CN112017074A - 一种基于机器学习的能量协同管理*** - Google Patents
一种基于机器学习的能量协同管理*** Download PDFInfo
- Publication number
- CN112017074A CN112017074A CN202010913960.2A CN202010913960A CN112017074A CN 112017074 A CN112017074 A CN 112017074A CN 202010913960 A CN202010913960 A CN 202010913960A CN 112017074 A CN112017074 A CN 112017074A
- Authority
- CN
- China
- Prior art keywords
- module
- energy
- topology
- service
- portrait
- 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.)
- Granted
Links
- 238000010801 machine learning Methods 0.000 title claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 97
- 238000005265 energy consumption Methods 0.000 claims abstract description 79
- 230000000694 effects Effects 0.000 claims abstract description 13
- 238000004891 communication Methods 0.000 claims description 38
- 238000012544 monitoring process Methods 0.000 claims description 29
- 230000005611 electricity Effects 0.000 claims description 24
- 238000007405 data analysis Methods 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 2
- 238000007726 management method Methods 0.000 description 45
- 238000004146 energy storage Methods 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 7
- 230000006872 improvement Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000005477 standard model Effects 0.000 description 6
- 238000011217 control strategy Methods 0.000 description 5
- 238000000034 method Methods 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004134 energy conservation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Computing Systems (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Mathematical Physics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种基于机器学习的能量协同管理***，包括：计量控制模块、能量结构分析辅助模块、电气拓扑与业务拓扑编制模块、基于机器学习算法的能量流数字孪生模块和基于机器学习的能量协同控制模块；所述能量结构分析辅助模块、电气拓扑与业务拓扑编制模块、能量流数字孪生模块和能量协同控制模块依次连接；所述计量控制模块与能量结构分析辅助模块、能量流数字孪生模块和能量协同控制模块分别连接；所述计量控制模块还用于与目标客户能量***连接；所述能量协同控制模块还用于与电力市场连接。本发明能量协同管理***的能够指导或控制客户与电力市场的交易活动，帮助客户降低能耗成本，并且***能够自动优化升级，保证功能效果。
Description
技术领域
本发明涉及能量管理***技术领域，尤其是一种基于机器学习的能量协同管理***。
背景技术
目前，传统的能耗分析***或节能***一般只能简单地统计耗电设备的用电情况，并不能指导或控制客户与电力市场的交易活动，不利于客户降低能耗成本，同时，***采用的模型或策略一般为固定的，不能随外部环境的变化而升级，致使***逐渐脱离目标客户的实际需求，功能效果逐渐降低。
因此，设计一种管理***，能够指导或控制客户与电力市场的交易活动，帮助客户降低能耗成本，并且***能够自动优化升级，保证功能效果，这是目前急需解决的技术问题。
发明内容
本发明所要解决的技术问题是：针对上述存在的问题，提供一种基于机器学习的能量协同管理***。
本发明采用的技术方案如下：
一种基于机器学习的能量协同管理***，包括：计量控制模块、能量结构分析辅助模块、电气拓扑与业务拓扑编制模块、基于机器学习算法的能量流数字孪生模块和基于机器学习的能量协同控制模块；所述能量结构分析辅助模块、电气拓扑与业务拓扑编制模块、能量流数字孪生模块和能量协同控制模块依次连接；所述计量控制模块与能量结构分析辅助模块、能量流数字孪生模块和能量协同控制模块分别连接；所述计量控制模块还用于与目标客户能量***连接；所述能量协同控制模块还用于与电力市场连接；
所述计量控制模块用于监测和控制所述目标客户能量***，并获取目标客户能量***中内部设备的用电数据，并将获取的用电数据上传给能量结构分析辅助模块和能量流数字孪生模块；
所述能量结构分析辅助模块用于根据接收到的用电数据分析出用能画像，并将用能画像上传给电气拓扑与业务拓扑编制模块；
所述电气拓扑与业务拓扑编制模块用于根据所述用能画像对各个子区域进行用能分析，并将用能分析结果上传给能量流数字孪生模块；
所述能量流数字孪生模块用于根据所述用电数据和用能分析结果对***的内部进行修正；
所述能量协同控制模块用于获取能量流数字孪生模块和计量控制模块的数据并进行分析，并向各个模块发送控制指令；所述控制指令包括根据指定策略与电力市场进行交易的指令以及对内部各个模块的协同控制指令。
