CN114626643A - 智慧城市政府供电调控方法、物联网***、装置及介质 - Google Patents
智慧城市政府供电调控方法、物联网***、装置及介质 Download PDFInfo
- Publication number
- CN114626643A CN114626643A CN202210532059.XA CN202210532059A CN114626643A CN 114626643 A CN114626643 A CN 114626643A CN 202210532059 A CN202210532059 A CN 202210532059A CN 114626643 A CN114626643 A CN 114626643A
- Authority
- CN
- China
- Prior art keywords
- target area
- time period
- future time
- power supply
- government
- 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
Links
- 230000033228 biological regulation Effects 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000005611 electricity Effects 0.000 claims abstract description 108
- 238000011161 development Methods 0.000 claims abstract description 44
- 238000012549 training Methods 0.000 claims description 56
- 230000009467 reduction Effects 0.000 claims description 34
- 230000000694 effects Effects 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 12
- 230000000977 initiatory effect Effects 0.000 claims description 7
- 230000001276 controlling effect Effects 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims 1
- 238000007726 management method Methods 0.000 description 69
- 230000000875 corresponding effect Effects 0.000 description 36
- 238000012545 processing Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 230000001953 sensory effect Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 7
- 241000711573 Coronaviridae Species 0.000 description 6
- 230000002265 prevention Effects 0.000 description 6
- 208000031504 Asymptomatic Infections Diseases 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 5
- 208000015181 infectious disease Diseases 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000002123 temporal effect Effects 0.000 description 4
- 230000010365 information processing Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000001717 pathogenic effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000009466 transformation Effects 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
- 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
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Environmental & Geological Engineering (AREA)
- Power Engineering (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- Environmental Sciences (AREA)
- Ecology (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Educational Administration (AREA)
- Water Supply & Treatment (AREA)
Abstract
本说明书实施例提供一种智慧城市政府供电调控方法、物联网***、装置及介质,该方法由政府供电调控管理平台执行。该方法包括:获取目标区域未来时间段的天气特征、目标区域未来时间段的时间事件特征以及目标区域当前时间段的基础经济发展特征;基于上述特征,通过用电预测模型预测目标区域未来时间段的人均生活用电量;基于目标区域未来时间段的人均生活用电量,确定目标区域未来时间段的供电策略。该物联网***包括依次交互的用户平台、政府服务平台、政府供电调控管理平台、政府传感网络平台和对象平台。该方法通过智慧城市政府供电调控装置实现。该方法还通过计算机可读存储介质存储的计算机指令被读取后运行。
Description
技术领域
本说明书涉及物联网与云平台领域,特别涉及一种智慧城市政府供电调控方法、物联网***、装置及介质。
背景技术
在能源供给端绿色转型和消费端电气化比例提升的共同作用下,电力供应不足的问题可能长期持续。这需要加快电力市场化改革,通过价格机制引导供需更好匹配。随着信息科学技术的发展,云平台的概念及其在物联网中的应用被越来越多的人提及。因此,可以利用物联网平台提供高效合理的政府供电调控方法。
因此,希望可以提供一种智慧城市政府供电调控方法、物联网***、装置及介质。利用物联网与云平台,确定准确的供电策略并合理地向市民发放用电补贴。实现更科学的政府供电调控,促使市民节约用能,减少电力供应缺口,降低电力供应的压力。
发明内容
发明内容包括一种智慧城市政府供电调控方法。所述智慧城市政府供电调控方法包括:获取目标区域未来时间段的天气特征、所述目标区域未来时间段的时间事件特征以及所述目标区域当前时间段的基础经济发展特征;基于所述目标区域未来时间段的天气特征、所述目标区域未来时间段的时间事件特征以及所述目标区域当前时间段的基础经济发展特征,通过用电预测模型预测所述目标区域未来时间段的人均生活用电量;基于所述目标区域未来时间段的人均生活用电量,确定所述目标区域未来时间段的供电策略。
