业用户评分统计：
对当前行业中所有用户的评分情况进行统计，确立各类型用户占比；
用户评分排行榜：
对当前行业中所有用户按照评分进行排序，展示评分前15～20名用户，并将其排名与上月评分进行对比，展示排名上涨或下降情况；
用户负荷排行榜：
对当前行业中所有用户按照日平均负荷高低进行排序，展示日平均负荷前15～20名用户，并将其排名与昨日评分进行对比，展示其排名上涨或下降情况。
基础数据支撑模块，其具体包括以下：
用户负荷预测基础数据：
以用电负荷管理系统为基础，通过数据抽取，获取用户负荷预测所需基础数据，主要数据内容包括：电压、电流信息、负荷信息、计量装置信息；
用户日负荷基础数据：
以OMS调度系统为基础，通过数据抽取，获取所需日负荷基础数据以及全网96点负荷、总电量、峰电量、平1电量、平2电量和谷电量，且在此基础上，可通过计算得出的峰谷差、负荷率、峰负荷、谷负荷和平均负荷等相关数据；
用户模型基础数据：
以营销CMS出账数据为基础，通过数据抽取，获取负控展示所需数据，主要数据内容包括用户基本信息、负控采集设备信息、月度账单。
本发明的一种供电负荷管理用数据平台优化了现有地图展示方式、构建负荷预测模型、深层次刻画用户模型、深度挖掘行业用电行为、基础数据支撑的研究；本发明进一步对10KV及以上大用户的负荷、用电等信息进行提炼，挖掘更多有效信息，丰富负控系统的展示内容；且本发明可为电力企业负荷预测、削峰填谷工作提供理论支持，能够使电力用户深入了解负荷预测的方法和各典型行业的负荷特性，对用户来说有一定的参考意义。

Claims (6)

