TW201820246A - 取得用電戶之負載運作機率之方法及取得用電戶群組之負載運作機率之方法 - Google Patents
取得用電戶之負載運作機率之方法及取得用電戶群組之負載運作機率之方法 Download PDFInfo
- Publication number
- TW201820246A TW201820246A TW105138520A TW105138520A TW201820246A TW 201820246 A TW201820246 A TW 201820246A TW 105138520 A TW105138520 A TW 105138520A TW 105138520 A TW105138520 A TW 105138520A TW 201820246 A TW201820246 A TW 201820246A
- Authority
- TW
- Taiwan
- Prior art keywords
- load
- information
- probability
- time
- obtaining
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- 230000005611 electricity Effects 0.000 claims description 115
- 239000002245 particle Substances 0.000 claims description 11
- 235000012054 meals Nutrition 0.000 claims description 6
- 230000001932 seasonal effect Effects 0.000 claims description 5
- 238000005406 washing Methods 0.000 claims 2
- 230000006399 behavior Effects 0.000 description 23
- 238000005259 measurement Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 238000010606 normalization Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 5
- 230000003190 augmentative effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009408 flooring Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 235000015096 spirit Nutrition 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000002759 z-score normalization 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2639—Energy management, use maximum of cheap power, keep peak load low
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Automation & Control Theory (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本發明係一種取得用電戶之負載運作機率之方法及取得用電戶群組之負載運作機率之方法，係取得用電戶之負載資訊及總用電資訊或用電戶群組之負載資訊及用電戶群組總用電資訊，在取得用戶或用戶群組之時間區間用電資訊後，以演算法計算取得用電戶或用電戶群組之負載之運作機率。
Description
本發明係有關於一種取得負載之運作機率之方法，特別係有關於依據用電戶之負載資訊、行為資訊、特徵資訊及總用電資訊取得負載之運作機率之取得用電戶之負載之運作機率之方法及取得用電戶群組之負載運作機率之方法。
由於環保教育的普及化以及自然科學不斷的提出，地球環境已經超出負荷的警告，現今社會中，各個先進國家國民的環境保育意識及節能意識高漲，各國積極的在尋找可以取代火力發電及核能發電的綠色能源，因此，有關風力發電、太陽能發電、地熱發電、潮汐發電等等的技術也在不斷的發展並改良。
各國政府在發展綠色能源之外更大力的推動減能減碳運動，以居家用電為例，根據美國2008年的統計，居家的用電量約占總用電量的37%，且大多數民眾的用電習慣不佳卻不自覺，時常造成電力的浪費。因此，若是能了解民眾於家中的用電習慣並使之改善，即能有效的達到節能減碳的目的。
然而，目前多數用電戶所使用的電表為傳統電表，其只能提供用電戶上一個月或是一段時間後統計的總用電量，再透過比對上一個月即前一個月的總用電量或是去年同期的總用電量，使用電戶得知用電況狀是否有所改善用。
雖然有許多先進國家已經開始以新式的智慧型電表汰換傳統電表，然而，智慧型電表雖然可以即時的知道用電戶目前的用電量，但較難有效地確認用電戶之電器運作情形，以進一步的分析用電戶的用電行為，並進行節能規劃與管理。
為了分析用電戶的用電行為，現今所採用的方式多為侵入式的負載運作偵測，在使用侵入式的負載運作偵測的情況下，需要再用電戶的每一個負載(亦即電器)上安裝額外的量測裝置或感測元件，以這些量測裝置或感測元件所取得的資訊判斷個別負載是處於開啟還是關閉之狀態，這樣的方式雖然可以有效的取得用電戶之負載運作狀態，但是建置成本高昂，且維護不易，較難以推廣至各用電戶中，使得以侵入式的方式取得用戶之負載運作狀況的方法不亦普及化。