在一些实施例中,所述用电预测模型通过训练过程获取,所述训练过程包括:获取多个训练样本及其标签,所述多个训练样本包括所述目标区域历史未来时间段的天气特征、所述目标区域历史未来时间段的时间事件特征以及所述目标区域历史当前时间段的基础经济发展特征,所述标签包括历史未来时间段的实际人均生活用电量;以及基于所述多个训练样本训练初始用电预测模型,得到所述用电预测模型。
在一些实施例中,所述用电预测模型的输入还包括所述目标区域未来时间段由于疫情导致隔离的人数。
在一些实施例中,所述方法还包括,基于所述目标区域未来时间段的人均生活用电量,确定所述目标区域未来时间段的目标供电策略,所述基于所述目标区域未来时间段的人均生活用电量,确定所述目标区域未来时间段的目标供电策略包括:获取多组所述目标区域未来时间段的供电策略,作为候选供电策略;基于每一组所述候选供电策略、所述目标区域未来时间段的人均生活用电量,通过效果预测模型预测所述每一组所述候选供电策略对应的缩减率;基于所述每一组所述候选供电策略对应的缩减率,确定所述目标区域未来时间段的目标供电策略。
在一些实施例中,所述效果预测模型通过训练过程获取,所述训练过程包括:获取多个训练样本及其标签,所述多个训练样本包括历史未来时间段的供电策略、所述目标区域历史未来时间段的人均生活用电量,所述标签包括历史未来时间段的实际缩减率;以及基于所述多个训练样本训练初始效果预测模型,得到所述效果预测模型。
在一些实施例中,所述效果预测模型的输入还包括所述目标区域当前时间段的基础经济发展特征。
在一些实施例中,所述获取目标区域未来时间段的天气特征、所述目标区域未来时间段的时间事件特征以及所述目标区域当前时间段的基础经济发展特征包括:所述政府供电调控管理平台通过政府传感网络平台基于对象平台获取所述目标区域未来时间段的天气特征、所述目标区域未来时间段的时间事件特征以及所述目标区域当前时间段的基础经济发展特征;其中,所述对象平台被配置为包括智能电表以及终端设备。
发明内容包括一种智慧城市政府供电调控***,所述***包括依次交互的用户平台、政府服务平台、政府供电调控管理平台、政府传感网络平台和对象平台,所述政府供电调控管理平台被配置为执行以下操作:获取目标区域未来时间段的天气特征、所述目标区域未来时间段的时间事件特征以及所述目标区域当前时间段的基础经济发展特征;基于所述目标区域未来时间段的天气特征、所述目标区域未来时间段的时间事件特征以及所述目标区域当前时间段的基础经济发展特征,通过用电预测模型预测所述目标区域未来时间段的人均生活用电量;基于所述目标区域未来时间段的人均生活用电量,确定所述目标区域未来时间段的供电策略。
发明内容包括一种智慧城市政府供电调控装置,包括处理器,所述处理器用于执行智慧城市政府供电调控方法。
发明内容包括一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行智慧城市政府供电调控方法。
本发明为了克服因电力供应存在缺口,而造成的电力供应压力大的问题,通过预测未来时间段的人均生活用电量,确定准确的预设最高人均生活用电量以及节约单位电量的补贴金额,并合理地向市民发放用电补贴。实现了更科学的政府供电调控,促使市民节约用能,减少电力供应缺口,降低电力供应的压力。并且,通过效果预测模型预测每一组候选供电策略对应的缩减率,进而确定在补贴总金额的阈值的范围内,缩减率最高的目标供电策略。经济高效地降低了电力供应的压力。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的智慧城市政府供电调控的应用场景示意图;
图2是根据本说明书一些实施例所示的智慧城市政府供电调控***的示例性平台结构图;
图3是根据本说明书一些实施例所示的政府供电调控方法的示例性流程图;
图4是根据本说明书一些实施例所示的确定目标区域未来时间段的目标供电策略方法的示例性流程图;
图5是根据本说明书一些实施例所示的用电预测模型结构的示意图;
图6是根据本说明书一些实施例所示的疫情预测模型结构的示意图;
图7是根据本说明书一些实施例所示的效果预测模型结构的示意图;
图中,100为应用场景,110为处理设备,120为网络,130为存储设备,140为智能电表,150为供电企业,160为终端设备,160-1为智能手机,160-2为平板电脑,160-3为笔记本电脑,200为智慧城市政府供电调控***,210为用户平台,220为政府服务平台,230为政府供电调控管理平台,240为政府传感网络平台,250为对象平台,500为用电预测模型结构,510-1为目标区域未来时间段的天气特征,510-2为目标区域未来时间段的时间事件特征,510-3为目标区域当前时间段的基础经济发展特征,510-4为目标区域未来时间段由于疫情导致隔离的人数,520为用电预测模型,530为目标区域未来时间段的人均生活用电量,540为第一训练样本,550为初始用电预测模型,600为疫情预测模型结构,610-1为新冠病毒病原学检测阳性者人数,610-2为无症状感染人数,610-3为有症状感染人数,610-4为中高风险区域个数,610-5为疫情防控措施,620为疫情预测模型,620-1为疫情特征提取层,620-2为隔离人数预测层,630为疫情特征向量,640为第二训练样本,650为初始疫情预测模型,700为效果预测模型结构,710-1为一组候选供电策略,710-2为目标区域未来时间段的人均生活用电量,720为效果预测模型,730为该组候选供电策略对应的缩减率,740为第三训练样本,750为初始效果预测模型。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“***”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的***所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的智慧城市政府供电调控的应用场景示意图。
在一些实施例中,应用场景100可以包括处理设备110、网络120、存储设备130、智能电表140、供电企业150以及终端设备160。在一些实施例中,应用场景100中的组件可以经由网络120(例如无线连接、有线连接或其组合),以实现彼此连接和/或通信。例如,处理设备110可以通过网络120连接到存储设备130。又例如,智能电表140可以通过网络120连接到处理设备110、存储设备130。
处理设备110可以用于处理与应用场景100有关的信息和/或数据。例如,目标区域未来时间段的天气特征、目标区域未来时间段的时间事件特征以及目标区域当前时间段的基础经济发展特征、目标区域未来时间段的目标供电策略等。处理设备110可以处理从其他设备或***组成部分中获得的数据、信息和/或处理结果。并基于这些数据、信息和/或处理结果执行程序指令,以执行本说明书中描述的一个或以上功能。
网络120可以连接应用场景100的各组成部分和/或连接应用场景100与外部资源部分。网络使得各组成部分之间,以及与应用场景100之外其他部分之间可以进行通讯,促进数据和/或信息的交换。网络可以是局域网、广域网、互联网等,可以是多种网络结构的组合。
存储设备130可以用于存储数据和/或指令。在一些实施例中,存储设备130可以储存处理设备110用来执行或使用以完成本说明书中描述的示例性方法的数据和/或指令。在一些实施例中,存储设备130可以连接到网络120以与应用场景100的一个或以上组件(例如,处理设备110、智能电表140、供电企业150以及终端设备160)通信。
智能电表140可以用于采集电量数据和/或信息。例如,目标区域历史未来时间段的实际人均生活用电等。在一些实施例中,智能电表140可以将采集的数据和/或信息通过网络发送到处理设备110。