1.一种供电负荷管理用数据平台，其特征在于：
所述的供电负荷管理用数据平台由地图展示优化模块、用户负荷预测模块、用户用电质量评价展示模块、典型行业用电模型分析模块和基础数据支撑模块组成；
所述的地图展示优化模块根据热力图概念、热力图的绘制及地理信息系统中的热力图相关信息，结合地图展示方式，构建了热力地图，实现10KV及以上大用户的地图定位与分布展示；
所述的用户负荷预测模块基于大数据的电力用户负荷预测，采用需求响应系统中的预测模型对用户未来7天负荷进行预测；
所述的用户用电质量评价展示模块通过对客户数据的收集、客户信息模型的构建、确立评价因子、勾勒用户模型，从多角度、多层次刻画用户的用电质量模型，实现对用户的精准有效分类，并同步实现用户模型的分析展示；
所述的典型行业用电模型分析模块根据大用户负荷变化的特点，研究大用户负荷特性，在基于对钢铁、水泥、化纤、造纸等行业负荷特性深入研究的基础上，进行典型行业模型展示分析；
所述的基础数据支撑模块以用电负荷管理系统、调度系统和营销CMS系统出账数据为基础，进一步对10KV及以上大用户的负荷、用电等信息进行提炼，挖掘更多有效信息，进一步丰富负控系统的展示内容。
2.如权利要求1所述的一种供电负荷管理用数据平台，其特征在于，所述的地图展示优化模块的具体方法如下：
2.1)地图展示优化模块以颜色变化渲染大用户分布，具体为：利用颜色进行大用户分布密度渲染，数量多的地方颜色加深显示，数量少的地方用淡色显示，没有数据的用白色显示，根据人的视觉发展逻辑，采用层层递进的颜色渲染手段，使大用户集中的地区一目了然；
2.2)地图展示优化模块的典型用户地图定位，具体为：随着用户移动或者缩放地图，对应区域的用户密度分布也会动态显示，随着地图的不断放大，可实现对单一典型用户的地图定位。
3.如权利要求1所述的一种供电负荷管理用数据平台，其特征在于，所述的用户负荷预测模块的具体方法如下：
3.1)计算流程：预测负荷计算方法采用日负荷平均法，该日负荷平均法包括3个步骤：数据选择、数据处理、结果修正，如下：
3.11)数据选择：当预测负荷日为工作日时，应从预测当日向前选择10天的历史负荷作为计算预测负荷的典型日，历史负荷不包括非工作日；当预测负荷日为非工作日时，应从预测当日向前选择对应时段4天的历史负荷作为计算预测负荷的典型日，历史负荷不包括工作日；
3.12)数据处理：根据选择的典型日96点负荷的平均值数据，作为预测日96点负荷值，即为未修正的预测日负荷；
3.13)结果修正：预测日负荷调整因子计算方法为：以18℃为中间值，典型日气温因子＝MAX(|最高气温-中间值|,|最低气温-中间值|)，预测日气温因子＝MAX(|最高气温-中间值|,|最低气温-中间值|)，调整因子＝1+(预测日气温因子-典型日气温因子)/100，调整因子取值限定为0.8-1.2，阈值可变化调整，用户预测负荷应根据计算出的未修正的预测负荷乘以调整因子得出；
3.2)对典型用户未来一周的负荷走势进行预测，采用周平均负荷预测、周峰负荷预测、周谷负荷预测和每日96点负荷预测相结合的方式进行展示，具体如下：
3.21)周平均负荷预测：展示该典型用户当前7天的每日实际平均负荷与未来7天的每日预测平均负荷；
3.22)周峰负荷预测：切换展示未来7天的峰负荷预测值；
3.23)周谷负荷预测：切换展示未来7天的峰负荷预测值；
3.24)每日96点负荷预测：取任一天的平均负荷，峰负荷、谷负荷，可直接获得该日的96点负荷值并展示。
4.如权利要求1所述的一种供电负荷管理用数据平台，其特征在于，所述的用户用电质量评价展示模块结合影响度、负荷特性、用电信用、成长特性四类因素，确立月最大负荷、月用电量、月负荷率、功率因数、契约限额考核、负载率、月最大负荷同比、月用电量同比的8个指标评价因子，分别构建用户模型指标评价体系和用户模型展示，其具体如下：
4.1)构建用户模型指标评价体系：
4.11)月最大负荷计算：
对参与排名的所有用户月最大负荷值进行排序，最大的排名第一，最小排名最后，当月无用电量的用户不参与排名，具体为，最大负荷值最大的得分最高，为20分；当月无用电的，为0分；当月有用电，但最大负荷值最低的为5分；其他用户则根据最大负荷排名，采用差值法进行评分计算，计算方法如下：
F＝Fmin+(Fmax-Fmin)*(1-(n-1)/m)(n>＝1)
其中：F为用户评分；Fmin为该项最低得分，该值为5；Fmax为该项的最高分值，该值为20；n为该用户目前所处排名，m为总的参与排名户数；