因此，勢必要有一種方法可以在非侵入式情況下取得用電戶之負載的運作情形。
本發明之主要目的，係提供一種取得用電戶之負載之運作機率之方法，藉由用電戶之負載資訊及總用電資訊計算取得用電戶之負載之運作機率。
為達上述之指稱之各目的與功效，本發明之一實施例係揭示一種取得用電戶之負載之運作機率之方法，其步驟包含：取得用電戶之複數個負載資訊及於時間內取得該些負載資訊之總用電資訊，於上述時間切割複數個時間區間計算取得複數個時間區間用電資訊，計算該些個時間區間用電資訊及該些負載資訊取得該些負載資訊分別對應之負載之第一運作機率。
於本發明之一實施例中，其中依據該些個時間區間用電資訊、行為資訊及該些負載資訊計算取得該些負載資訊分別對應之負載之第一運作機率。
於本發明之一實施例中，其中依據該些個時間區間用電資訊、特徵資訊及該些負載資訊計算取得該些負載資訊分別對應之負載之第一運作機率。
於本發明之一實施例中，其中依據該些個時間區間用電資訊、行為資訊、特徵資訊及該些負載資訊計算取得該些負載資訊分別對應之負載之第一運作機率。
於本發明之一實施例中，其中以單粒子演算法或雙粒子演算法計算取得負載之第一運作機率。
於本發明之一實施例中，其中當以複數個演算法計算取得該第一運作機率時，該方法更包含：以該些演算法計算該些個時間區間用電資訊及該些負載資訊分別取得該些負載資訊分別對應之負載之第一運作機率，將每一該負載之第一運作機率分別乘以對應取得負載之第一運作機率之演算法之權重值計算取得複數個加權後之負載之運作機率，依據該些個加權後之負載之運作機率取得該些負載之第二運作機率。
於本發明之一實施例中，其中於以用電資訊及時間區間計算取得該些個時間區間用電資訊之步驟後，該方法更包含：正規化該些個時間區間用電資訊，正規化該些負載資訊。
於本發明之一實施例中，其中負載資訊為負載之運作功率值。
於本發明之一實施例中，其中該些負載為不同功率之負載。
此外，本發明提供另一種取得用電戶群組之負載之運作機率之方法，其步驟包含：取得複數個用電戶群組各自之複數個負載資訊及於一時間內取得該些負載資訊之群組總用電資訊，於上述時間切割複數個時間區間計算取得複數個時間區間用電資訊，計算該些個時間區間用電資訊及該些負載資訊取得該些負載資訊分別對應之負載之第一運作機率。
為使 貴審查委員對本發明之特徵及所達成之功效有更進一步之瞭解與認識，謹佐以較佳之實施例及配合詳細之說明，說明如後：
先前之技術中，使用侵入式的用電戶之負載之運作偵測需要耗費較高的成本且維護不易，因此本發明提出一種依據用電戶之負載資訊、行為資訊、特徵資訊及總用電資訊取得負載之運作機率之取得用電戶之負載之運作機率之方法。
在此說明本發明之第一實施例之取得用電戶之負載之運作機率之方法之流程，請參閱第一圖，其係為本發明之第一實施例之取得用電戶之負載之運作機率之方法之流程圖。如圖所示，本實施例之取得用電戶之負載之運作機率之方法其步驟包含：
步驟S1：取得負載資訊及總用電資訊；
步驟S3：取得時間區間用電資訊；以及
步驟S5：取得第一運作機率。
接著說明為達成本發明之第一實施例之取得用電戶之負載之運作機率之方法所需之系統，請參閱第二圖，其係為本發明之第一實施例之取得用電戶之負載之運作機率之方法之系統示意圖。如圖所示，本發明之取得用電戶之負載之運作機率之方法所需之系統包含：一用電戶1、一量測單元3及一伺服裝置5，用電戶1包含有一第一負載101及一第二負載103。
上述之伺服裝置5可為智慧型手機、個人數位助理(PDA)、平板電腦、筆記型電腦、桌上型電腦、伺服器主機、工作站等電子裝置。
上述之第一負載101及第二負載103可為用電戶1所擁有之電器設備，例如電腦、電視、電冰箱、微波爐、電磁爐、冷氣等。
上述之量測單元3為可量測用電戶1於一時間內總用電量之量測單元，例如智慧型電表。舉例而言，量測單元3可每10分鐘取得用電戶1之總用電量，並透過有線或無線之方式將所量測到之用電戶1之總用電量發送至伺服裝置5。
以下將說明本發明之第一實施例之取得用電戶之負載之運作機率之方法執行時之流程，請參閱第一圖及第二圖。當要取得用電戶之負載之運作機率時，執行步驟S1至步驟S5。
於步驟S1中，取得負載資訊及總用電資訊，伺服裝置5取得用電戶1之第一負載101之負載資訊及第二用載103之負載資訊以及用電戶1於一時間內第一負載101及第二負載103之一總用電資訊，其中負載資訊為負載之運作功率。換言之，總用電資訊為透過量測單元3所取得之於一時間內用電戶1之複數個負載之一總用電量。上述之總用電資訊可為用電戶1之每15分鐘用電資訊、用電戶1之一日負載曲線等。
於步驟S3中，取得時間區間用電資訊，伺服裝置5將上述之時間切割成複數個時間區間，並依據該些個時間區間及總用電資訊取得對應每一時間區間之時間區間用電資訊，換言之，時間區間用電資訊為複數個。詳而言之，當所取得之總用電資訊為一日總用電資訊時，其時間即為一日，當以小時為單位切割時即將該時間切割成24個時間區間。上述之該時間亦可以為一小時、十小時、一星期、二星期、一個月等。
上述之時間區間用電資訊為對應之時間區間內所對應之總用電資訊之用電資訊平均值。舉例而言，時間區間為1小時，該時間為一日且量測單元3每10分鐘發送一次用電資訊至伺服裝置5時，時間區間內所對應之總用電資訊中有6筆用電資訊，伺服裝置5即將此6筆用電資訊進行平均後即取得時間區間用電資訊。平均之算法可為算術平均數、調和平均數、幾何平均數或是加權平均數等。