供电企业150可以用于供应和/或调度电能。例如,供电企业可以将电能供应给市民。示例性的供电企业可以包括国家电网或南方电网下属的各市级供电公司。
在一些实施例中,终端设备160可以用于供电策略以及对应的补贴金额的查询。例如,市民可以通过终端设备查询到当月的补贴金额。终端设备160还可以用于获取目标区域未来时间段的天气特征、目标区域未来时间段的时间事件特征以及目标区域当前时间段的基础经济发展特征。示例性的,终端设备160可以包括智能手机160-1、平板电脑160-2、笔记本电脑160-3等。
应当注意应用场景仅仅是为了说明的目的而提供,并不意图限制本说明书的范围。对于本领域的普通技术人员来说,可以根据本说明书的描述,做出多种修改或变化。例如,应用场景还可以包括数据库。又例如,应用场景可以在其他设备上实现以实现类似或不同的功能。然而,变化和修改不会背离本说明书的范围。
物联网***是一种包括对象平台、传感网络平台、管理平台、服务平台、用户平台中部分或全部平台的信息处理***。管理平台可以实现统筹、协调各功能平台(如传感网络平台、对象平台)之间的联系和协作。管理平台汇聚着物联网运行体系的信息,可以为物联网运行体系提供感知管理和控制管理功能。传感网络平台可以实现连接管理平台和对象平台,起着感知信息传感通信和控制信息传感通信的功能。对象平台是对感知信息生成和控制信息进行执行的功能平台。服务平台是指为用户提供输入和输出服务的平台。用户平台是指以用户为主导的平台,包括获取用户的需求以及将信息反馈给用户的平台。
物联网***中信息的处理可以分为感知信息的处理流程及控制信息的处理流程,控制信息可以是基于感知信息而生成的信息。其中,感知信息的处理是由对象平台获取感知信息,并通过传感网络平台传递至管理平台。控制信息则是由管理平台通过传感网络平台下发至对象平台,进而实现对相应对象的控制。
在一些实施例中,将物联网***应用于城市管理时,可以将其称之为智慧城市物联网***。
图2是根据本说明书一些实施例所示的智慧城市政府供电调控***的示例性平台结构图。如图2所示,智慧城市政府供电调控***200可以基于物联网***实现。智慧城市政府供电调控***200包括用户平台210、政府服务平台220、政府供电调控管理平台230、政府传感网络平台240和对象平台250。在一些实施例中,智慧城市政府供电调控***200可以为处理设备110的一部分或由处理设备110实现。
在一些实施例中,智慧城市政府供电调控***200可以应用于政府供电调控的多种场景。在一些实施例中,智慧城市政府供电调控***200可以分别获取多种场景下的用电相关数据,以得到各个场景下的政府供电调控策略。在一些实施例中,智慧城市政府供电调控***200可以基于获取到各个场景下的用电相关数据,得到整个区域(如整个城市)的政府供电调控策略。
政府供电调控的多种场景可以包括如工业供电的场景、农业供电的场景、市民供电的场景等。例如,可以包括市民供电调控等。需要说明的是以上场景仅为示例,并不对智慧城市政府供电调控***200的具体应用场景起限制作用。本领域技术人员可以在本实施例公开的内容基础上,将智慧城市政府供电调控***200应用于其他合适的任何场景。
在一些实施例中,智慧城市政府供电调控***200可以应用于市民供电调控。在应用于市民供电调控时,对象平台250可以用于采集与供电预测相关的数据。例如,目标区域未来时间段的天气特征、目标区域未来时间段的时间事件特征以及目标区域当前时间段的基础经济发展特征等;对象平台250可以将采集到的与供电预测相关的数据上传至政府传感网络平台240。政府传感网络平台240可以对收集到的数据进行汇总处理。政府传感网络平台240再将进一步汇总处理后的数据上传至政府供电调控管理平台230。由政府供电调控管理平台230基于对收集到的数据的处理作出与供电预测相关的策略或指令,如供电策略等。
对于本领域的技术人员来说,在了解该***的原理后,可能在不背离这一原理的情况下,将***移用到其他任何合适的场景下。
以下将以智慧城市政府供电调控***200应用于市民供电的场景为例对智慧城市政府供电调控***200进行具体说明。
需要说明的是,分平台是指平台根据任务类型分出的部分平台。在一些实施例中,政府服务平台220、政府供电调控管理平台230、政府传感网络平台240和对象平台250均可以根据需要设置多个分平台。分平台可以协助平台更高效率的完成信息的处理,并解决平台计算能力的不足的问题。
数据库是指存储数据的集合。例如,管理平台数据库可以存储目标区域未来时间段的天气特征、目标区域未来时间段的时间事件特征以及目标区域当前时间段的基础经济发展特征等数据信息。
分数据库是指数据库根据数据类型分出的部分数据集合。在一些实施例中,服务平台数据库、管理平台数据库、传感网络平台数据库均可以根据需要设置多个分数据库。
用户平台210可以是以市民为主导的平台,包括获取市民的需求以及将信息反馈给市民的平台。例如,用户平台210可以通过终端设备(例如,终端设备160),获取市民的输入指令,查询目标地区的供电策略。又例如,用户平台210可以将补贴方案的信息反馈给市民。
政府服务平台220可以是为市民提供输入和输出服务的平台。例如,政府服务平台220可以获取市民通过用户平台210下发的查询指令,查询用电补贴方案,并将用电补贴方案反馈给市民。
政府供电调控管理平台230可以指智慧城市中对政府供电调控进行管理的平台。在一些实施例中,政府供电调控管理平台230可以属于管理平台。政府供电调控管理平台230可以被配置为通过政府传感网络平台240基于对象平台250获取目标区域未来时间段的天气特征、目标区域未来时间段的时间事件特征以及目标区域当前时间段的基础经济发展特征。
在一些实施例中,政府供电调控管理平台230可以包括管理信息综合管理平台及多个管理分平台。
在一些实施例中,政府供电调控管理平台230可以包括供电调控分平台、财政管理分平台中的一种或多种管理分平台。不同的管理分平台可以通过不同的管理平台分数据库为管理信息综合管理平***立的提供信息。例如,供电调控分平台可以通过供电调控数据库为管理信息综合管理平台提供政府供电调控信息。财政管理分平台可以通过财政管理数据库为管理信息综合管理平台提供财政管理信息。管理信息综合管理平台对接收的信息进行综合管理,并根据市民需求发送至政府服务平台220。
在一些实施例中,管理平台数据库可以基于对象平台250获取目标区域未来时间段的天气特征、目标区域未来时间段的时间事件特征以及目标区域当前时间段的基础经济发展特征,管理分平台数据库可以基于管理平台数据库获取目标区域未来时间段的天气特征、目标区域未来时间段的时间事件特征以及目标区域当前时间段的基础经济发展特征。
在一些实施例中,政府供电调控管理平台230还可以被配置为基于目标区域未来时间段的目标供电策略,确定目标区域未来时间段的目标供电策略对应的补贴总金额,并将目标区域未来时间段的目标供电策略对应的补贴总金额发送给财政管理分平台。
关于政府供电调控管理平台230的更多内容可以参见本说明书其他部分(例如,图3-图4及其相关描述),在此不再赘述。
政府传感网络平台240可以指对传感通信进行统一管理的平台,其也可以被称为传感网络管理平台或传感网络管理服务器。在一些实施例中,政府传感网络平台240可以连接政府供电调控管理平台230和对象平台250,实现感知信息传感通信和控制信息传感通信的功能。在一些实施例中,政府传感网络平台240可以被配置为物联网关。其可用于建立终端设备(例如,终端设备160)和/或智能电表(例如,智能电表140)与管理平台(例如,政府供电调控管理平台230)的感知信息上传、控制信息下发的通道。在一些实施例中,政府传感网络平台240可以包括多个传感网络分平台。传感网络分平台可以为不同的对象平台250所对应的传感网络分平台(例如,终端设备分平台和智能电表分平台)。其可对终端设备和智能电表上传的数据处理并存储至传感网络平台数据库,进而分配到不同的传感网络平台分数据库进行处理和存储。处理后的数据经传感网络平台数据库汇总存储后传输至传感信息综合管理平台,并由传感信息管理综合管理平台统一传输至政府供电调控管理平台230,由管理平台数据库储存。