进一步地，所述计量控制模块包括依次连接的中间件、工业通信协议层和物联网通信层；
所述中间件与能量结构分析辅助模块、能量流数字孪生模块和能量协同控制模块分别连接，用于向能量结构分析辅助模块、能量流数字孪生模块和能量协同控制模块发送数据和指令；
所述物联网通信层用于使计量控制模块与目标客户能量***建立连接；
所述工业通信协议层用于使计量控制模块接入目标客户能量***的分布式能源。
进一步地，所述能量结构分析辅助模块包括相互连接的画像模块和数据分析模块；
所述数据分析模块与计量控制模块连接，以获取所述内部设备的用电数据，并通过数据分析得到用电数据的数学特性；
所述画像模块用于根据所述用电数据的数学特性生成用能画像，并上传给电气拓扑与业务拓扑编制模块。
进一步地，所述电气拓扑与业务拓扑编制模块包括电气拓扑模块、业务拓扑模块和联合拓扑与画像模块；所述电气拓扑模块与能量结构分析辅助模块连接，所述电气拓扑模块和所述业务拓扑模块均与所述联合拓扑与画像模块连接；所述联合拓扑与画像模块与能量流数字孪生模块连接；
所述电气拓扑模块用于根据所述用能画像更新电气拓扑各个节点对应的画像数据，并上传给所述联合拓扑与画像模块；
所述业务拓扑模块用于供目标客户完成对业务拓扑的划分，并上传给所述联合拓扑与画像模块；
所述联合拓扑与画像模块用于周期性地更新各个业务区的用能画像，并根据用能画像进行用能分析，并将用能分析结果上传给能量流数字孪生模块。
进一步地，所述能量流数字孪生模块包括业务与能量结合拓扑模块、业务区用能画像模型模块和业务区能耗分析模块；所述业务与能量结合拓扑模块和业务区用能画像模型模块均和电气拓扑与业务拓扑编辑模块连接；所述业务与能量结合拓扑模块、业务区用能画像模型模块和计量控制模块均与所述业务区能耗分析模块连接；所述业务与能量结合拓扑模块、业务区用能画像模型模块和业务区能耗分析模块均与所述能量协同控制模块连接；
所述业务与能量结合拓扑模块用于定期从前置模块获取目标客户的电气拓扑、业务拓扑与画像数据，并处理为数字孪生模型和能流拓扑模型，并分别上传给能量协同控制模块和业务区能耗分析模块；
所述业务区用能画像模型模块用于定期更新业务区的用能画像，并上传给业务区能耗分析模块；
所述业务区能耗分析模块用于基于数字孪生模型和能流拓扑模型以及用户画像实现预设应用功能。
进一步地，所述能量协同控制模块包括相互连接的交易策略监控模块和财务结算模块；所述交易策略监控模块与能量流数字孪生模块和计量控制模块连接，所述财务结算模块与电力市场连接；
所述交易策略监控模块通过与计量控制模块连接，获取计量控制模块的监控数据以及控制目标客户能量***的内部设备；所述交易策略监控模块通过与电力市场连接，控制所述电力市场中的交易活动；
所述财务结算模块用于对电力市场中的交易活动进行结算。
进一步地，当处于工作模式时，所述交易策略监控模块(151)用于计算出对目标客户最佳的用能或卖能策略，并控制其它模块执行所述用能或卖能策略；当处于自学习模式时，所述交易策略监控模块(151)用于定期读取新的模型，并根据历史的交易和控制情况，调整内部的交易策略。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
1、该能量协同管理***分析的对象是能量，而不是能耗，使能量协同管理***不仅能够运用于管理耗能设备，还能够运用于管理分布式能源，即运用于管理虚拟电厂这类负能耗的设备，应用场景更广；
2、该能量协同管理***引入了电气拓扑与业务拓扑结合管理的模型，能为目标客户提供清晰的能耗成本，有利于生产型单位更加精确地控制能量的成本；
3、该能量协同管理***的模型中引入了机器学习分析及其自适应改进的模式，有利于能量协同管理***的自动升级，不断提升能量协同管理***控制的智能性；
4、该能量协同管理***引入了数字孪生理念，并且区别于传统的物理型数字孪生，而且专注于能量与业务的建模，针对性更强，同时，实现了嵌入而非被孪生主导，能够根据实际需求为目标客户提供服务；
5、该能量协同管理***还引入了基于机器学习模型和数字孪生模型的能量协同控制模块，不仅能够不断优化控制策略，以实现节能，还能够直接参与电力市场的交易活动。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的基于机器学习的能量协同管理***的组成框图；
图2为图1中基于低功耗广域物联网的精细计量控制***的组成框图；
图3为图1中能量结构分析辅助模块的组成框图；
图4为图1中电气拓扑与业务拓扑编制模块的组成框图；
图5为图1中基于机器学习算法的能量流数字孪生模块的组成框图；
图6为图1中基于机器学习的能量协同控制模块的组成框图。
附图标记：100-能量协同管理***、110-计量控制模块、111-中间件、1111-电力标准模型模块、1112-时许数据库、1113-设备控制接口、112-工业通信协议层、1121-IEC-60870-5-101模块、1122-IEC-60870-5-104模块、1123-MMS模块、1124-Modbus TCP、113-物联网通信层、1131-消息中心、1132-NB-IoT通信模块、1133-Lora通信模块、1134-以太网通信模块、1135-蓝牙、120-能量结构分析辅助模块、121-数据分析模块、1211-标准统计学分析模块、1212-频谱分析模块、1213-大数据聚类模块、1214-离群值分析模块、1215-用户手动设定模块、122-画像模块、130-电气拓扑与业务拓扑编制模块、131-电气拓扑模块、132-业务拓扑模块、133-联合拓扑与画像模块、1331-电气拓扑绑定模块、1332-业务区用能画像分析模块、140-能量流数字孪生模块、141-业务与能量结合拓扑模块、1411-能流拓扑模型模块、1412-业务区模型模块、1413-结合数字模型模块、142-业务区用能画像模型模块、143-业务区能耗分析模块、150-能量协同控制模块、151-交易策略监控模块、152-财务结算模块、1521-电费结算模块、1522-电力市场结算模块、1523-成本及产出分析模块、1524-报表模块、200-目标客户能量***、210-精细能源计量设备、220-控制开关、230-分布式能源、240-部分用能设备、300-电力市场。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明，即所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
以下结合实施例对本发明的特征和性能作进一步的详细描述。