伺服裝置5於取得時間區間用電資訊後以一正規化演算法(Normalization Algorithms)取得正規化後之時間區間用電資訊，除此之外，伺服裝置亦以正規化演算法取得正規化後之第一負載101之負載資訊及正規化後之第二負載103之負載資訊。上述之正規化演算法可為Min-max正規化(Min-max Normalization)、log函數轉換正規化、Z-score正規化(Zero-mean Normalization)等。
於本發明之一實施例中，每一時間區間不相等，亦即可將該時間以不同時間區間進行切割，例如，當該時間為一日時，可先以小時為單位切割該時間前12小時取得12個時間區間，再以30分鐘為單元切該時間後12小時取得24個時間區間。
於步驟S5中，取得第一運作機率，伺服裝置5計算時間區間用電資訊、第一負載101之負載資訊及第二負載105之負載資訊以取得該些負載資訊分別對應之負載之第一運作機率。進一步的說，由於時間區間用電資訊會近似於第一負載101之負載資訊及第二負載103之負載資訊之和，因此可取得公式：其中W為時間區間用電資訊，Pi
為第i個負載之第一運作機率，Wi
為第i個負載之負載資訊。上述之公式是以用電戶包1含有第一負載101及第二負載103為例，當用電戶1包含有N個負載時，其公式為：由於負載之負載資訊、時間區間用電資訊皆為已知數，因此可藉由演算法計算取得每一負載所對應之第一運作機率，在本實施例中，負載所對應之第一運作機率即表示此負載在這個時間區間中運作的機率。上述之演算法為單粒子演算(例如：爬山演算法(Hill-Climbing Algorithms)、模擬退火法(Simulated annealing Algorithms)或其他單粒子演算法)或雙粒子演算法(例如：遺傳演算法(Genetic Algorithm)、粒子群演算法(Particle Swarm Optimization Algorithms)、蟻群演算法(Ant Colony Optimization Algorithms)或其他雙粒子演算法)。於此，即完成本發明之第一實施例之第一實施例之取得用電戶之負載之運作機率之方法，藉由本實施例，可以以非侵入式的方式計算取得用電戶1之每一負載之運作機率，由於不用於每一個負載上都加裝偵測單元，故，使用本實施例在進行負載運作機率分析時具有比使用侵入式之負載運作偵測較低的建置成本。
於本發明之一實施例中，於步驟S1更會取得用電戶1之一行為資訊，用電戶1之行為資訊可為上班日/非上班日時間、娛樂時間、用餐時間、盥洗時間、就寢時間或其他生活時間其中之一或多者之組合。
在於步驟S1更會取得用電戶1之行為資訊的情況下，於步驟S5，於伺服裝置5則會計算時間區間用電資訊、行為資訊及該些負載資訊取得該些負載資訊分別對應之負載之第一運作機率。當用電戶1包含有N個負載時，其公式為：其中，為各負載運作機率之權重值，其公式為：其中，為行為資訊對負載運作影響之機率，當行為資訊有n個時，a則為：由於在不同的時間中，用電戶1之行為對不同之負載之運作機率會有不同的影響，例如說，當時間區間用電資訊所對應之時間為下班後的用餐時間時，用電戶1之行為資訊中之用餐資訊對於微波爐、電磁爐等負載會有較高之影響因此PB
較高，而對於電視遊樂器等負載會有較低之影響因此PB
較低。換言之，可依據不同時間點、不同行為資訊調整每一負載各自之運作機率之權重值。藉由本實施例，可以更進一步的提升所取得之第一機率值之準確度，並加快計算第一運作機率時之收斂速度。
於本發明之一實施例中，於步驟S1更會取得用電戶1之一特徵資訊，用電戶1之特徵資訊可為季節特徵、氣溫特徵、居住地特徵、建築特徵(例如：樓地板面積、房間數、建材等建築物之特徵)、用電戶特徵(例如：用電戶之家庭人口、用電戶之收入等)或用電量特徵(例如：平均每日用電量、平均負載、平均尖峰負載平均負載率等)其中之一或多個組合。
在於步驟S1更會取得用電戶1之特徵資訊的情況下，於步驟S5，於伺服裝置5則會計算時間區間用電資訊、行為資訊及特徵資訊及該些負載資訊取得該些負載資訊分別對應之負載之第一運作機率。當用電戶1包含有N個負載時，其公式為：其中，為各負載運作機率之權重值，其公式為：其中，為特徵資訊對負載運作影響之機率，當特徵資訊有n個時，則為：用電戶1之特徵亦會影響負載之運作機率，例如說，用電戶1之特徵資訊中之氣溫特徵對於冷氣機、電風扇等負載會有較高之影響因此PF
較高。換言之，可依據用電戶1之特徵資訊調整每一負載各自之運作機率之權重值。藉由本實施例，可以更進一步的提升所取得之第一機率值之準確度，並加快計算第一運作機率時之收斂速度。
於本發明之一實施例中，於步驟S1更會取得用電戶1之一特徵資訊及一行為資訊。
在於步驟S1更會取得用電戶1之特徵資訊的情況下，於步驟S5，於伺服裝置5則會計算時間區間用電資訊、特徵資訊、行為資訊及該些負載資訊取得該些負載資訊分別對應之負載之第一運作機率。當用電戶1包含有N個負載時，其公式為：其中，為各負載運作機率之權重值，其公式為：其中，當特徵資訊有n個且行為資訊有m個時，則為：藉由本實施例，可以同時考量行為及特徵對負載運作機率之影響。可以更進一步的提升所取得之第一機率值之準確度，並加快計算第一運作機率時之收斂速度。
接著說明本發明之第二實施例之取得用電戶之負載之運作機率之方法之流程，請參閱第三圖，其係為本發明之第二實施例之取得用電戶之負載之運作機率之方法之流程圖。如圖所示，本實施例與第一實施例之差異在於於本實施例中更包含步驟S7及步驟S9。
於本實施例中，於步驟S5，伺服裝置5以複數個演算法分別計算取得第一負載101之第一運作機率及第二負載103之第一運作機率。換言之，於步驟S5中，伺服裝置5會取得第一負載101之複數個第一運作機率及第二負載103之複數個第一運作機率，第一負載101之每一第一運作機率分別對應一演算法，第二負載103之每一第一運作機率分別對應一演算法。