4.12)月用电量计算：
对参与排名的所有用户月用电量进行排序，用电量最大的排名第一，用电量最小排名最后，当月无用电量的用户不参与排名，具体为，月用电量最大的得分最高，为20分；当月无用电的，为0分，不参与排名；当月有用电，但用电量最低的为5分；其他用户根据月用电量排名，采用差值法进行评分计算，计算方法如下：
F＝Fmin+(Fmax-Fmin)*(1-(n-1)/m)(n>＝1)
其中：F为用户评分，Fmin为该项最低得分，该值为5；Fmax为该项的最高分值，该值为20；n为该用户目前所处排名，m为总的参与排名户数；
4.13)月负荷率计算：
对参与排名的所有用户月平均负荷率进行排序，月平均负荷率最大的排名第一，月平均负荷率最小排名最后，具体为，月平均负荷率最大的得分最高，为25分；月平均负荷率最低的得分最低，为0分；其他用户根据月平均负荷率排名，采用差值法进行评分计算，计算方法如下：
F＝Fmin+(Fmax-Fmin)*(1-(n-1)/m)(n>＝1)
若用户评分为F，则F计算方法如下：
其中：F为用户评分，Fmin为该项最低得分，该值为0；Fmax为该项的最高分值，该值为25；n为该用户目前所处排名，m为总的参与排名户数；
4.14)功率因数计算：
对参与排名的所有用户的功率因数进行排序，功率因数最大的排名第一，功率因数最小排名最后，具体为,功率因数最大的得分最高，为5分；功率因数最低的得分最小，为0分；其他用户根据功率因数大小排名，采用差值法进行评分计算，计算方法如下：
F＝Fmin+(Fmax-Fmin)*(1-(n-1)/m)(n>＝1)
其中：F为用户评分，Fmin为该项最低得分，该值为0；Fmax为该项的最高分值，该值为5；n为该用户目前所处排名，m为总的参与排名户数；
4.15)契约限额考核计算：
对参与排名的所有用户的契约限额考核绝对值按照数值大小进行排序，绝对值最小的排名第一，绝对值最大的排名最后，具体为,契约限额考核绝对值最小的得分最高，为5分；当月无用电记录的，契约限额考核为0分；当月有用电记录的，但契约限额考核绝对值最大的评分为2分；其他用户根据契约限额考核绝对值大小排名，采用差值法进行评分计算，计算方法如下：
F＝Fmin+(Fmax-Fmin)*(1-(n-1)/m)(n>＝1)
其中：若用户评分为F，则F计算方法如下：F＝Fmin+(Fmax-Fmin)*(1-(n-1)/m)(n>＝1)
其中：F为用户评分，Fmin为该项最低得分，该值为2；Fmax为该项的最高分值，该值为5；n为该用户目前所处排名，m为总的参与排名户数；
4.16)负载率计算：
负载率大于1的用户，为0分；负载率大于等于0.8小于等于1的用户，该项分值最高，为5分；其余用户采用差值法进行评分计算，计算方法如下：
F＝Fmin+(Fmax-Fmin)*(A-Amin)/(Amax-Amin)
其中：F为用户评分，Fmin为该项最低得分，该值为0；Fmax为该项的最高分值，该值为5；A为该用户当月负载率，Amin为参与排名用户中负载率最小值，Amax为参与排名用户中负载率最大值；
4.17)月最大负荷同比计算：
对参与排名的所有用户月最大负荷同比进行排序，月最大负荷同比最大的排名第一，月最大负荷同比最小排名最后，其具体为，月最大负荷同比最大的得分最高，为10分；当月无用电记录的，月最大负荷同比的得分0分；当月有用电记录，但值最小的评分为5分；其他用户根据月最大负荷同比排名，采用差值法进行评分计算，计算方法如下：
F＝Fmin+(Fmax-Fmin)*(1-(n-1)/m)(n>＝1)
其中：F为用户评分，Fmin为该项最低得分，该值为5；Fmax为该项的最高分值，该值为10；n为该用户目前所处排名，m为总的参与排名户数；
4.18)月用电量同比计算：
对参与排名的所有用户月用电量同比进行排序，月用电量同比最大的排名第一，月用电量同比最小排名最后，其具体为，月用电量同比最大的得分最高，为10分；当月无用电记录的，月用电量同比的得分0分；当月有用电记录，但值最小的评分为5分；其他用户根据月用电量排名，采用差值法进行评分计算，计算方法如下：
F＝Fmin+(Fmax-Fmin)*(1-(n-1)/m)(n>＝1)
其中：F为用户评分，Fmin为该项最低得分，该值为5；Fmax为该项的最高分值，该值为10；n为该用户目前所处排名，m为总的参与排名户数；