如图1所示，一种基于机器学习的能量协同管理***100，包括：基于低功耗广域物联网的精细计量控制模块110(以下简称计量控制模块110)、能量结构分析辅助模块120、电气拓扑与业务拓扑编制模块130、基于机器学习算法的能量流数字孪生模块140(以下简称能量流数字孪生模块140)和基于机器学习的能量协同控制模块150(以下简称能量协同控制模块150)；所述能量结构分析辅助模块120、电气拓扑与业务拓扑编制模块130、能量流数字孪生模块140和能量协同控制模块150依次连接；所述计量控制模块110与能量结构分析辅助模块120、能量流数字孪生模块140和能量协同控制模块150分别连接；所述计量控制模块110还用于与目标客户能量***200连接；所述能量协同控制模块150还用于与电力市场300连接。其中，所述电力市场300可以包括电网；所述能量协同管理***100中的各个***或模块可以通过无线或有线连接；所述能量协同管理***100与电力市场300和目标客户能量***200可以通过无线连接。
所述能量协同管理***100的工作流程如下：
以写字楼为例，目标客户能量***200为采集设备和内部设备；采集设备如写字楼中的智能电表，用于采集内部设备的用电数据；内部设备包括但不限于空调器、照明设备、充电桩、微型储能站等；
首先，配置计量控制模块110与目标客户能量***200中的采集设备建立通信，用于监测和控制所述目标客户能量***200，即通过采集设备采集内部设备的用电数据，并控制内部设备；配置计量控制模块110自动运行、持续监控目标客户能量***200的用电数据和工作状态，并将获取的用电数据上传给能量结构分析辅助模块120和能量流数字孪生模块140；
接着，所述能量结构分析辅助模块120根据接收到的用电数据分析出用能画像，并将用能画像上传给电气拓扑与业务拓扑编制模块130。其中，用能画像中，如果写字楼中空调器和照明设备用电占比较高，则用能画像中持续周期性能量的占比就较高，如果写字楼中微型储能站用电占比较高，则用能画像中虚拟电厂的占比就较高。
然后，电气拓扑与业务拓扑编制模块130根据所述用能画像对各个子区域进行用能分析，并将用能分析结果上传给能量流数字孪生模块140。例如，目标客户将写字楼的1～3层设定为机房子区域，将写字楼的4～6层设定为办公区子区域，并选择对应的内部设备与机房子区域、办公区子区域绑定，所述电气拓扑与业务拓扑编制模块130则对各个子区域的用能情况做进一步地分析，并将分析结果上传给能量流数字孪生模块140。
其次，所述能量流数字孪生模块140根据所述用电数据和用能分析结果对***的内部进行修正。配置能量流数字孪生模块140定期从计量控制模块110获取内部设备的用电数据，从电气拓扑与业务拓扑编制模块130获取各个子区域的用能分析结果，并根据用电数据和用能分析结果，自动对***的内部进行修正(主要是修正数字孪生里面的模型和数据)，实现对目标客户能量***200的数字孪生，并实现对目标客户能量***200未来预设时长内的用能异常分析、用能预测分析等应用功能。
最后，能量协同控制模块150为所述能量协同管理***100的决策中心，配置能量协同控制模块150获取能量流数字孪生模块140和计量控制模块110的数据并进行分析，并向其他各个模块发送控制指令；所述控制指令包括根据指定策略与电力市场300进行交易的指令以及对内部各个模块的协同控制指令。
所述能量协同管理***100中的各个模块均可由一套信息***的软件、硬件或电子器件承载实现，对整个能量协同管理***100的各个模块进行配置即可实现协同工作。每个模块的实现方案如下：
(1)计量控制模块110
如图2所示，所述计量控制模块110包括依次连接的中间件111、工业通信协议层112和物联网通信层113；所述中间件111与能量结构分析辅助模块120、能量流数字孪生模块140和能量协同控制模块150分别连接，用于与能量结构分析辅助模块120、能量流数字孪生模块140和能量协同控制模块150之间传输数据和控制指令；所述物联网通信层113用于使计量控制模块110与目标客户能量***200建立连接；所述工业通信协议层112用于使计量控制模块110接入目标客户能量***200的分布式能源230。另外，目标客户能量***200包括精细能源计量设备210、控制开关220、分布式能源230、部分用能设备240等。
(1.1)中间件111
中间件111是为服务上层的模块(能量结构分析辅助模块120、能量流数字孪生模块140和能量协同控制模块150)而设计的。中间件111包括电力标准模型模块1111、时许数据库1112和设备控制接口1113等。
其中，电力标准模型模块1111用于将目标客户能量***200的各类设备抽象为标准的电力模型，例如将开关、电表、储能***、电源等标准化为电力模型，从而透明化繁琐的品牌、通信链路等与上层***无关的信息，只保留标准的电力模型中的数据和接口，使得上层模块能够发送简单命令即可控制各类设备。这些简单命令包括但不限于：获取数据(包括电表的某段时间的数据)、获取模型参数(包括储能***的大小、状态)等。电力标准模型模块1111为通信协议和技术中解耦的概念，电力标准模型模块1111可以通过引入的数据模型和通信服务之间的适配层(如IEC61850标准中的抽象通道服务接口ACSI)，这使得可以灵活地应用不同的通信技术。电力标准模型模块1111可以包括四个语义域，其中包括收益计量和需求响应。
时许数据库1112用于存储时序数据(包括智能电表采集的数据)。时许数据库1112可以基于开源方案定制后实现，本实施例中，时许数据库1112可以选用OpenTSDB。这样，相比于传统能源管理的***，本实施例提供的能量协同管理***100采用的时许数据库1112支持极细的颗粒度的、长时间的、大规划的时序数据的快速读写。
设备控制接口1113用于与标准的电力模型配合，并为上层模块(能量结构分析辅助模块120、能量流数字孪生模块140和能量协同控制模块150)提供快速的命令下达通道。例如控制开关220开断的指令、控制储能***的工作状态的指令、控制空调器的启停指令、控制制热***的启停的指令等。这样，设备控制接口1113与标准的电力模型一样，进一步透明化、掩盖了复杂的通信信息，让目标客户的各类设备能够被简单指令控制，无需考虑各类设备独有的细节特点，从而简化***的通信方法。
(1.2)工业通信协议层112
工业通信协议层112包括IEC-60870-5-101模块1121、IEC-60870-5-104模块1122、MMS模块1123和Modbus TCP1124等。这样，通过这些工业通信协议层112，计量控制***能够接入目标客户能量***200的所有设备，如分布式能源230，分布式能源230包括新能源时代所有带有标准通信协议或可被传感器(包括智能电表)控制的设备，例如：充电桩、光伏、风机、新能源汽车、发电设备、存储***等。
