CN117421567A - 一种应用于城市的电厂能源管理方法及*** - Google Patents
一种应用于城市的电厂能源管理方法及*** Download PDFInfo
- Publication number
- CN117421567A CN117421567A CN202311743969.3A CN202311743969A CN117421567A CN 117421567 A CN117421567 A CN 117421567A CN 202311743969 A CN202311743969 A CN 202311743969A CN 117421567 A CN117421567 A CN 117421567A
- Authority
- CN
- China
- Prior art keywords
- power supply
- power
- operation data
- data
- power operation
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 36
- 238000013507 mapping Methods 0.000 claims abstract description 110
- 238000011156 evaluation Methods 0.000 claims abstract description 13
- 230000010354 integration Effects 0.000 claims abstract description 12
- 238000013441 quality evaluation Methods 0.000 claims description 30
- 238000000034 method Methods 0.000 claims description 25
- 238000012216 screening Methods 0.000 claims description 13
- 238000003491 array Methods 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000010219 correlation analysis Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000010248 power generation Methods 0.000 abstract description 7
- 238000012163 sequencing technique Methods 0.000 abstract description 3
- 230000000875 corresponding effect Effects 0.000 description 33
- 238000009826 distribution Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种应用于城市的电厂能源管理方法及***,涉及能源管理技术领域,具体公开了针对不同区域的供电集成特征,确定供电映射区块,并以供电映射区块为采集限定范围,采集区域内的电力运行数据,并依照预设供电评价规则,对电力运行数据参考阵列中的电力运行数据进行排序,构建优选电力运行数据组,依照优选电力运行数据构建电力运行数据生成模型,利用电力运行数据生成模型,生成预测电力运行数据组,得到供电映射区块的供电策略,基于每一供电映射区块对应的供电策略,对电厂配置产电计划,通过依据过往电力运行数据,预测未来电力运行数据,进而做出电厂的产电计划,避免了不仅保障了城市的用电需求,也避免了电力生产资源的浪费。
Description
技术领域
本发明涉及能源管理技术领域,尤其是涉及一种应用于城市的电厂能源管理方法及***。
背景技术
在现代城市中,电力供应是维持各种生活和商业活动的关键要素。然而,城市电力需求的不断增长、能源资源的稀缺性和环境可持续性的迫切,已经迫使城市电厂管理者不断寻求创新的方法来监测、控制和优化电力生产与分配。这就催生了城市电厂能源管理方法与***,传统的电力生产和分配***存在一系列挑战,如不稳定的电力需求、供电中断、能源浪费和高碳排放。这些问题可能会导致电力供应不足、不可靠性和高能源成本,进一步影响城市的经济和环境可持续性。所以,为了解决上述问题,亟需一种能够根据城市实际用电需要,合理安排生产计划的电厂能源管理方法及***。
发明内容
本发明的目的是提供一种能够判断城市用电需求,并基于用电需求构建电厂生产计划的电厂能源管理方法及***。
本申请公开了一种应用于城市的电厂能源管理方法,包括:
获取城市供电网络结构,并结合GIS地理信息,构建城市供电网络图谱;
针对不同区域的供电集成特征,确定供电映射区块以及供电映射区块的第一映射面积,并基于对应区域的位置信息,将供电映射区块在供电网络图谱上进行配置;
采集供电映射区块对应的区域的电力运行数据,基于预设供电评价规则,对供电映射区块的电力供应进行供电质量评价;
将所属同一供电映射区块的电力运行数据进行相互对比分析,并基于预设相关性分析规则对不同电力运行数据进行分类,生成若干电力运行数据参考阵列;
基于所属同一电力运行数据参考阵列中的电力运行数据的供电质量评价,对电力运行数据参考阵列中的电力运行数据进行排序,并基于预设筛选序次,将电力运行数据参考阵列中的对应的若干电力运行数据筛选出,构建生成优选电力运行数据组;