於步驟S7，取得加權後之運作機率，伺服裝置5將第一負載101之每一第一運作機率分別乘以對應之演算法之一權重值計算取得第一負載101之複數個加權後之第一負載之運作機率，並將第二負載103之每一第一運作機率分別乘以對應之演算法之一權重值計算取得第二負載103之複數個加權後之第一負載之運作機率。
於步驟S9，取得第二運作機率，伺服裝置5依據複數個加權後之第一負載101之運作機率及複數個加權後之第二負載103之運作機率以一最佳化輔助策略演算法(例如：增廣式拉格朗日算法(Augmented Lagrangian Method))取得第一負載101之第二運作機率及第二負載103之第二運作機率。藉由本實施例，可以以多個演算法分別取得每一負載之第一運作機率後，透過加權法及最佳化輔助策略，取得每一負載之第二運作機率。本實施例相較於使用單一演算法之第一實施例，於本實施例中所得出之第二運作機率可有更佳之準確度。
於本發明之一實施例中，第一負載101及第二負載103之運作功率不同。
在此說明本發明之第三實施例之取得用電戶群組之負載之運作機率之方法之流程，請參閱第四圖，其係為本發明之第三實施例之取得用電戶群組之負載之運作機率之方法之流程圖。如圖所示，本實施例取得用電戶群組之負載之運作機率之方法其步驟包含：
步驟S21：用電戶分群；
步驟S23：取得負載資訊及總用電資訊；
步驟S25：取得時間區間用電資訊；以及
步驟S27：取得第一運作機率。
接著說明為達成本發明之第三實施例之取得用電戶群組之負載之運作機率之方法所需之系統，請參閱第五A圖，其係為本發明之第三實施例之取得用電戶群組之負載之運作機率之方法之系統示意圖。如圖所示，本發明之取得用電戶群組之負載之運作機率之方法所需之系統包含：一用電戶11連接一量測單元31、一用電戶12連接一量測單元32、一用電戶13連接一量測單元33、一用電戶14連接一量測單元34、一用電戶15連接一量測單元35、及一伺服裝置5。用電戶11~用電戶15皆分別包含複數個負載。
以下將說明本發明之第三實施例之取得用電戶群組之負載之運作機率之方法執行時之流程，請參閱第四圖及第五A圖。當要取得用電戶群組之負載之運作機率時，執行步驟S21至步驟S27。
於步驟S21，用電戶分群，伺服裝置5依據用電戶11~用電戶15各自之行為資訊或/及特徵資訊或及/負載資訊或/及總用電資訊以一分群演算法進行分群，如第五B圖所示，伺服裝置5將用電戶11、用電戶12及用電戶13分至用電戶群組7，用電戶14及用電戶15則分至用電戶群組9。上述之分群演算法可為K-平均演算法(K-mean Algorithms)、階層式群聚演算法(Hierarchical clustering Algorithms)或是其他分群演算法。
於步驟S23，取得負載資訊及總用電資訊，伺服裝置5取得用電戶群組之複數個負載資訊，由於是透過分群演算法進行分群，因此同一群組中之每一用電戶會有相近之負載，故，其負載資訊亦會相似。伺服裝置5依據用電戶群組中之每一用電戶之總用電資訊計算取得一時間內群組總用電資訊，其中伺服裝置5是取平均值之方式計算取得群組總用電資訊。伺服裝置5以正規化演算法，計算取得正規化後之負載資訊及正規化後之群組總用電資訊。
於步驟S25，取得時間區間用電資訊，伺服裝置5將上述之時間切割成複數個時間區間，並依據該些個時間區間及群組總用電資訊取得對應每一時間區間之時間區間用電資訊。
於步驟S27，取得第一運作機率，伺服裝置5依據用電戶群組之時間區間用電資訊、負載資訊計算取得用電戶群組中該些負載資訊分別對應之負載之第一運作機率。
於本發明之一實施例，於步驟S27，伺服裝置5依據用電戶群組之時間區間用電資訊、用電戶群組之負載資訊、用電戶群組之特徵資訊計算取得用電戶群組中該些負載資訊分別對應之負載之第一運作機率。
於本發明之一實施例，於步驟S27，伺服裝置5依據用電戶群組之時間區間用電資訊、用電戶群組之負載資訊及用電戶群組之行為資訊計算取得用電戶群組中該些負載資訊分別對應之負載之第一運作機率。
於本發明之一實施例，於步驟S27，伺服裝置5依據用電戶群組之時間區間用電資訊、用電戶群組之負載資訊、用電戶群組之特徵資訊及用電戶群組之行為資訊計算取得用電戶群組中該些負載資訊分別對應之負載之第一運作機率。
由於用電戶數量較多，若是以每一用電戶分別計算負載之運作機率，則會花上許多運算時間及運算資源因此，本實施例提出先將相似之用電戶分成用電戶群組，以降低運算時間及運算資源。
接著說明本發明之第四實施例之取得用電戶群組之負載之運作機率之方法之流程，請參閱第六圖，其係為本發明之第四實施例之取得用電戶群組之負載之運作機率之方法之流程圖。如圖所示，本實施例與第三實施例之差異在於於本實施例中更包含步驟S29及步驟S211。
於本實施例中，於步驟S27，伺服裝置5以複數個演算法分別計算取得每一負載之複數個第一運作機率，每一第一運作機率分別對應一演算法。
於步驟S29，取得加權後之運作機率，伺服裝置5將每一負載之每一第一運作機率分別乘以對應之演算法之一權重值計算取得每一負載之複數個加權後之第一負載之運作機率。
於步驟S211，取得第二運作機率，伺服裝置5依據每一負載之複數個加權後之第一負載之運作機率以一最佳化輔助策略演算法(例如：增廣式拉格朗日算法(Augmented Lagrangian Method))取得每一負載之第二運作機率。藉由本實施例，可以以多個演算法分別取得每一負載之第一運作機率後，透過加權法及最佳化輔助策略，取得每一負載之第二運作機率。本實施例相較於使用單一演算法之第三實施例，於本實施例中所得出之第二運作機率可有更佳之準確度。
惟以上所述者，僅為本發明之較佳實施例而已，並非用來限定本發明實施之範圍，舉凡依本發明申請專利範圍所述之形狀、構造、特徵及精神所為之均等變化與修飾，均應包括於本發明之申請專利範圍內。