(1.3)物联网通信层113
物联网通信层113可以包括消息中心1131、NB-IoT通信模块1132、Lora通信模块1133、以太网通信模块1134和蓝牙1135等，还可以包括其它无源非接触式电能感应器，例如DBKCT-36。
计量控制***的工作流程：
在计量控制***中配置目标客户能量***200的各类传感器的通信地址(包括智能电表的IP列表)及其所管辖的区域、拓扑关系等。这样，计量控制***可以准确地确定目标客户的各类设备的通信地址，并通过物联网通信层113与各类设备建立基础通信，再基于工业通信协议层112与各类设备使用同一种语言进行通信，从而使计量控制***实现对各类设备的数据采集和工作控制。
相较于传统的能效***或节能***，本实施例提供的管理***的计量控制***能够引入各类分布式能源230，即可以引入发电设备、放电设备，比如新能源汽车、风机***、光伏等，而且，采用了电力标准模型模块1111，能够对各类对象进行基础建模，从而使兼容性更强，此外，还采用了时许数据库1112，运作效率更高。
(2)能量结构分析辅助模块120
如图3所示，所述能量结构分析辅助模块120包括相互连接的画像模块122和数据分析模块121；
(2.1)数据分析模块121
所述数据分析模块121与计量控制模块110连接，以获取所述内部设备的用电数据，并通过数据分析得到用电数据的数学特性；具体地，数据分析模块121相当于一个数学的工具包，数据分析模块121包括标准统计学分析模块1211、频谱分析模块1212、大数据聚类模块1213、离群值分析模块1214、用户手动设定模块1215等算法模块，这些算法模块可以通过承载固件或软件实现，比如Python等。数据分析模块121可以对内部设备的用电数据进行无差别的数据分析，并得到用电数据的数学特性。
(2.2)画像模块122
所述画像模块122用于根据所述用电数据生产所述用能画像，并上传给电气拓扑与业务拓扑编制模块130。具体地，画像模块122基于用电数据的数学特性，周期性地对内部设备的用电数据进行归类，并在叠加后得到目标客户能量***200在各个画像特征上的占比值，例如得出类似于写字楼的用能画像中，持续周期性能量的占比就较高的结果。以上分析结果均对上层模块可读取，从而为上层模块提供服务。
画像模块122也可以通过承载固件或软件实现，比如Python等。用能画像中涵盖的对象包括门型能量(涉及断崖升降型设备，比如开断性大功率设备)、持续周期性能量(涉及冰箱、空调器等)、高斯型能量(像噪声一样的小能量，比如漏电、快要坏的日光灯)、电机型能量(涉及发电机、电梯、水泵等)、虚拟电厂(涉及对部分抽象能源的整合，比如集中控制的充电桩、制热设备、可控空调***、光伏、风电***、储能***等)等。
相比于传统的能效***或节能***，本实施例提供的能量协同管理***100的能量结构分析辅助模块120不仅分析更全面，而且定义了一种新的用能画像，并在能量画像中定义了多种能量特征，不仅对负载有效，对发电的特征也有效，并且可以同时存在，比如运用于新能源汽车，既可以放电，也可以充电。
(3)电气拓扑与业务拓扑编制模块130
如图4所示，所述电气拓扑与业务拓扑编制模块130包括电气拓扑模块131、业务拓扑模块132和联合拓扑与画像模块133；所述电气拓扑模块131与能量结构分析辅助模块120连接，所述电气拓扑模块131和所述业务拓扑模块132均与所述联合拓扑与画像模块133连接；所述联合拓扑与画像模块133与能量流数字孪生模块140连接。所述电气拓扑与业务拓扑编制模块130也可以通过承载固件或软件实现，比如Python等。
(3.1)电气拓扑模块131
所述电气拓扑模块131以目标客户能量***200的电气拓扑信息为基础，能够周期性地从能量结构分析辅助模块120获取用能画像。所述电气拓扑模块131用于根据所述用能画像更新电气拓扑各个节点对应的画像数据，并上传给所述联合拓扑与画像模块133。
(3.2)业务拓扑模块132
所述业务拓扑模块132为目标客户使用，具有操作界面进行配置或导入数据，用于供目标客户完成对业务拓扑的划分，并上传给所述联合拓扑与画像模块133。业务拓扑是一种自由的抽象，比如划分写字楼的1层为接待区、2～4层为机房、5～7层为办公区等。
(3.3)联合拓扑与画像模块133
所述联合拓扑与画像模块133用于周期性地更新各个业务区的用能画像，并根据用能画像进行用能分析，并将用能分析结果上传给能量流数字孪生模块140。
具体地，联合拓扑与画像模块133包括电气拓扑绑定模块1331和业务区用能画像分析模块1332。联合拓扑与画像模块133为目标客户能量***200提供了电气拓扑与业务拓扑进行关联的操作界面，并会基于关联情况，周期性地更新各个业务区的用能画像的分析，并将电气拓扑、业务拓扑和画像数据提供给能量流数字孪生模块140。其中，业务区是一种抽象拓扑结构，比如可以将一块物理区域划分为A车间、B车间，或者划分为A办公室、B办公室，并将能量流与各个业务区进行绑定。联合拓扑与画像模块133结合用能画像，即可赋予各个业务区的用能画像，从而为后续的控制策略提供支持，比如发现A车间的高斯型能量过多，说明可能由长期漏电的情况，如果B车间的门型能量过多，说明可能需要增加储能***。
相较于传统的能效***或节能***，本实施例提供的能量协同管理***100的电气拓扑与业务拓扑编制模块130能够同时管理业务流程和能量流，并且能够兼容大多数写字楼和厂房的场景，可以实现灵活配置。
(4)能量流数字孪生模块140
如图5所示，所述能量流数字孪生模块140包括业务与能量结合拓扑模块141、业务区用能画像模型模块142和业务区能耗分析模块143；所述业务与能量结合拓扑模块141和业务区用能画像模型模块142均和电气拓扑模块131与能量结构分析辅助模块120连接；所述业务与能量结合拓扑模块141、业务区用能画像模型模块142和计量控制模块110均与所述业务区能耗分析模块143连接；所述业务与能量结合拓扑模块141、业务区用能画像模型模块142和业务区能耗分析模块143均与所述能量协同控制模块150连接。
(4.1)业务与能量结合拓扑模块141
所述业务与能量结合拓扑模块141用于定期从前置模块获取目标客户能量***的电气拓扑、业务拓扑与画像数据，并处理为数字孪生模型和能流拓扑模型，并分别上传给能量协同控制模块150和业务区能耗分析模块143。