4.2)用户模型展示，包括以下:
4.21)用户评价展示：
对典型用户的用户模型评价结果进行展示，主要展示内容包括：
4.21a)典型用户总评分，系统排名、行业排名；
4.21b)单项像素评价结果展示：包括指标值、评分值、上月评分值、较上月分值上升下降情况、指标排名，该指标排名以超过行业内5％用户为准；
4.22)用户档案展示：
4.22a)用户基础档案数据：展示典型用户的基础档案数据，展示内容用户基本信息、负控采集设备信息、账单信息；
4.22b)用户地图定位：可查询该用户在地图上的实际定位情况；
4.22c)用户照片：展示大门、天线、终端和变电站处共4张照片；
4.23)数据分析展示：
4.23a)负荷走势分析：对典型用户的年度总用电负荷和月度总用电负荷进行走势分析以及年度、月度负荷走势分析功能；
4.23b)负荷同比环比分析：优化负荷同比环比分析展示方式，通过柱状图方式清晰展现同比环比分析结果；
4.23c)日电量同比环比分析：实现典型用户日电量的同比环比分析，通过柱状图方式清晰展现同比环比分析结果；
4.23d)日电量展示：对峰电量、谷电量、平1电量、平2电量展示，采用柱状堆叠图对典型用户的日电量使用情况进行展示，其中，一个完整的堆叠柱代表该电表的总电量。
5.如权利要求1所述的一种供电负荷管理用数据平台，其特征在于，所述的典型行业用电模型分析模块分析展示了行业贡献率、日负荷走势分析、日负荷同比环比分析、日负荷率、日峰谷差、行业用户评分统计、用户负荷排行榜、用户评分排行榜，具体如下：
5.1)行业贡献率：
以行业所有用户的平均分为基础，对所有行业进行贡献度排名，以排名为基础，计算其超过多少行业；
5.2)日负荷走势分析：
对典型行业当日的96点负荷走势进行分析，并以曲线形式进行展示；
5.3)日负荷同比环比分析：
将典型行业当日的平均负荷与昨日、上月、去年同期的日平均负荷进行对比分析，确立该行业当日平均负荷与之相比上升/下降的百分比，从而掌握该典型行业当日负荷使用的合理度；
5.4)峰谷负荷分析：
展示典型行业的日负荷率、峰负荷、谷负荷以及日峰谷差；
5.5)典型行业热力地图：
通过热力地图对当前典型行业用户进行地图定位，地图缩小时，以颜色为渲染手段，用户密集的地方颜色加深显示，用户稀少的地方颜色淡化显示；而地图放大时可对单一用户进行定位显示，该层层递进的地图展示手段，可从总体上掌握用户的分布情况；
5.6)行业用户评分统计：
对当前行业中所有用户的评分情况进行统计，确立各类型用户占比；
5.7)用户评分排行榜：
对当前行业中所有用户按照评分进行排序，展示评分前15～20名用户，并将其排名与上月评分进行对比，展示排名上涨或下降情况；
5.8)用户负荷排行榜：
对当前行业中所有用户按照日平均负荷高低进行排序，展示日平均负荷前15～20名用户，并将其排名与昨日评分进行对比，展示其排名上涨或下降情况。
6.如权利要求1所述的一种供电负荷管理用数据平台，其特征在于，所述的基础数据支撑模块，其具体包括以下：
6.1)用户负荷预测基础数据：
以用电负荷管理系统为基础，通过数据抽取，获取用户负荷预测所需基础数据，主要数据内容包括：电压、电流信息、负荷信息、计量装置信息；
6.2)用户日负荷基础数据：
以OMS调度系统为基础，通过数据抽取，获取所需日负荷基础数据以及全网96点负荷、总电量、峰电量、平1电量、平2电量和谷电量，且在此基础上，可通过计算得出的峰谷差、负荷率、峰负荷、谷负荷和平均负荷等相关数据；
6.3)用户模型基础数据：
以营销CMS出账数据为基础，通过数据抽取，获取负控展示所需数据，主要数据内容包括用户基本信息、负控采集设备信息、月度账单。
CN201811574974.5A 2018-12-21 2018-12-21 一种供电负荷管理用数据平台 Pending CN109816145A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811574974.5A CN109816145A (zh) 2018-12-21 2018-12-21 一种供电负荷管理用数据平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811574974.5A CN109816145A (zh) 2018-12-21 2018-12-21 一种供电负荷管理用数据平台