基于优先电力运行数据组,构建电力运行数据生成模型,并基于电力运行数据生成模型,生成不同供电映射区块对应的预测电力运行数据组,并基于确定出的预测电力运行数据组,得到供电映射区块的供电策略;
基于城市供电网络图谱中每一供电映射区块对应的供电策略,对电厂配置产电计划。
在本申请的一些实施例中,针对不同区域的供电集成特征,确定供电映射区块以及供电映射区块的第一映射面积的方法包括:
对区域内的供电网络结构进行扫描,并基于线路的干路和支路的引出关系,确定区域内的线路分支节点,并记录线路分支节点的位置以及分支数量;
对每一线路分支节点对应的电能消耗记录装置记录的节点电能消耗量进行记录,并将节点电能消耗量与线路分支节点进行关联;
对区域内的分支节点进行扫描,若在预设面积内,分支节点的数量大于预值,则将此时扫描的预设面积对应的区块进行第一次划定,记为第一扫描区块;
将第一扫描区块的中心认定为扫描基点,以预设的第一扫描长度为扫描半径进行扫描,生成供电映射区块;
其中,根据供电映射区块内的分支节点的分支数量以及每一分支节点的节点电能消耗量,确定对第一扫描长度的修正。
在本申请的一些实施例中,计算修正后的第一扫描长度的表达式为:
;
其中,为修正后的第一扫描长度,/>为修正前的第一扫描长度,/>为第一长度转换系数,/>为第二长度转换系数,/>为供电映射区块内的分支节点的分支数量,/>为分支数量调整常数,/>为供电映射区块内第i个分支节点对应的节点电能消耗量。
在本申请的一些实施例中,采集供电映射区块对应的区域的电力运行数据,基于预设供电评价规则,对供电映射区块的电力供应进行供电质量评价的方法包括:
获取供电映射区块内的电力需求数据和电力供应数据,并基于电力需求数据和电力供应数据的差异特征,对供电映射区块的电力供应进行供电质量评价。
在本申请的一些实施例中,确定电力需求数据和电力供应数据的差异特征的方法包括:
所述电力需求数据为不同时间节点的电能需求量,电力供应数据为不同时间节点的电能供应量;
针对不同时间节点的电能需求量建立电能需求曲线,所述电能需求曲线横坐标为时间,纵坐标为电能需求值;
针对不同时间节点的电能供应量建立电能供应曲线,所述电能供应曲线的横坐标为时间,纵坐标为电能供应值;
将电能需求曲线和电能供应曲线对齐,按照预设时间间隔,计算电能需求值与电能供应值之间的电能差异值;
根据预设时间区段内电能差异值大于预设电能差异标准值的次数,以及电能差异值大于预设电能差异标准值的异常差异值,确定为电力需求数据和电力供应数据的差异特征。
在本申请的一些实施例中,计算供电映射区块的电力供应的供电质量评价的表达式为:
;
其中,p为供电映射区块的电力供应的供电质量评价对应值,为质量评价转换系数,/>为预设时间区段电能差异值大于预设标准值的次数,/>为第n个电能差异值,/>为预设电能差异标准值,/>为异常差异值调整常数。
在本申请的一些实施例中,基于优先电力运行数据组,构建带那里运行数据生成模型的方法包括:
对优先电力运行数据组进行分析,提取时间参考因子数据、电能需求因子数据和电能供应因子数据;
将时间参考因子数据和电力需求因子数据作为输入参考数据,将电能供应因子数据作为输出参考数据,进行神经网络学习训练,得到运行数据生成模型。
在本申请的一些实施例中,所述电力需求因子数据包括计划电能需求量。
在本申请的一些实施例中,基于确定出的预测电力运行数据组,得到供电映射区块的供电策略的方法包括:
获取预测电力运行数据组中的电力供应因子数据,并基于电力供应因子数据确定对供电映射区块在不同时间节点所需的电能供应量。
在本申请的一些实施例中,还公开了一种应用于城市的电厂能源管理***,包括:
图谱生成模块,用于获取城市供电网络结构,并结合GIS地理信息,构建城市供电网络图谱,针对不同区域的供电集成特征,确定供电映射区块以及供电映射区块的第一映射面积,并基于对应区域的位置信息,将供电映射区块在供电网络图谱上进行配置;
供电质量评价模块,用于采集供电映射区块对应的区域的电力运行数据,基于预设供电评价规则,对供电映射区块的电力供应进行供电质量评价;
数据整理模块,用于将不同供电映射区块的电力运行数据进行相互对比分析,并基于预设相关性分析规则对不同电力运行数据进行分类,生成若干电力运行数据参考阵列,基于所属同一电力运行数据参考阵列中的电力运行数据的供电质量评价,对电力运行数据参考阵列中的电力运行数据进行排序,并基于预设筛选序次,将电力运行数据参考阵列中的对应的若干电力运行数据筛选出,构建生成优选电力运行数据组;
模型管理模块,用于基于优先电力运行数据组,构建电力运行数据生成模型,并基于电力运行数据生成模型,生成不同供电映射区块对应的预测电力运行数据组,并基于确定出的预测电力运行数据组,得到供电映射区块的供电策略;
策略生成模块,用于基于城市供电网络图谱中每一供电映射区块对应的供电策略,对电厂配置产电计划。
本申请公开了一种应用于城市的电厂能源管理方法及***,涉及能源管理技术领域,具体公开了针对不同区域的供电集成特征,确定供电映射区块,并以供电映射区块为采集限定范围,采集区域内的电力运行数据,并依照预设供电评价规则,对电力运行数据参考阵列中的电力运行数据进行排序,构建优选电力运行数据组,依照优选电力运行数据构建电力运行数据生成模型,利用电力运行数据生成模型,生成预测电力运行数据组,得到供电映射区块的供电策略,基于每一供电映射区块对应的供电策略,对电厂配置产电计划,通过依据过往电力运行数据,预测未来电力运行数据,进而做出电厂的产电计划,避免了不仅保障了城市的用电需求,也避免了电力生产资源的浪费。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本申请实施例中公开的一种应用于城市的电厂能源管理方法的方法步骤图。
