共查询到20条相似文献,搜索用时 15 毫秒
1.
智能用电小区及其关键技术 总被引:1,自引:0,他引:1
智能用电小区是用电环节智能化的重要组成部分。主要介绍了智能用电小区国内外的发展概况,智能用电小区的概念、特征及其建设目标,分析了智能用电小区的系统架构,并探讨了智能用电小区建设的关键技术。 相似文献
2.
3.
智能用电小区为电网公司与电力客户建立了双向互通渠道,实现了低碳环保、安全舒适、便利快捷的供用电服务,为小区中的用户提供了良好的生活环境.本文详细阐述试点智能用电小区的总体概况、具体功能及发展前景. 相似文献
4.
5.
6.
智能用电小区是智能电网用电环节重要组成部分,是实现智能电网信息化、自动化、互动化要求的重要载体,其目的是利用现代通信网络技术,建立一个由住宅小区综合物业管理中心与安防系统、信息服务系统、物业管理系统以及家居智能化组成的"三位一体"住宅小区服务和管理集成系统。内蒙古电力(集团)有限责任公司积极开展智能用电小区的建设试点工作,研究建设智能用电小区的关键技术、运维模式及商业模式等,设计智能小区主要功能包括综合应用平台、电力光纤到户、小区配电自动化、用电信息采集、电动汽车充电设施、智能家居服务、自助用电服务、分布式电源接入与控制等。目标是建设安全、舒适、低碳环保的智能化用电小区,指导用户进行合理用电,调节错峰用电,实现电网与用户之间智能供、用电,为居民提供优质的供电服务和科学的用能决策。 相似文献
7.
8.
通过智能用电小区的建设,实现用电信息的远程采集和管理,鼓励用户科学合理用电,有助于电网的削峰填谷,提升老百姓生活品质。本文针对智能用电小区整体解决方案进行了归纳、总结,并对智能小区采集数据进行分析,期望能促进智能用电小区在社会推广。 相似文献
9.
10.
电力光纤入户的智能小区配用电信息采集系统解决方案 总被引:1,自引:0,他引:1
提出基于电力光纤入户的智能小区配用电信息采集系统解决方案,以电力光纤通信方式为主,结合Zigbee通信方式,建立一个实时同步可扩展的通信网络。研制开发了小区配电变压器综合采集仪、三相智能监控终端、多通道采集器、户内智能网关、智能插座、智能空气开关等产品,可以对小区内配电变压器信息、小区公共用电信息、居民电能表信息居民户内分类信息进行完整的信息采集。该小区配用电信息采集系统能够精细化实时采集小区各种用电信息,为小区智能用电提供技术手段,支持供电公司开展居民用户智能用电服务。 相似文献
11.
智能用电小区中通信平台建设研究 总被引:3,自引:0,他引:3
通信技术是实现智能用电小区信息双向互动的重要基础支撑。分析了智能用电小区的通信需求,以上海世博园智能电网综合示范工程中的智能用电试点小区建设情况为例,介绍了试点小区的构架及实现方式,研究了目前智能用电小区通信平台存在的问题并进行展望。 相似文献
12.
13.
智能用电小区是实现供电智能可靠、服务智能互动、能效智能管理,提升服务品质,增强电网综合服务能力的重要手段.文章浅析了智能小区的建设模式和“九大”特色功能,并结合湖北省实际情况对智能小区建设作了展望. 相似文献
14.
为了评价智能用电小区综合用能水平,提出了一种基于指标体系的智能用电小区综合用能评价方法。该方法首先结合智能用电小区发展特点,围绕居民用户、电网和环境三个方面建立初选智能用电小区综合用能评价指标体系,然后利用Delphi法对初选指标体系进行筛选优化,保证了指标的有效性和可靠性,应用层次分析法主观评价指标体系的一级指标和改进熵权法客观评价指标体系的二级指标,克服了单一赋权法局限性,最后建立了用于客观评价用能水平的综合评价模型。算例分析表明,该评价方法可有效的客观评价智能用电小区用能水平,可靠性高、可操作性强,具有良好的实用价值。 相似文献
15.
围绕智能用电小区的各个环节和技术,研究我国智能用电小区示范工程建设的若干问题和策略。介绍了基本建设内容和业务架构、系统组成和关键技术。以实现电力流、信息流、业务流的高效协同发展,构建稳定、经济、清洁、安全的现代能源供应体系,推进坚强智能电网建设。通过这些工作,达到信息与能源一体化服务、构建新型客户关系、提高能源利用率的目的。 相似文献
16.
17.
18.
智能小区用电的排队论模型及控制策略 总被引:1,自引:0,他引:1
针对用电高峰期电网出现的供电紧张问题,对居民用电进行用电控制。基于当前我国智能小区的发展现状,改进已有的排队论方法,在运行指标中考虑用户的用电要求,建立了智能小区的用电控制框架。进一步分析了居民的生活用电情况,以此为基础将用电负荷进行分类,建立了小区的高峰负荷削减模型,并结合小区的用电特性分析了用电控制框架中用电参数。以某小区为例,在考虑用户用电要求的基础上,对空调的用电控制参数进行了计算,结果验证了所提方法的可行性和有效性。 相似文献
19.
20.
以往对智能小区居民用电行为聚类分析时,存在着负荷特征选择与权重计算描述不足的问题。为了提高居民用电行为聚类分析的准确率,降低聚类分析运行时间,提出一种基于ReliefF算法建立的以峰时耗电率、日负荷峰值时刻、谷时耗电率、日负荷周期数、日最小负荷率等特征的数据模型。该模型可以对海量居民用电行为数据进行处理,并通过k-means算法对其进行聚类分析。实验数据来源为已建成的智能小区,结果准确率达94.61%,证明了基于ReliefF算法建立的特征数据模型在居民用电行为类分析中是有效的。 相似文献