对象平台250可以指感知信息生成和控制信息最终执行的功能平台,是市民意志得以实现的最终平台。在一些实施例中,对象平台250可以获取信息。获取的信息可以作为整个物联网的信息输入。
感知信息可以指物理实体所获取的信息。例如,智能电表所获取的信息。控制信息可以指对感知信息进行识别、验证、解析、转换等处理后形成的控制信息,例如,控制指令。
在一些实施例中,对象平台250可以被配置为终端设备和智能电表。在一些实施例中,对象平台250可以基于不同的感知设备的类型,分类为多个对象分平台。例如,对象平台250可以基于终端设备,分类为终端设备平台,包括一个或多个终端设备;对象平台250可以基于智能电表,分类为智能电表平台,包括一个或多个智能电表。
需要注意的是,以上对于***及其组成部分的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该***的原理后,可能在不背离这一原理的情况下,对各个组成部分进行任意组合,或者构成子***与其他组成部分连接。例如,各个组成部分可以共用一个存储设备,各个组成部分也可以分别具有各自的存储设备。诸如此类的变形,均在本说明书的保护范围之内。
通过五种平台的物联网功能体系结构实施智慧城市政府供电调控,完成了信息流程的闭环,使物联网信息处理更加流畅高效。
图3是根据本说明书一些实施例所示的政府供电调控方法的示例性流程图。如图3示,流程300包括下述步骤。在一些实施例中,流程300可以由政府供电调控管理平台230执行。
步骤310,获取目标区域未来时间段的天气特征、目标区域未来时间段的时间事件特征以及目标区域当前时间段的基础经济发展特征。
目标区域是指政府待进行供电调控的区域。在一些实施例中,目标区域可以包括城市、片区等。例如,目标区域可以是北京市。又例如,目标区域可以是北京市朝阳区。
当前时间段是指由过去某一时刻到当前时刻的时间段。未来时间段是指由当前时刻到未来某一时刻的时间段。例如,若当前时刻为2032年6月30日24点0分,则当前时间段可以是2032年5月31日24点0分至2032年6月30日24点0分。未来时间段可以是2032年6月30日24点0分至2032年7月31日24点0分。
目标区域未来时间段的天气特征是指预测到的目标区域未来时间段内的气温与降雨量的平均值。例如,若当前时刻为2032年6月30日24点0分,目标区域未来时间段的天气特征可以是预测到的目标区域2032年6月30日24点0分至2032年7月31日24点0分的气温与降雨量的平均值。
在一些实施例中,对象平台250可以基于终端设备获得目标区域未来时间段的天气特征。
目标区域未来时间段的时间事件特征是指目标区域未来时间段内影响用电量的重要事件。在一些实施例中,目标区域未来时间段的时间事件特征可以是节假日特征(即,未来时间段的节假日总数)。例如,遇到节假日,大部分人都会在家,市民区域的用电量可能会提高。因此可以把目标区域未来时间段的节假日总数作为未来时间段的时间事件特征。在一些实施例中,目标区域未来时间段的时间事件特征可以是区域性事件特征(即,该区域未来时间段可能会导致用电量变化的事件)。例如,目标区域新出政策,从下个月起电价下降,则该区域下个月用电量可能会增高。因此可以把这种对用电量有影响的区域性事件量化为一个用电量影响值作为目标区域未来时间段的时间事件特征。
用电量影响值是指对用电量影响的程度。在一些实施例中,用电量影响值可以是能够反映对用电量影响的程度的数值。例如,用电量影响值可以用-10~10之间的数值,可以产生影响使用电量增高的取正值,可以产生影响使用电量降低的取负值,用电量影响值的绝对值越大表示对用电量影响的程度越高。在一些实施例中,用电量影响值可以基于人为经验确定。
在一些实施例中,对象平台250可以基于终端设备获得目标区域未来时间段的时间事件特征。
当前时间段的基础经济发展特征是指目标区域当前时间段的经济发展的基础数据。例如,若当前时刻为2032年6月30日24点0分,目标区域当前时间段的基础经济发展特征可以是目标区域2032年5月31日24点0分至2032年6月30日24点0分的总GDP、人均GDP、教育程度、人均税收等。
在一些实施例中,对象平台250可以基于终端设备获得目标区域当前时间段的基础经济发展特征。
步骤320,基于目标区域未来时间段的天气特征、目标区域未来时间段的时间事件特征以及目标区域当前时间段的基础经济发展特征,通过用电预测模型预测目标区域未来时间段的人均生活用电量。
目标区域未来时间段的人均生活用电量是指目标区域未来时间段每个人的平均生活用电。例如,若当前时刻为2032年6月30日24点0分,目标区域未来时间段的人均生活用电量可以是预测到的目标区域2032年6月30日24点0分至2032年7月31日24点0分的每个人的平均生活用电。
在一些实施例中,政府供电调控管理平台230可以基于目标区域未来时间段的天气特征、目标区域未来时间段的时间事件特征以及目标区域当前时间段的基础经济发展特征,通过用电预测模型预测目标区域未来时间段的人均生活用电量。
在一些实施例中,将目标区域未来时间段的天气特征、目标区域未来时间段的时间事件特征以及目标区域当前时间段的基础经济发展特征输入用电预测模型后,可以由用电预测模型预测目标区域未来时间段的人均生活用电量。在一些实施例中,用电预测模型的输入还可以包括所述目标区域未来时间段由于疫情导致隔离的人数。
用电预测模型可以是深度神经网络(Deep Neural Networks, DNN)、循环神经网络(Recurrent Neural Network, RNN)、卷积神经网络(Convolutional Neural Networks,CNN)等。关于用电预测模型的更多内容可以参见本说明书其他部分(例如,图5及其相关描述),在此不再赘述。
步骤330,基于目标区域未来时间段的人均生活用电量,确定目标区域未来时间段的供电策略。
目标区域未来时间段的供电策略是指目标区域未来时间段的供电方案。在一些实施例中,目标区域未来时间段的供电策略可以包括预设最高人均生活用电量以及节约单位电量的补贴金额(例如,节约一度电量的补贴金额)。其中,预设最高人均生活用电量为人为设定的阈值。当目标区域内的某个家庭未来时间段的人均生活用电量低于预设最高人均生活用电量,则基于该家庭人均生活用电量的实际值与预设最高人均生活用电量的差值确定补贴金额(例如,每节约一度电量,则向该家庭补贴节约一度电量的补贴金额)。例如,目标区域未来时间段的供电策略可以是预设最高人均生活用电量为300度,实际人均生活用电量相对于预设最高人均生活用电量每节约一度补贴2角钱。
在一些实施例中,政府供电调控管理平台230可以基于目标区域未来时间段的人均生活用电量,确定目标区域未来时间段的供电策略。关于确定供电策略的更多内容可以参见本说明书其他部分(例如,图4及其相关描述),在此不再赘述。
步骤340,基于目标区域未来时间段的人均生活用电量,确定目标区域未来时间段的目标供电策略。
目标供电策略是指最终确定的供电策略。
在一些实施例中,政府供电调控管理平台230可以基于所述每一组所述候选供电策略对应的缩减率,确定所述目标区域未来时间段的目标供电策略。关于确定目标供电策略的更多内容可以参见本说明书其他部分(例如,图4及其相关描述),在此不再赘述。