具体实施方式
以下通过附图和实施例对本发明的技术方案作进一步说明。
以下将结合附图以及具体实施例,对本发明的技术方案进行清楚、完整的描述,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,不能理解为对本发明保护范围的限制,该领域的技术熟练人员可以根据下述本发明的内容做出一些非本质的改进和调整。在本发明中,除非另有明确的规定和限定,本申请使用的技术术语应当为本发明所述技术人员所理解的通常意义。
实施例:
本发明的目的是提供一种能够判断城市用电需求,并基于用电需求构建电厂生产计划的电厂能源管理方法及***。
本申请公开了一种应用于城市的电厂能源管理方法,参阅图1,包括:
步骤S100,获取城市供电网络结构,并结合GIS地理信息,构建城市供电网络图谱。
步骤S200,针对不同区域的供电集成特征,确定供电映射区块以及供电映射区块的第一映射面积,并基于对应区域的位置信息,将供电映射区块在供电网络图谱上进行配置。
步骤S300,采集供电映射区块对应的区域的电力运行数据,基于预设供电评价规则,对供电映射区块的电力供应进行供电质量评价。
步骤S400,将所属同一供电映射区块的电力运行数据进行相互对比分析,并基于预设相关性分析规则对不同电力运行数据进行分类,生成若干电力运行数据参考阵列。
步骤S500,基于所属同一电力运行数据参考阵列中的电力运行数据的供电质量评价,对电力运行数据参考阵列中的电力运行数据进行排序,并基于预设筛选序次,将电力运行数据参考阵列中的对应的若干电力运行数据筛选出,构建生成优选电力运行数据组。
步骤S600,基于优先电力运行数据组,构建电力运行数据生成模型,并基于电力运行数据生成模型,生成不同供电映射区块对应的预测电力运行数据组,并基于确定出的预测电力运行数据组,得到供电映射区块的供电策略。
步骤S700,基于城市供电网络图谱中每一供电映射区块对应的供电策略,对电厂配置产电计划。
对于上述技术方案,可以按照如下技术思路进行理解:
步骤S100 - 获取城市供电网络结构和构建供电网络图谱: 在这一步骤中,城市的供电网络结构将被获取,并与GIS地理信息***相结合,以构建城市供电网络图谱。这包括电网的拓扑结构、变电站、输电线路、配电站、负荷分布等信息。GIS地理信息***帮助将这些数据在地理空间上可视化,以便更好地理解城市电力网络的布局。
步骤S200 - 确定供电映射区块和配置:在这一步骤中,基于不同区域的供电特征,确定供电映射区块以及它们的第一映射面积。这些供电映射区块可能根据区域的负荷需求、设备密度等因素而有所不同。然后,将这些供电映射区块根据其位置信息配置在供电网络图谱上。
步骤S300 - 采集电力运行数据和供电质量评价:在这一步骤中,采集与供电映射区块相关的电力运行数据,包括电压、电流、频率、负载、设备状态等信息。随后,根据预设的供电评价规则,对供电映射区块的电力供应进行供电质量评价,以衡量其质量和可靠性。
步骤S400 - 数据对比分析和分类: 在这一步骤中,将同一供电映射区块内的电力运行数据进行相互对比分析。此外,根据预设的相关性分析规则,对不同电力运行数据进行分类,以帮助理解不同电力运行数据之间的关系和特征。
步骤S500 - 生成电力运行数据参考阵列: 在这一步骤中,将电力运行数据根据其供电质量评价进行排序。然后,根据预设的筛选规则,从中选择若干电力运行数据,构建生成优选电力运行数据组。这些优选数据将成为后续步骤的基础。
步骤S600 - 构建电力运行数据生成模型和生成预测数据: 在这一步骤中,基于优选电力运行数据组,构建电力运行数据生成模型。使用该模型,生成不同供电映射区块的预测电力运行数据组,以便预测未来的电力供应情况。
步骤S700 - 基于供电策略配置电厂产电计划:基于城市供电网络图谱中每个供电映射区块的供电策略,对电厂进行产电计划的配置。这意味着根据不同区块的需求,确定电厂的产电策略以满足城市的电力需求,确保供电策略与城市的需求和可用资源相匹配。
在本申请的一些实施例中,针对不同区域的供电集成特征,确定供电映射区块以及供电映射区块的第一映射面积的方法包括:
第一步,对区域内的供电网络结构进行扫描,并基于线路的干路和支路的引出关系,确定区域内的线路分支节点,并记录线路分支节点的位置以及分支数量。
需要理解的是,在这一步骤中,对特定区域内的供电网络结构进行扫描。通过识别线路的干路和支路以及它们的引出关系,确定区域内的线路分支节点。记录每个线路分支节点的位置和分支数量。
第二步,对每一线路分支节点对应的电能消耗记录装置记录的节点电能消耗量进行记录,并将节点电能消耗量与线路分支节点进行关联。
需要理解的是,对每个线路分支节点,记录通过电能消耗记录装置记录的节点电能消耗量。将这些节点电能消耗量与相应的线路分支节点进行关联,以建立电能消耗数据与供电网络结构的联系。
第三步,对区域内的分支节点进行扫描,若在预设面积内,分支节点的数量大于预值,则将此时扫描的预设面积对应的区块进行第一次划定,记为第一扫描区块。
需要理解的是,在这一步骤中,扫描供电网络中的分支节点。如果在预设面积内,某个分支节点的数量大于预设值,表明该区域内的电力需求相对较大或复杂。在这种情况下,划定此时扫描的预设面积为第一扫描区块。