具体地，业务与能量结合拓扑模块141包括能流拓扑模型模块1411、业务区模型模块1412和结合数字模型模块1413。配置业务与能量结合拓扑模块141定期从前置模块获取目标客户的电气拓扑、业务拓扑与画像数据，并将电气拓扑、业务拓扑与画像数据进一步抽象、处理为数字孪生模型和能流拓扑模型，并分别上传给能量协同控制模块150和业务区能耗分析模块143。能流拓扑模型是一种对电气与业务模型结合的模型，比如树状模型：总能流入口流量，占比100％，分叉1表示办公区，占比80％，且为周期性主画像，分叉2表示接待大厅，占比20％，且为门型主画像。当数据动态更新后，若有虚拟电厂的模型时，梳妆模型则变为部分环形模型。业务区模型模块1412和结合数字模型模块1413均为辅助模块，只为与电气拓扑、业务拓扑与画像更加紧密结合起数据承载与黏合作用。
(4.2)业务区用能画像模型模块142
所述业务区用能画像模型模块142用于定期更新业务区的用能画像，并上传给业务区能耗分析模块143，还将用能画像上传给协同控制模块。业务区用能画像模型模块142与业务与能量结合拓扑模块141的区别在于只更新模型，不孪生其实际运行数据。也就是说，业务区用能画像模型模块142不会分析实际的能量流，只分析过去的数据特性，而业务与能量结合拓扑模块141则专门负责分析实际的能量流。
(4.3)业务区能耗分析模块143
所述业务区能耗分析模块143用于基于数字孪生模型和能流拓扑模型以及用户画像实现预设应用功能。应用功能包括机器学习数据分析、能耗预测、异常数据分析、分布式能源230生产力预测、模型自学习改进等。其中，机器学习数据分析的算法包括回归、聚类、决策树等。配置业务区能耗分析模块143向能量协同控制模块150上传能量规律，更重要的是，定期读取计量控制***的数据，并更新、重新训练内部的模型，并为能量协同控制模块150的控制策略提供支持。当然，也可以配置业务区能耗分析模块143为功能性模块，其工作流程为接收上层模块的命令(如预测之后1小时的用电量)，然后将分析结果返回给上层模块。业务区能耗分析模块143的具体实习及其自学习改进可由Python模块控制，由外部数据进行规整后训练、调整实现。
相较于传统的能效***或节能***，本实施例提供的能量协同管理***100的能量流数字孪生模块140引入了数字孪生的理念，相比于传统的数字孪生，本实施例中的能量流数字孪生模块140是一种优化定制，其包括业务与能量结合拓扑模块141、业务区用能画像模型模块142和业务区能耗分析模块143，从而不被现有概念束缚。同时，还引入了机器学习方法，从而让建模的功能更加丰富，特性描述更加准确，还具有自学习、自适应的提升改进功能。
(5)能量协同控制模块150
如图6所示，所述能量协同控制模块150包括相互连接的交易策略监控模块151和财务结算模块152；所述交易策略监控模块151与能量流数字孪生模块140和计量控制模块110分别连接，所述交易策略监控模块151和财务结算模块152均与电力市场300连接；
(5.1)交易策略监控模块151
所述交易策略监控模块151通过与计量控制模块110连接，获取计量控制模块110的监控数据以及控制目标客户能量***200的内部设备；所述交易策略监控模块151通过与电力市场300连接，控制所述电力市场300中的交易活动。具体地，交易策略监控模块151中配置有保供电策略、激进策略、均衡策略、手动策略等，同时，交易策略监控模块151还包括市场价格机器学习分析及预测模块、市场价格机器学习模型自学习持续改进模块、节能分析模块等。
配置交易策略监控模块151具有两个运行模式：工作模式和自学习模式。当处于工作模式，配置交易策略监控模块151定期预测未来***的用能情况、预测电力市场300的电价，并分析储能***、制冷制热设备等可被抽象为虚拟电厂的设备当前的充放电能力，从而计算出对目标客户最佳的用能或卖能策略，并控制其它模块执行用能或卖能策略。当处于自学习模式，配置交易策略监控模块151定期读取新的模型，如对内部能量流的预测模型，对电力市场买卖电价格的预测模型，以及交易策略，并根据历史的交易和控制情况，调整内部的交易策略。
(2)财务结算模块152
所述财务结算模块152用于对电力市场300中的交易活动进行结算。具体地，配置财务结算模块152为规则的财务模块以事件为驱动，内置标准化流程，并提供报表服务。配置财务结算模块152与电力市场300进行交易的协议，会根据当地、当时期的版本进行更新，由供应商维护。具体的，财务结算模块152可以包括电费结算模块1521、电力市场结算模块1522、成本及产出分析模块1523、报表模块1524等，从而实现各种结算功能、分析功能以及报表功能。
能量协同控制模块150可以通过承载固件或软件实现，比如Python等。相较于传统的能效***、节能***或交易控制***，本实施例提供的能量协同管理***100的能量协同控制模块150在执行控制策略前，引入了一个能量流数字孪生模块140，从而能够更加准确地描述***的特性，更加准确地预测***未来的能量流动，为后续的交易提供了更可靠的依据，而不再是纯依靠经验和手动操作。能量协同控制模块150还同时考虑了供电安全性、节能性和交易的收益，是对目标客户能量管理的综合优化。
本实施例提供的基于机器学习的能量协同管理***100的有益效果包括：
1、该能量协同管理***100分析的对象是能量，而不是能耗，使能量协同管理***100不仅能够运用于管理耗能设备，还能够运用于管理分布式能源230，即运用于管理虚拟电厂这类负能耗的设备，应用场景更广；
2、该能量协同管理***100引入了电气拓扑与业务拓扑结合管理的模型，能为目标客户提供清晰的能耗成本，有利于生产型单位更加精确地控制能量的成本；
3、该能量协同管理***100的模型中引入了机器学习分析及其自适应改进的模式，有利于能量协同管理***100的自动升级，不断提升能量协同管理***100控制的智能性；
4、该能量协同管理***100引入了数字孪生理念，并且区别于传统的物理型数字孪生，而且专注于能量与业务的建模，针对性更强，同时，实现了嵌入而非被孪生主导，能够根据实际需求为目标客户提供服务；
5、该能量协同管理***100还引入了基于机器学习模型和数字孪生模型的能量协同控制模块150，不仅能够不断优化控制策略，以实现节能，还能够直接参与电力市场300的交易活动。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于机器学习的能量协同管理***，其特征在于，包括：计量控制模块(110)、能量结构分析辅助模块(120)、电气拓扑与业务拓扑编制模块(130)、基于机器学习算法的能量流数字孪生模块(140)和基于机器学习的能量协同控制模块(150)；所述能量结构分析辅助模块(120)、电气拓扑与业务拓扑编制模块(130)、能量流数字孪生模块(140)和能量协同控制模块(150)依次连接；所述计量控制模块(110)与能量结构分析辅助模块(120)、能量流数字孪生模块(140)和能量协同控制模块(150)分别连接；所述计量控制模块(110)还用于与目标客户能量***(200)连接；所述能量协同控制模块(150)还用于与电力市场(300)连接；