Publications (1)

Publication Number Publication Date
CN109816145A true CN109816145A (zh) 2019-05-28

Family

ID=66602288

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811574974.5A Pending CN109816145A (zh) 2018-12-21 2018-12-21 一种供电负荷管理用数据平台

Country Status (1)

Country Link
CN (1) CN109816145A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110826778A (zh) * 2019-10-23 2020-02-21 上海电机学院 一种主动适应新能源发展的负荷特性优化计算方法
CN111061827A (zh) * 2019-12-30 2020-04-24 广东电网有限责任公司 一种配电网电能供需平衡热力图的构建方法
CN111221872A (zh) * 2019-12-30 2020-06-02 国网上海市电力公司 一种电力系统用负荷管理中心大数据平台及负荷管理方法
CN111861016A (zh) * 2020-07-24 2020-10-30 北京合众伟奇科技有限公司 电网预测售电量的汇总分析管理方法及管理系统
CN112001551A (zh) * 2020-08-25 2020-11-27 西安交通大学 一种基于大用户电量信息的地市电网售电量预测方法
WO2020252784A1 (zh) * 2019-06-21 2020-12-24 西门子股份公司 电力负荷数据的预测方法、装置及存储介质
CN112800564A (zh) * 2020-12-25 2021-05-14 深圳供电局有限公司 低压配网负荷热力图绘图方法、电力系统、计算机设备和存储介质
CN113901041A (zh) * 2021-11-04 2022-01-07 国网福建省电力有限公司经济技术研究院 一种基于预警规则的电力数据处理方法及系统
CN113946612A (zh) * 2021-09-28 2022-01-18 国网伊犁伊河供电有限责任公司 电网大工业可视化全景展示系统及方法
CN115829134A (zh) * 2022-12-08 2023-03-21 国网山东省电力公司临沂供电公司 面向源网荷不确定性的供电调度方法及系统
CN116166940A (zh) * 2023-04-24 2023-05-26 施维智能计量系统服务(长沙)有限公司 一种基于热力图的用户电力负荷时间特性分类识别方法
CN116776096A (zh) * 2023-05-19 2023-09-19 华北电力大学（保定） 一种重要用户用电量特征描述分析方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105678398A (zh) * 2015-12-24 2016-06-15 国家电网公司 基于大数据技术的电力负荷预测方法及基于该方法的研究应用系统
CN106570783A (zh) * 2016-10-27 2017-04-19 国网江苏省电力公司 一种基于大数据思维的客户用电行为分析模型
CN108448575A (zh) * 2018-04-02 2018-08-24 广州供电局有限公司 配电网电力负荷分析方法和系统、计算机存储介质及设备
US20180253651A1 (en) * 2017-03-01 2018-09-06 Facebook, Inc. Data transmission between two systems to improve outcome predictions
CN108898246A (zh) * 2018-06-19 2018-11-27 深圳供电局有限公司 一种基于电力系统的负荷预测管理系统
CN108959424A (zh) * 2018-06-11 2018-12-07 长春电力设计有限公司 一种用于电力系统负荷监测的城市用电地图的操作方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105678398A (zh) * 2015-12-24 2016-06-15 国家电网公司 基于大数据技术的电力负荷预测方法及基于该方法的研究应用系统
CN106570783A (zh) * 2016-10-27 2017-04-19 国网江苏省电力公司 一种基于大数据思维的客户用电行为分析模型
US20180253651A1 (en) * 2017-03-01 2018-09-06 Facebook, Inc. Data transmission between two systems to improve outcome predictions
CN108448575A (zh) * 2018-04-02 2018-08-24 广州供电局有限公司 配电网电力负荷分析方法和系统、计算机存储介质及设备
CN108959424A (zh) * 2018-06-11 2018-12-07 长春电力设计有限公司 一种用于电力系统负荷监测的城市用电地图的操作方法
CN108898246A (zh) * 2018-06-19 2018-11-27 深圳供电局有限公司 一种基于电力系统的负荷预测管理系统