第四步,将第一扫描区块的中心认定为扫描基点,以预设的第一扫描长度为扫描半径进行扫描,生成供电映射区块。
需要理解的是,将第一扫描区块的中心认定为扫描基点,以预设的第一扫描长度为扫描半径进行扫描,生成供电映射区块。这些供电映射区块代表区域内的电力需求状况。根据供电映射区块内的分支节点数量和每个分支节点的节点电能消耗量,可以进行第一扫描长度的修正,以更好地反映电力需求的复杂性。这个过程旨在识别电力需求高、复杂或特殊的区域,以便更详细地管理和优化电力供应。它结合了供电网络结构信息、节点电能消耗数据以及区域特征,以帮助确定供电映射区块,有助于更好地满足区域内的电力需求。这个过程可以用于电力供应的智能化管理和规划。
其中,根据供电映射区块内的分支节点的分支数量以及每一分支节点的节点电能消耗量,确定对第一扫描长度的修正。
在本申请的一些实施例中,计算修正后的第一扫描长度的表达式为:
。
其中,为修正后的第一扫描长度,/>为修正前的第一扫描长度,/>为第一长度转换系数,/>为第二长度转换系数,/>为供电映射区块内的分支节点的分支数量,/>为分支数量调整常数,/>为供电映射区块内第i个分支节点对应的节点电能消耗量。
在本申请的一些实施例中,采集供电映射区块对应的区域的电力运行数据,基于预设供电评价规则,对供电映射区块的电力供应进行供电质量评价的方法包括:获取供电映射区块内的电力需求数据和电力供应数据,并基于电力需求数据和电力供应数据的差异特征,对供电映射区块的电力供应进行供电质量评价。
在本申请的一些实施例中,确定电力需求数据和电力供应数据的差异特征的方法包括:所述电力需求数据为不同时间节点的电能需求量,电力供应数据为不同时间节点的电能供应量。针对不同时间节点的电能需求量建立电能需求曲线,所述电能需求曲线横坐标为时间,纵坐标为电能需求值;针对不同时间节点的电能供应量建立电能供应曲线,所述电能供应曲线的横坐标为时间,纵坐标为电能供应值;将电能需求曲线和电能供应曲线对齐,按照预设时间间隔,计算电能需求值与电能供应值之间的电能差异值;根据预设时间区段内电能差异值大于预设电能差异标准值的次数,以及电能差异值大于预设电能差异标准值的异常差异值,确定为电力需求数据和电力供应数据的差异特征。
在本申请的一些实施例中,计算供电映射区块的电力供应的供电质量评价的表达式为:
。
其中,p为供电映射区块的电力供应的供电质量评价对应值,为质量评价转换系数,/>为预设时间区段电能差异值大于预设标准值的次数,/>为第n个电能差异值,/>为预设电能差异标准值,/>为异常差异值调整常数。
在本申请的一些实施例中,基于优先电力运行数据组,构建带那里运行数据生成模型的方法包括:
第一步,对优先电力运行数据组进行分析,提取时间参考因子数据、电能需求因子数据和电能供应因子数据。
需要理解的是,这一步骤中,首先对优先电力运行数据组进行分析。这可以包括数据清洗、特征提取和数据预处理。提到的三种数据类型是:
时间参考因子数据:这包括日期、时间、季节、节假日等时间相关信息,可以影响电力需求和供应的模式。电力需求因子数据:关于电力需求的信息,如负荷曲线、负载类型、电力需求峰值等。电力供应因子数据:有关电力供应方面的信息,包括发电量、供电设备状态、可再生能源产能等。
第二步,将时间参考因子数据和电力需求因子数据作为输入参考数据,将电能供应因子数据作为输出参考数据,进行神经网络学习训练,得到运行数据生成模型。
需要理解的是,在这一步骤中,需要设计和构建一个神经网络模型,它将使用时间参考因子数据和电力需求因子数据作为输入参考数据,以预测电力供应因子数据。这是一个监督学习任务,可以使用深度学习模型如神经网络来实现。具体而言,可以选择神经网络的结构,包括输入层、隐藏层和输出层。可以使用各种神经网络架构,如前馈神经网络、循环神经网络 (RNN)、卷积神经网络 (CNN) 等,具体取决于你的数据特征和任务要求。
在本申请的一些实施例中,所述电力需求因子数据包括计划电能需求量。
在本申请的一些实施例中,基于确定出的预测电力运行数据组,得到供电映射区块的供电策略的方法包括:获取预测电力运行数据组中的电力供应因子数据,并基于电力供应因子数据确定对供电映射区块在不同时间节点所需的电能供应量。
在本申请的一些实施例中,还公开了一种应用于城市的电厂能源管理***,包括:图谱生成模块、供电质量评价模块、数据整理模块、模型管理模块和策略生成模块。
所述图谱生成模块用于获取城市供电网络结构,并结合GIS地理信息,构建城市供电网络图谱,针对不同区域的供电集成特征,确定供电映射区块以及供电映射区块的第一映射面积,并基于对应区域的位置信息,将供电映射区块在供电网络图谱上进行配置。
所述供电质量评价模块用于采集供电映射区块对应的区域的电力运行数据,基于预设供电评价规则,对供电映射区块的电力供应进行供电质量评价。
所述数据整理模块用于将不同供电映射区块的电力运行数据进行相互对比分析,并基于预设相关性分析规则对不同电力运行数据进行分类,生成若干电力运行数据参考阵列,基于所属同一电力运行数据参考阵列中的电力运行数据的供电质量评价,对电力运行数据参考阵列中的电力运行数据进行排序,并基于预设筛选序次,将电力运行数据参考阵列中的对应的若干电力运行数据筛选出,构建生成优选电力运行数据组。
所述模型管理模块用于基于优先电力运行数据组,构建电力运行数据生成模型,并基于电力运行数据生成模型,生成不同供电映射区块对应的预测电力运行数据组,并基于确定出的预测电力运行数据组,得到供电映射区块的供电策略。