本發明係實為一具有新穎性、進步性及可供產業利用者，應符合我國專利法所規定之專利申請要件無疑，爰依法提出發明專利申請，祈 鈞局早日賜准專利，至感為禱。
1‧‧‧用電戶
101‧‧‧第一負載
103‧‧‧第二負載
11‧‧‧用電戶
12‧‧‧用電戶
13‧‧‧用電戶
14‧‧‧用電戶
15‧‧‧用電戶
3‧‧‧量測單元
31‧‧‧量測單元
32‧‧‧量測單元
33‧‧‧量測單元
34‧‧‧量測單元
35‧‧‧量測單元
5‧‧‧伺服裝置
7‧‧‧用電戶群組
9‧‧‧用電戶群組
第一圖：其係為本發明之第一實施例之取得用電戶之負載之運作機率之方法之流程圖； 第二圖：其係為本發明之第一實施例之取得用電戶之負載之運作機率之方法之系統示意圖； 第三圖：其係為本發明之第二實施例之取得用電戶之負載之運作機率之方法之流程圖； 第四圖：其係為本發明之第三實施例之取得用電戶群組之負載之運作機率之方法之流程圖； 第五A圖：其係為本發明之第三實施例之取得用電戶群組之負載之運作機率之方法之系統示意圖； 第五B圖：其係為本發明之第三實施例之取得用電戶群組之負載之運作機率之方法之系統示意圖，用以表示將用電戶分成用電戶群組；以及 第六圖：其係為本發明之第四實施例之取得用電戶群組之負載之運作機率之方法之流程圖。
Claims (18)
- 一種取得用電戶之負載之運作機率之方法，其步驟包含： 取得一用電戶之複數個負載資訊及於一時間內取得該些個負載資訊之一總用電資訊； 於該時間切割複數個時間區間計算取得複數個時間區間用電資訊；以及 計算該些個時間區間用電資訊及該些個負載資訊取得該些個負載資訊分別對應之一負載之一第一運作機率。
- 如專利申請範圍第1項所述之取得用電戶之負載運作機率之方法，其中於取得該用電戶之該些個負載資訊及於該時間內取得該些個負載資訊之該總用電資訊之步驟中，更進一步的取得該用電戶之一行為資訊，於計算該第一運作機率時，更依據該些個時間區間用電資訊、該行為資訊及該些負載資訊計算取得該些負載資訊分別對應之該負載之該第一運作機率； 其中，該行為資訊可為上班日/非上班日時間、娛樂時間、用餐時間、盥洗時間、就寢時間或其他生活時間其中之一或多者之組合。
- 如專利申請範圍第1項所述之取得用電戶之負載運作機率之方法，其中於取得該用電戶之該些個負載資訊及於該時間內取得該些個負載資訊之該總用電資訊之步驟中，更進一步的取得該用電戶之一特徵資訊，於計算該第一運作機率時，更依據該些個時間區間用電資訊、該特徵資訊及該些負載資訊計算取得該些負載資訊分別對應之該負載之該第一運作機率； 其中，該特徵資訊可為季節特徵、氣溫特徵、居住地特徵、建築特徵、用電戶特徵或用電量特徵其中之一或多個組合。
- 如專利申請範圍第1項所述之取得用電戶之負載運作機率之方法，其中於取得該用電戶之該些個負載資訊及於該時間內取得該些個負載資訊之該總用電資訊之步驟中，更進一步的取得該用電戶之一行為資訊及一特徵資訊，於計算該第一運作機率時，更依據該些個時間區間用電資訊、該行為資訊、該特徵資訊及該些負載資訊計算取得該些負載資訊分別對應之該負載之該第一運作機率； 其中，該行為資訊可為上班日/非上班日時間、娛樂時間、用餐時間、盥洗時間、就寢時間或其他生活時間其中之一或多者之組合； 其中，該特徵資訊可為季節特徵、氣溫特徵、居住地特徵、建築特徵、用電戶特徵或用電量特徵其中之一或多個組合。
- 如專利申請範圍第1項所述之取得用電戶之負載運作機率之方法，其中以單粒子演算法或雙粒子演算法計算取得該負載之該第一運作機率。
- 如專利申請範圍第1項、第2項、第3項或第4項所述之取得用電戶之負載運作機率之方法，當以複數個演算法計算取得該第一運作機率時，該方法更包含： 以該些演算法計算該些個時間區間用電資訊及該些負載資訊分別取得該些負載資訊分別對應之該負載之該第一運作機率； 將每一該負載之該第一運作機率分別乘以對應取得該負載之該第一運作機率之該演算法之一權重值計算取得複數個加權後之該負載之運作機率； 依據該些個加權後之該負載之運作機率取得該些負載之一第二運作機率。
- 如專利申請範圍第1項所述之取得用電戶之負載運作機率之方法，於以該用電資訊及該時間區間計算取得該些個時間區間用電資訊之步驟後，該方法更包含： 正規化該些個時間區間用電資訊；以及 正規化該些負載資訊。
- 如專利申請範圍第1項所述之取得用電戶之負載運作機率之方法，其中該負載資訊為負載之運作功率值。
- 如專利申請範圍第1項所述之取得用電戶之負載運作機率之方法，其中該些負載為不同功率之負載。
- 一種取得用電戶群組之負載之運作機率之方法，其步驟包含： 取得複數個用電戶群組各自之複數個負載資訊及於一時間內取得該些個負載資訊之一群組總用電資訊； 於該時間切割複數個時間區間計算取得複數個時間區間用電資訊；以及 計算該些個時間區間用電資訊及該些個負載資訊取得該些個負載資訊分別對應之一負載之一第一運作機率。
- 如專利申請範圍第10項所述之取得用電戶群組之負載運作機率之方法，其中於取得該用電戶群組之該些個負載資訊及於該時間內取得該些個負載資訊之該總用電資訊之步驟中，更進一步的取得該用電戶群組之一行為資訊，於計算該第一運作機率時，更依據該些個時間區間用電資訊、該行為資訊及該些負載資訊計算取得該些負載資訊分別對應之該負載之該第一運作機率； 其中，該行為資訊可為上班日/非上班日時間、娛樂時間、用餐時間、盥洗時間、就寢時間或其他生活時間其中之一或多者之組合。
- 如專利申請範圍第10項所述之取得用電戶群組之負載運作機率之方法，其中於取得該用電戶群組之該些個負載資訊及於該時間內取得該些個負載資訊之該總用電資訊之步驟中，更進一步的取得該用電戶群組之一特徵資訊，於計算該第一運作機率時，更依據該些個時間區間用電資訊、該特徵資訊及該些負載資訊計算取得該些負載資訊分別對應之該負載之該第一運作機率； 其中，該特徵資訊可為季節特徵、氣溫特徵、居住地特徵、建築特徵、用電戶特徵或用電量特徵其中之一或多個組合。