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020252784A1 (zh) * 2019-06-21 2020-12-24 西门子股份公司 电力负荷数据的预测方法、装置及存储介质
US11831160B2 (en) 2019-06-21 2023-11-28 Siemens Aktiengesellschaft Power load data prediction method and device, and storage medium
CN113853624A (zh) * 2019-06-21 2021-12-28 西门子股份公司 电力负荷数据的预测方法、装置及存储介质
CN110826778A (zh) * 2019-10-23 2020-02-21 上海电机学院 一种主动适应新能源发展的负荷特性优化计算方法
CN110826778B (zh) * 2019-10-23 2023-07-07 上海电机学院 一种主动适应新能源发展的负荷特性优化计算方法
CN111061827B (zh) * 2019-12-30 2023-04-18 广东电网有限责任公司 一种配电网电能供需平衡热力图的构建方法
CN111061827A (zh) * 2019-12-30 2020-04-24 广东电网有限责任公司 一种配电网电能供需平衡热力图的构建方法
CN111221872A (zh) * 2019-12-30 2020-06-02 国网上海市电力公司 一种电力系统用负荷管理中心大数据平台及负荷管理方法
CN111861016A (zh) * 2020-07-24 2020-10-30 北京合众伟奇科技有限公司 电网预测售电量的汇总分析管理方法及管理系统
CN111861016B (zh) * 2020-07-24 2024-03-29 北京合众伟奇科技股份有限公司 电网预测售电量的汇总分析管理方法及管理系统
CN112001551B (zh) * 2020-08-25 2023-08-04 西安交通大学 一种基于大用户电量信息的地市电网售电量预测方法
CN112001551A (zh) * 2020-08-25 2020-11-27 西安交通大学 一种基于大用户电量信息的地市电网售电量预测方法
CN112800564B (zh) * 2020-12-25 2023-06-02 深圳供电局有限公司 低压配网负荷热力图绘图方法、电力系统、计算机设备和存储介质
CN112800564A (zh) * 2020-12-25 2021-05-14 深圳供电局有限公司 低压配网负荷热力图绘图方法、电力系统、计算机设备和存储介质
CN113946612A (zh) * 2021-09-28 2022-01-18 国网伊犁伊河供电有限责任公司 电网大工业可视化全景展示系统及方法
CN113901041A (zh) * 2021-11-04 2022-01-07 国网福建省电力有限公司经济技术研究院 一种基于预警规则的电力数据处理方法及系统
CN115829134A (zh) * 2022-12-08 2023-03-21 国网山东省电力公司临沂供电公司 面向源网荷不确定性的供电调度方法及系统
CN115829134B (zh) * 2022-12-08 2023-10-10 国网山东省电力公司临沂供电公司 面向源网荷不确定性的供电调度方法及系统
CN116166940A (zh) * 2023-04-24 2023-05-26 施维智能计量系统服务(长沙)有限公司 一种基于热力图的用户电力负荷时间特性分类识别方法
CN116776096A (zh) * 2023-05-19 2023-09-19 华北电力大学（保定） 一种重要用户用电量特征描述分析方法及装置

Similar Documents

Publication Publication Date Title
CN109816145A (zh) 一种供电负荷管理用数据平台
Badi et al. Optimal site selection for sitting a solar park using a novel GIS-SWA’TEL model: A case study in Libya
Ford et al. Emerging energy transitions: PV uptake beyond subsidies
Buchholz et al. Multi criteria analysis for bioenergy systems assessments
Özkale et al. Decision analysis application intended for selection of a power plant running on renewable energy sources
Pieńkowski Rethinking the concept of prosuming: A critical and integrative perspective
St-Jacques et al. Spatially and temporally sensitive consumption-based emission factors from mixed-use electrical grids for building electrical use
Han et al. Granular-computing based hybrid collaborative fuzzy clustering for long-term prediction of multiple gas holders levels
Singh et al. A novel hybrid approach to allocate renewable energy sources in distribution system
Ayodele et al. Electrical energy poverty among micro-enterprises: Indices estimation approach for the city of Ibadan, Nigeria
Alipour et al. Energy storage facilities impact on flexibility of active distribution networks: Stochastic approach
Hackbarth et al. What motivates private households to participate in energy communities? A literature review and German case study
Gutierrez-Lopez et al. Characterising the flexibility of electric vehicle charging strategies: a systematic review and assessment
Shetwan et al. Using analytical hierarchy process to select the best power generation technology in Libya
Imran et al. Effectiveness of zonal congestion management in the European electricity market
Gasca et al. Energy communities typologies and performances: Impact of members configurations, system size and management
Schenler et al. Final report on sustainability assessment of advanced electricity supply options
Bauknecht With Agrivoltaics Cooperatives towards Electricity Self-Sufficient Villages in Germany?
Chen et al. Reconsidering the smart metering data collection frequency for distribution state estimation
Vasquez-Arnez et al. A methodology for electrical energy forecast and its spatial allocation over developing boroughs
Desthieux et al. Solar governance for the transborder agglomeration of the Greater Geneva based on the solar cadaster development
Makropoulos et al. A multi-objective evolutionary programming approach to the ‘object location’spatial analysis and optimisation problem within the urban water management domain
CN116433110A (zh) 一种营销网格化构建方法
BOLOGA et al. A MODEL FOR PREDICTING FUTURE DEMAND FOR ICT SPECIALISTS IN ROMANIA.
Zemene et al. Survey on machine learning based electric consumption forecasting using smart meter data

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: 20190528

RJ01 Rejection of invention patent application after publication