所述策略生成模块用于基于城市供电网络图谱中每一供电映射区块对应的供电策略,对电厂配置产电计划。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明可以通过硬件实现,也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施场景所述的方法。
本申请公开了一种应用于城市的电厂能源管理方法及***,涉及能源管理技术领域,具体公开了针对不同区域的供电集成特征,确定供电映射区块,并以供电映射区块为采集限定范围,采集区域内的电力运行数据,并依照预设供电评价规则,对电力运行数据参考阵列中的电力运行数据进行排序,构建优选电力运行数据组,依照优选电力运行数据构建电力运行数据生成模型,利用电力运行数据生成模型,生成预测电力运行数据组,得到供电映射区块的供电策略,基于每一供电映射区块对应的供电策略,对电厂配置产电计划,通过依据过往电力运行数据,预测未来电力运行数据,进而做出电厂的产电计划,避免了不仅保障了城市的用电需求,也避免了电力生产资源的浪费。
最后应说明的是:以上实施例仅用以说明本发明的技术方案而非对其进行限制,尽管参照较佳实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对本发明的技术方案进行修改或者等同替换,而这些修改或者等同替换亦不能使修改后的技术方案脱离本发明技术方案的精神和范围。
Claims (10)
1.一种应用于城市的电厂能源管理方法,其特征在于,包括:
获取城市供电网络结构,并结合GIS地理信息,构建城市供电网络图谱;
针对不同区域的供电集成特征,确定供电映射区块以及供电映射区块的第一映射面积,并基于对应区域的位置信息,将供电映射区块在供电网络图谱上进行配置;
采集供电映射区块对应的区域的电力运行数据,基于预设供电评价规则,对供电映射区块的电力供应进行供电质量评价;
将所属同一供电映射区块的电力运行数据进行相互对比分析,并基于预设相关性分析规则对不同电力运行数据进行分类,生成若干电力运行数据参考阵列;
基于所属同一电力运行数据参考阵列中的电力运行数据的供电质量评价,对电力运行数据参考阵列中的电力运行数据进行排序,并基于预设筛选序次,将电力运行数据参考阵列中的对应的若干电力运行数据筛选出,构建生成优选电力运行数据组;
基于优先电力运行数据组,构建电力运行数据生成模型,并基于电力运行数据生成模型,生成不同供电映射区块对应的预测电力运行数据组,并基于确定出的预测电力运行数据组,得到供电映射区块的供电策略;
基于城市供电网络图谱中每一供电映射区块对应的供电策略,对电厂配置产电计划。
2.根据权利要求1所述的一种应用于城市的电厂能源管理方法,其特征在于,针对不同区域的供电集成特征,确定供电映射区块以及供电映射区块的第一映射面积的方法包括:
对区域内的供电网络结构进行扫描,并基于线路的干路和支路的引出关系,确定区域内的线路分支节点,并记录线路分支节点的位置以及分支数量;
对每一线路分支节点对应的电能消耗记录装置记录的节点电能消耗量进行记录,并将节点电能消耗量与线路分支节点进行关联;
对区域内的分支节点进行扫描,若在预设面积内,分支节点的数量大于预值,则将此时扫描的预设面积对应的区块进行第一次划定,记为第一扫描区块;
将第一扫描区块的中心认定为扫描基点,以预设的第一扫描长度为扫描半径进行扫描,生成供电映射区块;
其中,根据供电映射区块内的分支节点的分支数量以及每一分支节点的节点电能消耗量,确定对第一扫描长度的修正。
3.根据权利要求2所述的一种应用于城市的电厂能源管理方法,其特征在于, 计算修正后的第一扫描长度的表达式为:
;
其中,为修正后的第一扫描长度,/>为修正前的第一扫描长度,/>为第一长度转换系数,/>为第二长度转换系数,/>为供电映射区块内的分支节点的分支数量,/>为分支数量调整常数,/>为供电映射区块内第i个分支节点对应的节点电能消耗量。
4.根据权利要求1所述的一种应用于城市的电厂能源管理方法,其特征在于,采集供电映射区块对应的区域的电力运行数据,基于预设供电评价规则,对供电映射区块的电力供应进行供电质量评价的方法包括:
获取供电映射区块内的电力需求数据和电力供应数据,并基于电力需求数据和电力供应数据的差异特征,对供电映射区块的电力供应进行供电质量评价。
5.根据权利要求4所述的一种应用于城市的电厂能源管理方法,其特征在于,确定电力需求数据和电力供应数据的差异特征的方法包括:
所述电力需求数据为不同时间节点的电能需求量,电力供应数据为不同时间节点的电能供应量;
针对不同时间节点的电能需求量建立电能需求曲线,所述电能需求曲线横坐标为时间,纵坐标为电能需求值;
针对不同时间节点的电能供应量建立电能供应曲线,所述电能供应曲线的横坐标为时间,纵坐标为电能供应值;
将电能需求曲线和电能供应曲线对齐,按照预设时间间隔,计算电能需求值与电能供应值之间的电能差异值;
根据预设时间区段内电能差异值大于预设电能差异标准值的次数,以及电能差异值大于预设电能差异标准值的异常差异值,确定为电力需求数据和电力供应数据的差异特征。
6.根据权利要求5所述的一种应用于城市的电厂能源管理方法,其特征在于,计算供电映射区块的电力供应的供电质量评价的表达式为:
;
其中,p为供电映射区块的电力供应的供电质量评价对应值,为质量评价转换系数,/>为预设时间区段电能差异值大于预设标准值的次数,/>为第n个电能差异值,/>为预设电能差异标准值,/>为异常差异值调整常数。