- 如專利申請範圍第10項所述之取得用電戶群組之負載運作機率之方法，其中於取得該用電戶群組之該些個負載資訊及於該時間內取得該些個負載資訊之該總用電資訊之步驟中，更進一步的取得該用電戶之一行為資訊及一特徵資訊，於計算該第一運作機率時，更依據該些個時間區間用電資訊、該行為資訊、該特徵資訊及該些負載資訊計算取得該些負載資訊分別對應之該負載之該第一運作機率； 其中，該行為資訊可為上班日/非上班日時間、娛樂時間、用餐時間、盥洗時間、就寢時間或其他生活時間其中之一或多者之組合； 其中，該特徵資訊可為季節特徵、氣溫特徵、居住地特徵、建築特徵、用電戶特徵或用電量特徵其中之一或多個組合。
- 如專利申請範圍第10項所述之取得用電戶群組之負載運作機率之方法，其中以單粒子演算法或雙粒子演算法計算取得該負載之該第一運作機率。
- 如專利申請範圍第10項、第11項、第12項或第13項所述之取得用電戶群組之負載運作機率之方法，當以複數個演算法計算取得該第一運作機率時，該方法更包含： 以該些演算法計算該些個時間區間用電資訊及該些負載資訊分別取得該些負載資訊分別對應之該負載之該第一運作機率。 將每一該負載之該第一運作機率乘分別以對應取得該負載之該第一運作機率之該演算法之一權重值計算取得複數個加權後之該負載之運作機率； 依據該些個加權後之該負載之運作機率取得該些負載之一第二運作機率。
- 如專利申請範圍第10項所述之取得用電戶群組之負載運作機率之方法，於以該用電資訊及該時間區間計算取得該些個時間區間用電資訊之步驟後，該方法更包含： 正規化該些個時間區間用電資訊；以及 正規化該些負載資訊。
- 如專利申請範圍第01項所述之取得用電戶群組之負載運作機率之方法，其中該負載資訊為負載之運作功率值。
- 如專利申請範圍第10項所述之取得用電戶群組之負載運作機率之方法，其中該些負載為不同功率之負載。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW105138520A TW201820246A (zh) | 2016-11-23 | 2016-11-23 | 取得用電戶之負載運作機率之方法及取得用電戶群組之負載運作機率之方法 |
| US15/367,613 US10606230B2 (en) | 2016-11-23 | 2016-12-02 | Method for acquiring load operation probability of electric power consumer and method for acquiring load operation probability of electric power consumer groups |
| CN201710073513.9A CN108090647B (zh) | 2016-11-23 | 2017-02-10 | 取得用电户的负载运作机率的方法及取得用电户群组的负载运作机率的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW105138520A TW201820246A (zh) | 2016-11-23 | 2016-11-23 | 取得用電戶之負載運作機率之方法及取得用電戶群組之負載運作機率之方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| TW201820246A true TW201820246A (zh) | 2018-06-01 |
Family
ID=62144224
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW105138520A TW201820246A (zh) | 2016-11-23 | 2016-11-23 | 取得用電戶之負載運作機率之方法及取得用電戶群組之負載運作機率之方法 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US10606230B2 (zh) |
| CN (1) | CN108090647B (zh) |
| TW (1) | TW201820246A (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110837936A (zh) * | 2019-11-12 | 2020-02-25 | 哈尔滨学院 | 基于蚁群算法的小区可调整类负荷用电优化方法 |
| EP3876376A1 (de) * | 2020-03-05 | 2021-09-08 | Siemens Aktiengesellschaft | Steuerungsplattform für energieaustausche zwischen mehreren energiesystemen sowie energieaustauschsystem |
| CN113610556A (zh) * | 2021-07-01 | 2021-11-05 | 国网河北省电力有限公司营销服务中心 | 用于用电负荷预测的方法、装置及终端 |
Family Cites Families (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090327776A1 (en) * | 2008-06-30 | 2009-12-31 | Nguyen Don J | Multiple load line voltage regulators |