所述计量控制模块(110)用于监测和控制所述目标客户能量***(200)，并获取目标客户能量***(200)中内部设备的用电数据，并将获取的用电数据上传给能量结构分析辅助模块(120)和能量流数字孪生模块(140)；
所述能量结构分析辅助模块(120)用于根据接收到的用电数据分析出用能画像，并将用能画像上传给电气拓扑与业务拓扑编制模块(130)；
所述电气拓扑与业务拓扑编制模块(130)用于根据所述用能画像对各个子区域进行用能分析，并将用能分析结果上传给能量流数字孪生模块(140)；
所述能量流数字孪生模块(140)用于根据所述用电数据和用能分析结果对***的内部进行修正；
所述能量协同控制模块(150)用于获取能量流数字孪生模块(140)和计量控制模块(110)的数据并进行分析，并向各个模块发送控制指令；所述控制指令包括根据指定策略与电力市场(300)进行交易的指令以及对内部各个模块的协同控制指令。
2.根据权利要求1所述的基于机器学习的能量协同管理***，其特征在于，所述计量控制模块(110)包括依次连接的中间件(111)、工业通信协议层(112)和物联网通信层(113)；
所述中间件(111)与能量结构分析辅助模块(120)、能量流数字孪生模块(140)和能量协同控制模块(150)分别连接，用于向能量结构分析辅助模块(120)、能量流数字孪生模块(140)和能量协同控制模块(150)发送数据和指令；
所述物联网通信层(113)用于使计量控制模块(110)与目标客户能量***(200)建立连接；
所述工业通信协议层(112)用于使计量控制模块(110)接入目标客户能量***(200)的分布式能源(230)。
3.根据权利要求1所述的基于机器学习的能量协同管理***，其特征在于，所述能量结构分析辅助模块(120)包括相互连接的画像模块(122)和数据分析模块(121)；
所述数据分析模块(121)与计量控制模块(110)连接，以获取所述内部设备的用电数据，并通过数据分析得到用电数据的数学特性；
所述画像模块(122)用于根据所述用电数据的数学特性生成用能画像，并上传给电气拓扑与业务拓扑编制模块(130)。
4.根据权利要求1所述的基于机器学习的能量协同管理***，其特征在于，所述电气拓扑与业务拓扑编制模块(130)包括电气拓扑模块(131)、业务拓扑模块(132)和联合拓扑与画像模块(133)；所述电气拓扑模块(131)与能量结构分析辅助模块(120)连接，所述电气拓扑模块(131)和所述业务拓扑模块(132)均与所述联合拓扑与画像模块(133)连接；所述联合拓扑与画像模块(133)与能量流数字孪生模块(140)连接；
所述电气拓扑模块(131)用于根据所述用能画像更新电气拓扑各个节点对应的画像数据，并上传给所述联合拓扑与画像模块(133)；
所述业务拓扑模块(132)用于供目标客户完成对业务拓扑的划分，并上传给所述联合拓扑与画像模块(133)；
所述联合拓扑与画像模块(133)用于周期性地更新各个业务区的用能画像，并根据用能画像进行用能分析，并将用能分析结果上传给能量流数字孪生模块(140)。
5.根据权利要求1所述的基于机器学习的能量协同管理***，其特征在于，所述能量流数字孪生模块(140)包括业务与能量结合拓扑模块(141)、业务区用能画像模型模块(142)和业务区能耗分析模块(143)；所述业务与能量结合拓扑模块(141)和业务区用能画像模型模块(142)均和电气拓扑与业务拓扑编辑模块(130)连接；所述业务与能量结合拓扑模块(141)、业务区用能画像模型模块(142)和计量控制模块(110)均与所述业务区能耗分析模块(143)连接；所述业务与能量结合拓扑模块(141)、业务区用能画像模型模块(142)和业务区能耗分析模块(143)均与所述能量协同控制模块(150)连接；
所述业务与能量结合拓扑模块(141)用于定期从前置模块获取目标客户的电气拓扑、业务拓扑与画像数据，并处理为数字孪生模型和能流拓扑模型，并分别上传给能量协同控制模块(150)和业务区能耗分析模块(143)；
所述业务区用能画像模型模块(142)用于定期更新业务区的用能画像，并上传给业务区能耗分析模块(143)；
所述业务区能耗分析模块(143)用于基于数字孪生模型和能流拓扑模型以及用户画像实现预设应用功能。
6.根据权利要求1所述的基于机器学习的能量协同管理***，其特征在于，所述能量协同控制模块(150)包括相互连接的交易策略监控模块(151)和财务结算模块(152)；所述交易策略监控模块(151)与能量流数字孪生模块(140)和计量控制模块(110)连接，所述财务结算模块(152)与电力市场(300)连接；
所述交易策略监控模块(151)通过与计量控制模块(110)连接，获取计量控制模块(110)的监控数据以及控制目标客户能量***(200)的内部设备；所述交易策略监控模块(151)通过与电力市场(300)连接，控制所述电力市场(300)中的交易活动；
所述财务结算模块(152)用于对电力市场(300)中的交易活动进行结算。
7.根据权利要求1所述的基于机器学习的能量协同管理***，其特征在于，当处于工作模式时，所述交易策略监控模块(151)用于计算出对目标客户最佳的用能或卖能策略，并控制其它模块执行所述用能或卖能策略；当处于自学习模式时，所述交易策略监控模块(151)用于定期读取新的模型，并根据历史的交易和控制情况，调整内部的交易策略。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010913960.2A CN112017074B (zh) | 2020-09-03 | 2020-09-03 | 一种基于机器学习的能量协同管理*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010913960.2A CN112017074B (zh) | 2020-09-03 | 2020-09-03 | 一种基于机器学习的能量协同管理*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112017074A true CN112017074A (zh) | 2020-12-01 |
| CN112017074B CN112017074B (zh) | 2023-07-18 |
Family
ID=73516735