7.根据权利要求1所述的一种应用于城市的电厂能源管理方法,其特征在于,基于优先电力运行数据组,构建带那里运行数据生成模型的方法包括:
对优先电力运行数据组进行分析,提取时间参考因子数据、电能需求因子数据和电能供应因子数据;
将时间参考因子数据和电力需求因子数据作为输入参考数据,将电能供应因子数据作为输出参考数据,进行神经网络学习训练,得到运行数据生成模型。
8.根据权利要求7所述的一种应用于城市的电厂能源管理方法,其特征在于,所述电力需求因子数据包括计划电能需求量。
9.根据权利要求1所述的一种应用于城市的电厂能源管理方法,其特征在于,基于确定出的预测电力运行数据组,得到供电映射区块的供电策略的方法包括:
获取预测电力运行数据组中的电力供应因子数据,并基于电力供应因子数据确定对供电映射区块在不同时间节点所需的电能供应量。
10.一种应用于城市的电厂能源管理***,其特征在于,包括:
图谱生成模块,用于获取城市供电网络结构,并结合GIS地理信息,构建城市供电网络图谱,针对不同区域的供电集成特征,确定供电映射区块以及供电映射区块的第一映射面积,并基于对应区域的位置信息,将供电映射区块在供电网络图谱上进行配置;
供电质量评价模块,用于采集供电映射区块对应的区域的电力运行数据,基于预设供电评价规则,对供电映射区块的电力供应进行供电质量评价;
数据整理模块,用于将不同供电映射区块的电力运行数据进行相互对比分析,并基于预设相关性分析规则对不同电力运行数据进行分类,生成若干电力运行数据参考阵列,基于所属同一电力运行数据参考阵列中的电力运行数据的供电质量评价,对电力运行数据参考阵列中的电力运行数据进行排序,并基于预设筛选序次,将电力运行数据参考阵列中的对应的若干电力运行数据筛选出,构建生成优选电力运行数据组;
模型管理模块,用于基于优先电力运行数据组,构建电力运行数据生成模型,并基于电力运行数据生成模型,生成不同供电映射区块对应的预测电力运行数据组,并基于确定出的预测电力运行数据组,得到供电映射区块的供电策略;
策略生成模块,用于基于城市供电网络图谱中每一供电映射区块对应的供电策略,对电厂配置产电计划。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311743969.3A CN117421567B (zh) | 2023-12-19 | 2023-12-19 | 一种应用于城市的电厂能源管理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311743969.3A CN117421567B (zh) | 2023-12-19 | 2023-12-19 | 一种应用于城市的电厂能源管理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117421567A true CN117421567A (zh) | 2024-01-19 |
CN117421567B CN117421567B (zh) | 2024-03-08 |
Family
ID=89530627
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311743969.3A Active CN117421567B (zh) | 2023-12-19 | 2023-12-19 | 一种应用于城市的电厂能源管理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117421567B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117639113A (zh) * | 2024-01-25 | 2024-03-01 | 湖北世纪森源电力工程有限公司 | 智慧微电网智能电力分配方法、装置及存储介质 |
CN117674142A (zh) * | 2024-02-01 | 2024-03-08 | 云南电网有限责任公司信息中心 | 一种基于分时电量核算的电力调度方法及调度装置 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105336143A (zh) * | 2015-11-19 | 2016-02-17 | 国家电网公司 | 基于云计算的供电质量检测*** |
CN107067104A (zh) * | 2017-03-30 | 2017-08-18 | 昆明能讯科技有限责任公司 | 一种基于地理信息***的供电网格负荷预测方法 |
CN107545349A (zh) * | 2016-06-28 | 2018-01-05 | 国网天津市电力公司 | 一种面向电力大数据的数据质量分析评价模型 |
KR101875885B1 (ko) * | 2018-02-06 | 2018-07-06 | 주식회사 코비 | 관망해석을 통한 상수관망 운영관리시스템 |
CN109408548A (zh) * | 2018-09-19 | 2019-03-01 | 中国电力科学研究院有限公司 | 一种城市电力大数据应用***及方法 |
CN109412155A (zh) * | 2018-11-16 | 2019-03-01 | 国网江苏省电力有限公司盐城供电分公司 | 一种基于图计算的配电网供电能力评估方法 |