| US9375171B2 (en) * | 2009-04-22 | 2016-06-28 | Rodrigo E. Teixeira | Probabilistic biomedical parameter estimation apparatus and method of operation therefor |
| CN101662244B (zh) * | 2009-09-11 | 2012-05-23 | 华为技术有限公司 | 功耗控制方法和设备 |
| EP2348596B1 (en) | 2010-01-25 | 2021-09-08 | Accenture Global Services Limited | Analytics for consumer power consumption |
| CA2799441A1 (en) * | 2010-06-04 | 2011-12-08 | Sensus Usa Inc. | Method and system for non-intrusive load monitoring and processing |
| US8849776B2 (en) * | 2011-10-17 | 2014-09-30 | Yahoo! Inc. | Method and system for resolving data inconsistency |
| TWI440862B (zh) * | 2011-11-21 | 2014-06-11 | 國立交通大學 | Electrical detection method and system based on user feedback information |
| US8918346B2 (en) * | 2011-11-28 | 2014-12-23 | Eaton Corporation | System and method employing a minimum distance and a load feature database to identify electric load types of different electric loads |
| US8818774B2 (en) | 2012-03-22 | 2014-08-26 | Kabushiki Kaisha Toshiba | Behavioral model generating device and method therefor |
| TWI474673B (zh) * | 2012-12-06 | 2015-02-21 | Inst Information Industry | 工作負載分配裝置及其工作負載分配方法 |
| CN103020459B (zh) * | 2012-12-19 | 2015-12-09 | 中国科学院计算技术研究所 | 一种多维度用电行为的感知方法及系统 |
| TWI492182B (zh) | 2013-07-17 | 2015-07-11 | 電器負載辨識方法 | |
| TWI489725B (zh) * | 2013-11-07 | 2015-06-21 | Inst Information Industry | 建立一用電模型之裝置、方法及其電腦程式產品 |
| TWI481881B (zh) * | 2013-11-22 | 2015-04-21 | Inst Information Industry | 耗電預測裝置、方法及其電腦程式產品 |
| TWI509429B (zh) * | 2013-11-26 | 2015-11-21 | Inst Information Industry | 負載分配裝置及其負載分配方法 |
| JP5870189B1 (ja) * | 2014-03-13 | 2016-02-24 | 斎藤 参郎 | 個別電気機器稼働状態推定装置、およびその方法 |
| TWI526852B (zh) * | 2014-07-29 | 2016-03-21 | 國立交通大學 | 基於電器使用狀態的人數計算方法及其監控系統 |
| US10234926B2 (en) * | 2015-06-16 | 2019-03-19 | Dell Products, Lp | Method and apparatus for customized energy policy based on energy demand estimation for client systems |
| US20170089960A1 (en) * | 2015-09-30 | 2017-03-30 | Fujitsu Limited | Electricity load disaggregation |
| CN106096726B (zh) * | 2016-05-31 | 2018-12-18 | 华北电力大学 | 一种非侵入式负荷监测方法及装置 |
| WO2018032462A1 (zh) * | 2016-08-18 | 2018-02-22 | 北京大学深圳研究生院 | 一种信息网络下基于概率树的兴趣包转发的方法及装置 |
-
2016
- 2016-11-23 TW TW105138520A patent/TW201820246A/zh unknown
- 2016-12-02 US US15/367,613 patent/US10606230B2/en active Active
-
2017
- 2017-02-10 CN CN201710073513.9A patent/CN108090647B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN108090647A (zh) | 2018-05-29 |
| CN108090647B (zh) | 2021-10-01 |
| US20180143603A1 (en) | 2018-05-24 |
| US10606230B2 (en) | 2020-03-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yu et al. | A decision tree method for building energy demand modeling | |
| WO2015196133A2 (en) | Energy infrastructure sensor data rectification using regression models | |
| CN111626608B (zh) | 一种居民电力需求响应潜力评估方法 | |
| TWI663570B (zh) | 用電分析伺服器及其用電分析方法 | |
| CN107103387B (zh) | 一种基于户均设备总功率及入住系数的负荷预测方法 | |
| Gastelu et al. | Hierarchical Bayesian model for estimating spatial-temporal photovoltaic potential in residential areas | |
| George et al. | A method for distinguishing appliance, lighting and plug load profiles from electricity ‘smart meter’datasets | |
| TW201820246A (zh) | 取得用電戶之負載運作機率之方法及取得用電戶群組之負載運作機率之方法 | |
| Lam et al. | An analysis of climatic influences on chiller plant electricity consumption | |
| Xu et al. | Peak shaving potential analysis of distributed load virtual power plants | |
| CN105139291B (zh) | 一种含分布式电源配电网设备利用率的计算方法 | |
| Ge et al. | Simulation of domestic electricity load profile by multiple Gaussian distribution | |
| CN114493918A (zh) | 基于电力大数据的独居老人用电行为异常监控预警方法 | |
| Lapinskienė et al. | Impact of internal heat gains on building’s energy performance | |
| Akpinar et al. | An analysis of the wind energy potential of Elazig, Turkey | |
| Sørnes et al. | Analysis of the impact resolution has on load matching in the Norwegian context | |
| CN108224692B (zh) | 考虑室外气温预测误差的空调柔性控制响应能力预测方法 | |
| Mehra et al. | A novel application of machine learning techniques for activity-based load disaggregation in rural off-grid, isolated solar systems | |
| Sinha et al. | Real-time IoT Based Energy Efficient Framework for Home Appliances | |
| Jin et al. | A stochastic method to generate bin weather data in Nanjing, China | |
| Mohammadabadi et al. | Validation of the Energy Demand Load Profile Estimator “PROFet” for Trondheim Non-residential Buildings | |
| Liu et al. | Recognition model of air conditioning electricity consumption behaviors for demand response based on k-means clustering | |
| Taotao et al. | Load Characteristics Analysis in The Environment of New Power Systems | |
| Zhao et al. | Projection of trade-offs of commercial air conditioning: Increasing carbon emission and reducing heat exposure | |
| Spataru et al. | DEAM: A Scalable Dynamic Energy Agents Model for Demand and Supply |