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010913960.2A Active CN112017074B (zh) | 2020-09-03 | 2020-09-03 | 一种基于机器学习的能量协同管理*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112017074B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113435657A (zh) * | 2021-07-09 | 2021-09-24 | 清华四川能源互联网研究院 | 数据集成处理方法、***、能源管理***、电子设备及计算机可读存储介质 |
| CN114387033A (zh) * | 2022-01-14 | 2022-04-22 | 成都秦川物联网科技股份有限公司 | 一种基于天然气能量的计费方法和*** |
| CN115297184A (zh) * | 2022-09-30 | 2022-11-04 | 网思科技股份有限公司 | 一种用于数字孪生的数据获取*** |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107886818A (zh) * | 2017-10-25 | 2018-04-06 | 东南大学 | 一种基于合作博弈的智能家庭能量管理实验*** |
| WO2018129829A1 (zh) * | 2017-01-12 | 2018-07-19 | 沃太能源南通有限公司 | 一种新型微网***以及基于该***的组网调度方法 |
| CN109559039A (zh) * | 2018-11-29 | 2019-04-02 | 贵州航天云网科技有限公司 | 一种基于数字孪生技术的虚拟工厂业务协同*** |
| CN110225075A (zh) * | 2019-03-25 | 2019-09-10 | 北京快电科技有限公司 | 一种建筑能源互联网智慧运营云操作*** |
| CN111582911A (zh) * | 2020-04-14 | 2020-08-25 | 广东卓维网络有限公司 | 一种多元用户与电网友好互动用电*** |
-
2020
- 2020-09-03 CN CN202010913960.2A patent/CN112017074B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018129829A1 (zh) * | 2017-01-12 | 2018-07-19 | 沃太能源南通有限公司 | 一种新型微网***以及基于该***的组网调度方法 |
| CN107886818A (zh) * | 2017-10-25 | 2018-04-06 | 东南大学 | 一种基于合作博弈的智能家庭能量管理实验*** |
| CN109559039A (zh) * | 2018-11-29 | 2019-04-02 | 贵州航天云网科技有限公司 | 一种基于数字孪生技术的虚拟工厂业务协同*** |
| CN110225075A (zh) * | 2019-03-25 | 2019-09-10 | 北京快电科技有限公司 | 一种建筑能源互联网智慧运营云操作*** |
| CN111582911A (zh) * | 2020-04-14 | 2020-08-25 | 广东卓维网络有限公司 | 一种多元用户与电网友好互动用电*** |
Non-Patent Citations (3)
| Title |
|---|
| 李瑞琪;韦莎;程雨航;侯宝存;: "人工智能技术在智能制造中的典型应用场景与标准体系研究", 中国工程科学, no. 04, pages 112 - 117 * |
| 白浩;周长城;袁智勇;雷金勇;: "基于数字孪生的数字电网展望和思考", 南方电网技术, no. 08, pages 18 - 24 * |
| 贺兴;艾芊;朱天怡;邱才明;张东霞;: "数字孪生在电力***应用中的机遇和挑战", 电网技术, no. 06, pages 2009 - 2019 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113435657A (zh) * | 2021-07-09 | 2021-09-24 | 清华四川能源互联网研究院 | 数据集成处理方法、***、能源管理***、电子设备及计算机可读存储介质 |
| CN113435657B (zh) * | 2021-07-09 | 2022-12-23 | 清华四川能源互联网研究院 | 数据集成处理方法、***、能源管理***、电子设备及计算机可读存储介质 |
| CN114387033A (zh) * | 2022-01-14 | 2022-04-22 | 成都秦川物联网科技股份有限公司 | 一种基于天然气能量的计费方法和*** |
| CN115297184A (zh) * | 2022-09-30 | 2022-11-04 | 网思科技股份有限公司 | 一种用于数字孪生的数据获取*** |
| CN115297184B (zh) * | 2022-09-30 | 2022-12-13 | 网思科技股份有限公司 | 一种用于数字孪生的数据获取*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112017074B (zh) | 2023-07-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101730081B1 (ko) | 지능형 전력망 연동 홈 네트워크에서의 전력 관리 시스템, 전력 관리 장치 및 방법 | |
| CN112017074A (zh) | 一种基于机器学习的能量协同管理*** | |
| US11927977B2 (en) | Smart building manager | |
| US9063525B2 (en) | Distributed energy services management system | |
| WO2021114661A1 (zh) | 一种基于边云协同的工厂电能管控***及方法 | |
| CN111754023A (zh) | 边云协同的用户负荷预测控制与交易***及其实施方法 | |
| Katipamula et al. | Small-and medium-sized commercial building monitoring and controls needs: A scoping study | |