CN110175788A (zh) * | 2019-05-31 | 2019-08-27 | 国网上海市电力公司 | 一种智慧城市能源云平台 |
CN113419840A (zh) * | 2021-07-28 | 2021-09-21 | 谭世克 | 一种电力任务分配计算管理*** |
CN116826965A (zh) * | 2023-06-16 | 2023-09-29 | 国网安徽省电力有限公司经济技术研究院 | 电网安全稳定在线监测与分析方法 |
CN116865258A (zh) * | 2023-07-14 | 2023-10-10 | 国网冀北电力有限公司电力科学研究院 | 一种层级构造的分布式电源智能电网构建方法 |
CN117078047A (zh) * | 2023-10-16 | 2023-11-17 | 华能济南黄台发电有限公司 | 一种基于lstm的热负荷预测与分配优化方法及*** |
CN117114288A (zh) * | 2023-08-02 | 2023-11-24 | 华能山东发电有限公司白杨河发电厂 | 一种工业循环水排污管理方法及*** |
CN117114298A (zh) * | 2023-08-10 | 2023-11-24 | 华能苏州热电有限责任公司 | 一种供热管网资产管理方法及*** |
CN117149498A (zh) * | 2023-10-27 | 2023-12-01 | 华能信息技术有限公司 | 一种电厂故障诊断方法及*** |
-
2023
- 2023-12-19 CN CN202311743969.3A patent/CN117421567B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105336143A (zh) * | 2015-11-19 | 2016-02-17 | 国家电网公司 | 基于云计算的供电质量检测*** |
CN107545349A (zh) * | 2016-06-28 | 2018-01-05 | 国网天津市电力公司 | 一种面向电力大数据的数据质量分析评价模型 |
CN107067104A (zh) * | 2017-03-30 | 2017-08-18 | 昆明能讯科技有限责任公司 | 一种基于地理信息***的供电网格负荷预测方法 |
KR101875885B1 (ko) * | 2018-02-06 | 2018-07-06 | 주식회사 코비 | 관망해석을 통한 상수관망 운영관리시스템 |
CN109408548A (zh) * | 2018-09-19 | 2019-03-01 | 中国电力科学研究院有限公司 | 一种城市电力大数据应用***及方法 |
CN109412155A (zh) * | 2018-11-16 | 2019-03-01 | 国网江苏省电力有限公司盐城供电分公司 | 一种基于图计算的配电网供电能力评估方法 |
CN110175788A (zh) * | 2019-05-31 | 2019-08-27 | 国网上海市电力公司 | 一种智慧城市能源云平台 |
CN113419840A (zh) * | 2021-07-28 | 2021-09-21 | 谭世克 | 一种电力任务分配计算管理*** |
CN116826965A (zh) * | 2023-06-16 | 2023-09-29 | 国网安徽省电力有限公司经济技术研究院 | 电网安全稳定在线监测与分析方法 |
CN116865258A (zh) * | 2023-07-14 | 2023-10-10 | 国网冀北电力有限公司电力科学研究院 | 一种层级构造的分布式电源智能电网构建方法 |
CN117114288A (zh) * | 2023-08-02 | 2023-11-24 | 华能山东发电有限公司白杨河发电厂 | 一种工业循环水排污管理方法及*** |
CN117114298A (zh) * | 2023-08-10 | 2023-11-24 | 华能苏州热电有限责任公司 | 一种供热管网资产管理方法及*** |
CN117078047A (zh) * | 2023-10-16 | 2023-11-17 | 华能济南黄台发电有限公司 | 一种基于lstm的热负荷预测与分配优化方法及*** |
CN117149498A (zh) * | 2023-10-27 | 2023-12-01 | 华能信息技术有限公司 | 一种电厂故障诊断方法及*** |
Non-Patent Citations (3)
Title |
---|
PENG SUN 等: "Optimal Scheduling and Management on Correlating Reliability, Performance, and Energy Consumption for Multiagent Cloud Systems", IEEE TRANSACTIONS ON RELIABILITY, vol. 66, no. 2, 30 June 2017 (2017-06-30), pages 547 - 558, XP011651250, DOI: 10.1109/TR.2017.2678480 * |
佘维;胡跃;杨晓宇;高山;刘炜;: "基于能源区块链网络的虚拟电厂运行与调度模型", 中国电机工程学报, no. 13, 31 July 2017 (2017-07-31), pages 69 - 76 * |