通过预测未来时间段的人均生活用电量,确定准确的预设最高人均生活用电量以及节约单位电量的补贴金额,并合理地向市民发放用电补贴。实现了更科学的政府供电调控,促使市民节约用能,减少电力供应缺口,降低电力供应的压力。
图4是根据本说明书一些实施例所示的确定目标区域未来时间段的目标供电策略方法的示例性流程图。如图4示,流程400包括下述步骤。在一些实施例中,流程400可以由政府供电调控管理平台230执行。
步骤410,获取多组目标区域未来时间段的供电策略,作为候选供电策略。
候选供电策略是指待选定为目标供电策略的策略。在一些实施例中,候选供电策略可以包括多组。例如,候选供电策略1可以是预设最高人均生活用电量为300度,实际人均生活用电量相对于预设最高人均生活用电量每节约一度补贴2角钱。候选供电策略2可以是预设最高人均生活用电量为290度,实际人均生活用电量相对于预设最高人均生活用电量每节约一度补贴2角钱。候选供电策略1可以是预设最高人均生活用电量为280度,实际人均生活用电量相对于预设最高人均生活用电量每节约一度补贴3角钱。候选供电策略1可以是预设最高人均生活用电量为270度,实际人均生活用电量相对于预设最高人均生活用电量每节约一度补贴3角钱。
在一些实施例中,政府供电调控管理平台230可以基于多个预设的降低幅度对目标区域未来时间段的人均生活用电量调整,确定预设最高人均生活用电量。
预设的降低幅度是指预先设定的降低幅度。例如,预设的降低幅度可以为10度。当预测到的目标区域未来时间段的人均生活用电量为300度时,预设最高人均生活用电量可以为300度、290度、280度以及270度(假设根据历史数据,实际人均生活用电量较低于260度的人数低于某阈值(例如,5%),则如果设置低于260度,市民几乎无法达到,也就起不到促使市民节约用电的目的)。又例如,预设的降低幅度可以为5度。当预测到的目标区域未来时间段的人均生活用电量为300度时,预设最高人均生活用电量可以为300度、295度、290度、285度、280度、275度、270度以及265度。
在一些实施例中,政府供电调控管理平台230可以基于用电预测模型的置信度对预设的降低幅度进行调整。用电预测模型的置信度越低,预设的降低幅度可以增大,并适当降低预设最高人均生活用电量的最低值。例如,用电预测模型预测到的目标区域未来时间段的人均生活用电量为300度,但其置信度较低(例如,60%)。则说明在未执行供电策略的情况下,未来一个月的人均用电量与300度很可能有较大偏差。因此在生成候选供电策略时,预设的降低幅度可以增大,并适当降低预设最高人均生活用电量的最低值(例如,当预测到的目标区域未来时间段的人均生活用电量为300度时,预设的降低幅度可以为20度,预设最高人均生活用电量的最低值设为240度)。
在一些实施例中,假设用电预测模型刚训练好,可以将用电预测模型在训练集上的准确率作为用电预测模型的置信度。在一些实施例中,假设用电预测模型并非刚训练好,可以将之前几个时间段的预测偏差的平均值作为用电预测模型的置信度。其中,某个时间段的预测偏差为预测到的该时间段的人均生活用电量与该时间段的实际人均生活用电量的差值,占预测到的该时间段的人均生活用电量的比例。例如,用电预测模型预测某时间段的人均用电为300度,而该时间段的实际人均生活用电量为270度,则预测偏差为(300-270)/300=10%。
在一些实施例中,政府供电调控管理平台230可以基于目标区域经济是否发达、目标区域电价以及设定的预设最高人均生活用电量,确定节约单位电量的补贴金额。例如,目标区域的经济越发达(即,对补贴金额的看重程度相对较低),电价越低(即,节约用电的意识越差),节约单位电量的补贴金额可以越高。又例如,设定的预设最高人均生活用电量越低(即,达到预设最高人均生活用电量以下越难),节约单位电量的补贴金额可以越高。
步骤420,基于每一组候选供电策略、目标区域未来时间段的人均生活用电量,通过效果预测模型预测每一组候选供电策略对应的缩减率。
缩减率是指通过实行候选供电策略而使目标区域未来时间段的人均生活用电量缩减的比率。例如,通过用电预测模型预测的目标区域未来时间段的人均生活用电量为300度。实行的候选供电策略可以是预设最高人均生活用电量为300度,实际人均生活用电量相对于预设最高人均生活用电量每节约一度补贴2角钱。实行该候选供电策略后,该时间段的实际人均生活用电量为270度,则缩减率为:(300-270)/300=10%。
在一些实施例中,可以基于每一组候选供电策略、目标区域未来时间段的人均生活用电量,通过效果预测模型预测每一组候选供电策略对应的缩减率。
在一些实施例中,将每一组候选供电策略、目标区域未来时间段的人均生活用电量输入效果预测模型后,可以由效果预测模型预测每一组候选供电策略对应的缩减率。在一些实施例中,效果预测模型的输入还可以包括目标区域当前时间段的基础经济发展特征。
效果预测模型可以是神经网络模型(例如,CNN、RNN、DNN等模型)。关于用电预测模型的更多内容可以参见本说明书其他部分(例如,图7及其相关描述),在此不再赘述。
步骤430,基于每一组候选供电策略对应的缩减率,确定目标区域未来时间段的目标供电策略。
在一些实施例中,政府供电调控管理平台230可以基于每一组候选供电策略,确定每一组候选供电策略对应的补贴总金额。接着,将补贴总金额不超过补贴总金额的阈值且缩减率最大的方案作为目标区域未来时间段的目标供电策略。其中,补贴总金额的阈值可是基于该区域财政状况确定的阈值。
补贴总金额是指目标区域未来时间段实行了供电策略后补贴的金额总数。在一些实施例中,可以基于候选供电策略对应的补贴总电量确定该候选供电策略对应的补贴总金额。例如,假设某城市实行某组候选供电策略后的补贴总电量为1万度,假设1度电量补贴1元,则该城市实行候选供电策略后的补贴总金额为1万元。
在一些实施例中,政府供电调控管理平台230可以基于公式Q=(x-y)×n+Q1,确定候选供电策略对应的补贴总电量。
其中,Q为候选供电策略对应的补贴总电量,x为候选供电策略对应的预设最高人均生活用电量,y为目标区域未来时间段的人均生活用电量,n为目标区域的人数,Q1为超过候选供电策略对应的预设最高人均生活用电量的总电量。
其中,y可以是基于缩减率获得的。例如,用电预测模型预测的目标区域未来时间段的人均生活用电量为300,效果预测模型预测的缩减率为10%,则y=300*(1-10%)=270。Q1可以基于历史数据获得。例如,由于超过预设最高人均生活用电量的人对补贴的看重程度相对较低。因此,可以以近三年相同月份超过候选供电策略对应的预设最高人均生活用电量的总电量的平均值作为Q1。
由于实施了候选供电策略后,人均生活用电量应该会有所减少,因此理论上,x应该是大于y。在一些实施例中,当超过候选供电策略对应的预设最高人均生活用电量的总电量Q1为0时,Q=(x-y)×n,由于Q1=0,候选供电策略对应的补贴总电量的公式可以为:Q=(x-y)×n+Q1。例如,假设n=3,x=280,y=270(第一个人的未来时间段的生活用电量为280度,第二个人的未来时间段的生活用电量为260度,第三个人的未来时间段的生活用电量为270度),则Q1=0,Q=(280-270)×3+0=30度。
在一些实施例中,当超过候选供电策略对应的预设最高人均生活用电量的总电量Q1为大于0时,由于超过候选供电策略对应的预设最高人均生活用电量的总电量Q1抵消了部分应该需要进行补贴的电量。因此Q=(x-y)×n计算的候选供电策略对应的补贴总电量是偏小的。候选供电策略对应的补贴总电量还应该加上超过候选供电策略对应的预设最高人均生活用电量的总电量Q1,即确定候选供电策略对应的补贴总电量的公式应该为:Q=(x-y)×n+Q1。例如,假设n=3,x=280,y=270(第一个人的未来时间段的生活用电量为300度,第二个人的未来时间段的生活用电量为310度,第三个人的未来时间段的生活用电量为200度),则Q1=(300-280)+(310-280)=50度,Q=(280-270)×3+50=80度。
通过效果预测模型预测每一组候选供电策略对应的缩减率,进而确定在补贴总金额的阈值的范围内,缩减率最高的目标供电策略。经济高效地降低了电力供应的压力。
图5是根据本说明书一些实施例所示的用电预测模型结构500的示意图。
在一些实施例中,如图5所示,用电预测模型520的输入可以包括目标区域未来时间段的天气特征510-1、目标区域未来时间段的时间事件特征510-2以及目标区域当前时间段的基础经济发展特征510-3,输出为目标区域未来时间段的人均生活用电量530。
在一些实施例中,如图5所示,用电预测模型520的输入还可以包括目标区域未来时间段由于疫情导致隔离的人数510-4。因为由于疫情导致隔离的人长期居家,会导致用电量增加。因此用电预测模型的输入还应该考虑目标区域未来时间段由于疫情导致隔离的人数。
在一些实施例中,供电控制管理平台可以基于目标区域当前时间段的新冠病毒病原学检测阳性者人数、无症状感染人数、有症状感染人数、中高风险区域个数以及疫情防控措施,通过疫情预测模型确定目标区域未来时间段由于疫情导致隔离的人数。关于疫情预测模型的更多内容可以参见本说明书其他部分(例如,图6及其相关描述),在此不再赘述。
在一些实施例中,如图5所示,用电预测模型520的参数可以通过多组有标签的第一训练样本540训练得到。在一些实施例中,可以获得多组第一训练样本540,每组第一训练样本540可以包括多个训练数据及训练数据对应的标签。训练数据可以包括目标区域历史未来时间段的天气特征、目标区域历史未来时间段的时间事件特征以及目标区域历史当前时间段的基础经济发展特征。训练数据的标签可以是历史未来时间段的实际人均生活用电量。通过多组第一训练样本540可以更新初始用电预测模型550的参数,得到训练好的用电预测模型520。
在一些实施例中,可以基于多个第一训练样本540迭代更新初始用电预测模型550的参数,以使模型的损失函数满足预设条件。例如,损失函数收敛,或损失函数值小于预设值。当损失函数满足预设条件时模型训练完成,得到训练好的初始用电预测模型550。其中,用电预测模型520和训练好的初始用电预测模型550具备相同的模型结构。
在一些实施例中,当用电预测模型520的输入还包括目标区域未来时间段由于疫情导致隔离的人数510-4时。对应的,第一训练样本540还可以包括目标区域历史未来时间段由于疫情导致隔离的人数。
通过用电预测模型对未来时间段的人均生活用电量预测,可以将目标区域未来时间段的天气特征、目标区域未来时间段的时间事件特征以及目标区域当前时间段的基础经济发展特征作为用电预测模型的输入。并结合目标区域未来时间段由于疫情导致隔离的人数的相互关联的预测结果,使用电预测模型预测未来时间段的人均生活用电量更加准确。
图6是根据本说明书一些实施例所示的疫情预测模型结构600的示意图。
在一些实施例中,疫情预测模型可以是神经网络模型(例如,CNN、RNN、DNN等模型)。
在一些实施例中,如图6所示,疫情预测模型620的输入可以包括目标区域当前时间段的新冠病毒病原学检测阳性者人数610-1、无症状感染人数610-2、有症状感染人数610-3、中高风险区域个数610-4以及疫情防控措施610-5,输出为目标区域未来时间段由于疫情导致隔离的人数510-4。
在一些实施例中,疫情预测模型620可以包括疫情特征提取层620-1和隔离人数预测层620-2。
在一些实施例中,疫情特征提取层620-1可以基于目标区域当前时间段的新冠病毒病原学检测阳性者人数610-1、无症状感染人数610-2、有症状感染人数610-3、中高风险区域个数610-4以及疫情防控措施610-5,确定疫情特征向量630。疫情特征向量630是表征疫情特征的特征向量。在一些实施例中,疫情特征提取层620-1可以是CNN。
在一些实施例中,隔离人数预测层620-2可以基于疫情特征向量630,预测目标区域未来时间段由于疫情导致隔离的人数510-4。在一些实施例中,隔离人数预测层620-2可以是DNN。
在一些实施例中,疫情特征提取层620-1和隔离人数预测层620-2可以基于训练样本进行联合训练,更新参数。
在一些实施例中,疫情预测模型620可以基于历史疫情数据训练获取。所述历史疫情数据包括历史当前时间段新冠病毒病原学检测阳性者人数、无症状感染人数、有症状感染人数、中高风险区域个数以及疫情防控措施。可以将历史当前时间段新冠病毒病原学检测阳性者人数、无症状感染人数、有症状感染人数、中高风险区域个数以及疫情防控措施作为训练样本。训练样本的标签可以是目标区域历史未来时间段由于疫情导致隔离的实际人数。具体的,将带有标签的第二训练样本640输入初始疫情预测模型650,通过训练更新初始疫情预测模型650的参数。当训练的模型满足预设条件时,训练结束,获取训练好的疫情预测模型620。
通过疫情预测模型对目标区域未来时间段由于疫情导致隔离的人数进行预测,联合训练的方式获得疫情预测模型的参数,有利于解决单独训练疫情特征提取层时难以获得标签的问题。其次,联合训练疫情特征提取层和隔离人数预测层不仅可以减少了需要的样本数量,还可以提高训练效率。
图7是根据本说明书一些实施例所示的效果预测模型结构700的示意图。
在一些实施例中,如图7所示,效果预测模型720的输入可以包括一组候选供电策略710-1、目标区域未来时间段的人均生活用电量710-2,输出为该组候选供电策略对应的缩减率730。
在一些实施例中,如图7所示,效果预测模型720的输入还可以包括目标区域当前时间段的基础经济发展特征510-3。因为如果目标区域当前时间段的基础经济发展情况较好,对补贴金额的看重程度相对较低,会导致供电政策的实施效果较差。因此效果预测模型的输入还应该考虑目标区域当前时间段的基础经济发展特征。
在一些实施例中,如图7所示,效果预测模型720的参数可以通过多组有标签的第三训练样本740训练得到。在一些实施例中,可以获得多组第三训练样本740,每组第三训练样本740可以包括多个训练数据及训练数据对应的标签。训练数据可以包括历史未来时间段的供电策略、目标区域历史未来时间段的人均生活用电量。训练数据的标签可以是历史未来时间段的实际缩减率。通过多组第三训练样本740可以更新初始效果预测模型750的参数,得到训练好的效果预测模型720。
在一些实施例中,可以基于多个第三训练样本740迭代更新初始效果预测模型750的参数,以使模型的损失函数满足预设条件。例如,损失函数收敛,或损失函数值小于预设值。当损失函数满足预设条件时模型训练完成,得到训练好的初始效果预测模型750。其中,效果预测模型720和训练好的初始效果预测模型750具备相同的模型结构。
在一些实施例中,当效果预测模型720的输入还包括目标区域当前时间段的基础经济发展特征510-3时。对应的,第三训练样本740还可以包括目标区域历史当前时间段的基础经济发展特征。
通过效果预测模型对每一组所述候选供电策略对应的缩减率预测,可以将每一组候选供电策略、目标区域未来时间段的人均生活用电作为效果预测模型的输入。并结合目标区域当前时间段的基础经济发展特征的相互关联的预测结果,使效果预测模型预测每一组所述候选供电策略对应的缩减率更加准确。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的***组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的***。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种智慧城市政府供电调控方法,其特征在于,所述方法由政府供电调控管理平台执行,所述方法包括:
获取目标区域未来时间段的天气特征、所述目标区域未来时间段的时间事件特征以及所述目标区域当前时间段的基础经济发展特征;
基于所述目标区域未来时间段的天气特征、所述目标区域未来时间段的时间事件特征以及所述目标区域当前时间段的基础经济发展特征,通过用电预测模型预测所述目标区域未来时间段的人均生活用电量;
基于所述目标区域未来时间段的人均生活用电量,确定所述目标区域未来时间段的供电策略。
2.根据权利要求1所述的方法,其特征在于,所述用电预测模型通过训练过程获取,所述训练过程包括:
获取多个训练样本及其标签,所述多个训练样本包括所述目标区域历史未来时间段的天气特征、所述目标区域历史未来时间段的时间事件特征以及所述目标区域历史当前时间段的基础经济发展特征,所述标签包括历史未来时间段的实际人均生活用电量;以及
基于所述多个训练样本训练初始用电预测模型,得到所述用电预测模型。
3.根据权利要求1所述的方法,其特征在于,所述用电预测模型的输入还包括所述目标区域未来时间段由于疫情导致隔离的人数。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括,基于所述目标区域未来时间段的人均生活用电量,确定所述目标区域未来时间段的目标供电策略,所述基于所述目标区域未来时间段的人均生活用电量,确定所述目标区域未来时间段的目标供电策略包括:
获取多组所述目标区域未来时间段的供电策略,作为候选供电策略;
基于每一组所述候选供电策略、所述目标区域未来时间段的人均生活用电量,通过效果预测模型预测所述每一组所述候选供电策略对应的缩减率;
基于所述每一组所述候选供电策略对应的缩减率,确定所述目标区域未来时间段的目标供电策略。
5.根据权利要求4所述的方法,其特征在于,所述效果预测模型通过训练过程获取,所述训练过程包括:
获取多个训练样本及其标签,所述多个训练样本包括历史未来时间段的供电策略、所述目标区域历史未来时间段的人均生活用电量,所述标签包括历史未来时间段的实际缩减率;以及
基于所述多个训练样本训练初始效果预测模型,得到所述效果预测模型。
6.根据权利要求4所述的方法,其特征在于,所述效果预测模型的输入还包括所述目标区域当前时间段的基础经济发展特征。
7.根据权利要求1所述的方法,其特征在于,所述获取目标区域未来时间段的天气特征、所述目标区域未来时间段的时间事件特征以及所述目标区域当前时间段的基础经济发展特征包括:
所述政府供电调控管理平台通过政府传感网络平台基于对象平台获取所述目标区域未来时间段的天气特征、所述目标区域未来时间段的时间事件特征以及所述目标区域当前时间段的基础经济发展特征;其中,所述对象平台被配置为包括智能电表以及终端设备。
8.一种智慧城市政府供电调控物联网***,其特征在于,所述***包括依次交互的用户平台、政府服务平台、政府供电调控管理平台、政府传感网络平台和对象平台,所述政府供电调控管理平台被配置为执行以下操作:
获取目标区域未来时间段的天气特征、所述目标区域未来时间段的时间事件特征以及所述目标区域当前时间段的基础经济发展特征;
基于所述目标区域未来时间段的天气特征、所述目标区域未来时间段的时间事件特征以及所述目标区域当前时间段的基础经济发展特征,通过用电预测模型预测所述目标区域未来时间段的人均生活用电量;
基于所述目标区域未来时间段的人均生活用电量,确定所述目标区域未来时间段的供电策略。
9.一种智慧城市政府供电调控装置,其特征在于,所述装置包括至少一个处理器以及至少一个存储器;
所述至少一个存储器用于存储计算机指令;
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求1~7中任意一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求1~7任一项所述的智慧城市政府供电调控方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210532059.XA CN114626643A (zh) | 2022-05-16 | 2022-05-16 | 智慧城市政府供电调控方法、物联网***、装置及介质 |
US17/810,824 US20230369855A1 (en) | 2022-05-16 | 2022-07-05 | Method, internet of things system and storage medium for government power supply regulation in smart city |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210532059.XA CN114626643A (zh) | 2022-05-16 | 2022-05-16 | 智慧城市政府供电调控方法、物联网***、装置及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114626643A true CN114626643A (zh) | 2022-06-14 |
Family
ID=81907142
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210532059.XA Pending CN114626643A (zh) | 2022-05-16 | 2022-05-16 | 智慧城市政府供电调控方法、物联网***、装置及介质 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20230369855A1 (zh) |
CN (1) | CN114626643A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115330094A (zh) * | 2022-10-14 | 2022-11-11 | 成都秦川物联网科技股份有限公司 | 智慧燃气管道寿命预测方法、物联网***、装置及介质 |
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*** |
CN116055514A (zh) * | 2022-11-08 | 2023-05-02 | 成都秦川物联网科技股份有限公司 | 天然气增效控制方法、智慧燃气物联网***、装置和介质 |
CN116205610A (zh) * | 2023-04-26 | 2023-06-02 | 成都普惠道智慧能源科技有限公司 | 一种lng加气站管理方法、物联网***和存储介质 |
CN116629565A (zh) * | 2023-05-31 | 2023-08-22 | 湖北华中电力科技开发有限责任公司 | 一种基于平台化的供电服务能力提升方法及*** |
CN116757410A (zh) * | 2023-06-13 | 2023-09-15 | 杨润琴 | 利用人工智能模型的补电取电策略鉴别*** |
US11861552B1 (en) | 2022-06-14 | 2024-01-02 | Chengdu Puhuidao Smart Energy Technology Co., Ltd. | Methods for managing liquefied natural gas (LNG) tanking safety based on location matching and internet of things systems thereof |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117318051B (zh) * | 2023-11-28 | 2024-02-06 | 江苏清智云能综合能源服务有限公司 | 一种基于物联网技术的智慧能源储能管控***及方法 |
-
2022
- 2022-05-16 CN CN202210532059.XA patent/CN114626643A/zh active Pending
- 2022-07-05 US US17/810,824 patent/US20230369855A1/en active Pending
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11861552B1 (en) | 2022-06-14 | 2024-01-02 | Chengdu Puhuidao Smart Energy Technology Co., Ltd. | Methods for managing liquefied natural gas (LNG) tanking safety based on location matching and internet of things systems thereof |
CN115330094A (zh) * | 2022-10-14 | 2022-11-11 | 成都秦川物联网科技股份有限公司 | 智慧燃气管道寿命预测方法、物联网***、装置及介质 |
CN115330094B (zh) * | 2022-10-14 | 2023-04-07 | 成都秦川物联网科技股份有限公司 | 智慧燃气管道寿命预测方法、物联网***、装置及介质 |
US11898704B2 (en) | 2022-10-14 | 2024-02-13 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods and Internet of Things systems for smart gas pipeline life prediction based on safety |
CN116055514A (zh) * | 2022-11-08 | 2023-05-02 | 成都秦川物联网科技股份有限公司 | 天然气增效控制方法、智慧燃气物联网***、装置和介质 |
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*** |
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*** |
CN116205610A (zh) * | 2023-04-26 | 2023-06-02 | 成都普惠道智慧能源科技有限公司 | 一种lng加气站管理方法、物联网***和存储介质 |
CN116629565A (zh) * | 2023-05-31 | 2023-08-22 | 湖北华中电力科技开发有限责任公司 | 一种基于平台化的供电服务能力提升方法及*** |
CN116629565B (zh) * | 2023-05-31 | 2024-03-29 | 湖北华中电力科技开发有限责任公司 | 一种基于平台化的供电服务能力提升方法及*** |
CN116757410A (zh) * | 2023-06-13 | 2023-09-15 | 杨润琴 | 利用人工智能模型的补电取电策略鉴别*** |
CN116757410B (zh) * | 2023-06-13 | 2024-04-26 | 黑龙江信志先创科技有限公司 | 利用人工智能模型的补电取电策略鉴别*** |
Also Published As
Publication number | Publication date |
---|---|
US20230369855A1 (en) | 2023-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114626643A (zh) | 智慧城市政府供电调控方法、物联网***、装置及介质 | |
CN104636822B (zh) | 一种基于elman神经网络的居民负荷预测方法 | |
Mandal et al. | A neural network based several-hour-ahead electric load forecasting using similar days approach | |
EP3471029A1 (en) | Method for automatic cloud control of energy storage systems | |
CN110490385A (zh) | 一种综合能源***中电负荷和热负荷的联合预测方法 | |
CN110675275B (zh) | 一种虚拟电厂的需求侧响应用电负荷调控方法及*** | |
CN112330077B (zh) | 电力负荷预测方法、装置、计算机设备和存储介质 | |
CN103338461B (zh) | 基于业务量预测的网络规划方法及装置 | |
CN109376950A (zh) | 一种基于bp神经网络的多元电网负荷预测方法 | |
CN106410781A (zh) | 一种电力用户需求响应潜力确定方法 | |
CN110796307A (zh) | 一种综合能源***分布式负荷预测方法及*** | |
CN113177366B (zh) | 一种综合能源***规划方法、装置和终端设备 | |
CN104408663A (zh) | 智能电网用户需求响应调度***及方法 | |
CN112308270A (zh) | 一种长期用电负荷预测方法、装置及计算机实现*** | |
CN108346009A (zh) | 一种基于用户模型自学习的电力生产配置方法和装置 | |
CN112884358B (zh) | 一种电采暖设备有序用电优化调度方法及终端 | |
CN114358485A (zh) | 一种源荷匹配性评估方法、***、介质及电子设备 | |
CN113902181A (zh) | 公变重过载的短期预测方法及设备 | |
CN109919380B (zh) | 基于指数平均ud-wcma太阳能收集功率的改进预测方法 | |
CN108446783A (zh) | 一种新风机运行功率的预测及监控方法 | |
Lei et al. | Forecasting short-term residential electricity consumption using a deep fusion model | |
Yu et al. | Research on building energy consumption prediction model based on fractal theory | |
CN116266700A (zh) | 一种面向工业负荷需求响应可调节潜力的预测方法 | |
Managre et al. | A Review on IoT and ML Enabled Smart Grid for Futurestic and Sustainable Energy Management | |
CN112348235A (zh) | 风光母线负荷自适应预测方法、装置、计算机设备 |
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 |