| US20210284040A1 (en) | Multi-modal control plane for demand flexibility and electric vehicle charging | |
| Huh et al. | Hybrid advanced metering infrastructure design for micro grid using the game theory model | |
| CN105470971A (zh) | 一种灵活自适应电力负荷控制***及其控制方法 | |
| Potter et al. | Demand response advanced controls framework and assessment of enabling technology costs | |
| CN114069700B (zh) | 一种基于能源互联网的区域综合能源调度控制*** | |
| CN117273242B (zh) | 一种基于区块链的虚拟电厂管理***及方法 | |
| Chen | Energy-use Internet and friendly interaction with power grid: A perspective | |
| CN116073366A (zh) | 一种基于需求响应的居民家庭微电网协调互动方法及*** | |
| Hussain et al. | IoT residential appliance monitoring and controlling system using MQTT protocol | |
| Buraimoh et al. | Virtual Power Plant with Demand Response Control in Aggregated Distributed Energy Resources of Microgrid | |
| Minoli et al. | The Emerging “Energy Internet of Things” | |
| Fiorentino et al. | How Internet of Thing Makes the Energy Grid Smart | |
| Khamphanchai | An agent-based platform for demand response implementation in smart buildings | |
| Gormantara et al. | Smart Kost: a Proposed New Normal Boarding House Controlling and Monitoring System in Industry 4.0 Era | |
| EP4371807A1 (en) | Optimized control of power depots using multi-tenant charging system-of-systems | |
| JP7210919B2 (ja) | エネルギーマネジメントシステム及びエネルギーマネジメント方法 | |
| Potter et al. | Demand Response Advanced Controls Framework and Assessment of Enabling Technology | |
| Küfeoğlu | Demand Response and Smart Charging |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: Building 7 and Building 8, No. 138 Yunlian Road, Yuhang District, Hangzhou City, Zhejiang Province, 311121 Applicant after: Zhejiang Huadian Equipment Testing Research Institute Co.,Ltd. Applicant after: STATE GRID ZHEJIANG ELECTRIC POWER Co.,Ltd. Applicant after: MATERIAL BRANCH, STATE GRID ZHEJIANG ELECTRIC POWER Co.,Ltd. Address before: No.217 Taizhou Road, gongchenqiao, Hangzhou, Zhejiang, 310015 Applicant before: ZHEJIANG HUADIAN EQUIPMENT TESTING INSTITUTE Co.,Ltd. Applicant before: STATE GRID ZHEJIANG ELECTRIC POWER Co.,Ltd. Applicant before: MATERIAL BRANCH, STATE GRID ZHEJIANG ELECTRIC POWER Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230905 Address after: 311100 Buildings 7 and 8, No. 138, Yunlian Road, Yuhang District, Hangzhou, Zhejiang Patentee after: Zhejiang Huadian Equipment Testing Research Institute Co.,Ltd. Patentee after: STATE GRID ZHEJIANG ELECTRIC POWER Co.,Ltd. Address before: Building 7 and Building 8, No. 138 Yunlian Road, Yuhang District, Hangzhou City, Zhejiang Province, 311121 Patentee before: Zhejiang Huadian Equipment Testing Research Institute Co.,Ltd. Patentee before: STATE GRID ZHEJIANG ELECTRIC POWER Co.,Ltd. Patentee before: MATERIAL BRANCH, STATE GRID ZHEJIANG ELECTRIC POWER Co.,Ltd. |