马 勇: "云计算构建下的电力调度自动化***实践", 中国新技术新产品, no. 12, 31 December 2014 (2014-12-31), pages 13 - 14 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117639113A (zh) * | 2024-01-25 | 2024-03-01 | 湖北世纪森源电力工程有限公司 | 智慧微电网智能电力分配方法、装置及存储介质 |
CN117639113B (zh) * | 2024-01-25 | 2024-04-05 | 湖北世纪森源电力工程有限公司 | 智慧微电网智能电力分配方法、装置及存储介质 |
CN117674142A (zh) * | 2024-02-01 | 2024-03-08 | 云南电网有限责任公司信息中心 | 一种基于分时电量核算的电力调度方法及调度装置 |
CN117674142B (zh) * | 2024-02-01 | 2024-04-19 | 云南电网有限责任公司信息中心 | 一种基于分时电量核算的电力调度方法及调度装置 |
Also Published As
Publication number | Publication date |
---|---|
CN117421567B (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117421567B (zh) | 一种应用于城市的电厂能源管理方法及*** | |
Mavromatidis et al. | Design of distributed energy systems under uncertainty: A two-stage stochastic programming approach | |
CN111563611B (zh) | 面向图卷积网络的云数据中心可再生能源时空预测方法 | |
CN116865258B (zh) | 一种层级构造的分布式电源智能电网构建方法 | |
CN117036104B (zh) | 一种基于电力物联网的智慧用电方法和*** | |
TWI540533B (zh) | 智慧型短期電力發電量預測方法 | |
CN113112090B (zh) | 基于综合互信息度的主成分分析的空间负荷预测方法 | |
CN113033110B (zh) | 一种基于交通流模型的重点区域人员应急疏散***及方法 | |
KR20220150739A (ko) | 배전계획을 위한 분산전원 예측 방법 및 시스템 | |
CN117498400A (zh) | 一种分布式光伏与储能数据的处理方法及*** | |
Song et al. | An enhanced clustering-based method for determining time-of-day breakpoints through process optimization | |
Staudt et al. | Predicting transmission line congestion in energy systems with a high share of renewables | |
CN117557009B (zh) | 一种电源效率监测方法及*** | |
CN111311001A (zh) | 基于DBSCAN算法和特征选择的Bi-LSTM网络短期负荷预测方法 | |
CN117353359B (zh) | 电池联合储能供电方法及*** | |
Abdelaziz et al. | Convolutional neural network with genetic algorithm for predicting energy consumption in public buildings | |
CN113240219A (zh) | 一种土地利用模拟及预测方法 | |
CN110264010B (zh) | 新型乡村电力饱和负荷预测方法 | |
Wei et al. | A Cross‐Regional Scheduling Strategy of Waste Collection and Transportation Based on an Improved Hierarchical Agglomerative Clustering Algorithm | |
CN112488343B (zh) | 一种基于超启发式算法的智慧城市智能感知终端选址方法 | |
CN116796906A (zh) | 基于数据融合的电力配电网投资预测分析***及方法 | |
Abdullah et al. | Weather-aware fiber-wireless traffic prediction using graph convolutional networks | |
Kotriwala et al. | Load classification and forecasting for temporary power installations | |
CN117937474B (zh) | 一种新能源场站储能管理方法及*** | |
CN117977589B (zh) | 一种融合电网智能化终端管理***及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |