CN117937522A - 电力控制柜的电力节能控制方法、控制柜及存储介质 - Google Patents
电力控制柜的电力节能控制方法、控制柜及存储介质 Download PDFInfo
- Publication number
- CN117937522A CN117937522A CN202410339730.8A CN202410339730A CN117937522A CN 117937522 A CN117937522 A CN 117937522A CN 202410339730 A CN202410339730 A CN 202410339730A CN 117937522 A CN117937522 A CN 117937522A
- Authority
- CN
- China
- Prior art keywords
- power
- energy
- target
- target devices
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000011217 control strategy Methods 0.000 claims abstract description 37
- 238000004134 energy conservation Methods 0.000 claims abstract description 17
- 230000009467 reduction Effects 0.000 claims description 83
- 238000005265 energy consumption Methods 0.000 claims description 57
- 230000003993 interaction Effects 0.000 claims description 21
- 230000008859 change Effects 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000004088 simulation Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 7
- 238000001228 spectrum Methods 0.000 claims description 4
- 230000001351 cycling effect Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000006399 behavior Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000003012 network analysis Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请公开了一种电力控制柜的电力节能控制方法、控制柜及存储介质，涉及节能技术领域，其方法包括：获取每个与电力控制柜连接的设备的工作状态；在多个设备的工作状态为怠速的情况下，获取每个设备的设备等级；在多个工作状态为怠速的设备中，确定设备等级为低的目标设备，并获取每个目标设备的电力波动信号；根据每个目标设备的电力波动信号，确定每个目标设备的电能消耗；根据每个目标设备的电能消耗，确定每个目标设备的可靠性数据；采用预构建的节能模型，将每个目标设备的可靠性数据输入至节能模型，得到设备等级均为低的多个目标设备的第一节能控制策略；根据第一节能控制策略，调整每个目标设备的设备参数，其中，设备参数包括功率。
Description
技术领域
本申请涉及节能技术领域，具体地涉及一种电力控制柜的电力节能控制方法、控制柜及存储介质。
背景技术
电力控制柜是一种用于电力***的控制和保护设备，通常用于控制和分配电力、监测电能消耗、保护电气设备等。其通常由开关设备、保护设备、仪表设备、控制设备等组成，用于控制、保护和监测电力***中的各个设备和回路。
对于现有的电力控制柜，其控制的设备（例如电梯）可能会出现在没有进行实际工作或产生有用功的情况下，仍然保持运行状态，消耗能源而没有产生相应的效益的情况，或者出现设备在工作过程中能耗较高，但产生的有用功较少，能源利用效率较低的情况。导致能源浪费较高。因此，亟需一种方案可以降低电力控制柜控制的设备的电力消耗，节约能源。
发明内容
本申请实施例的目的是提供一种电力控制柜的电力节能控制方法、控制柜及存储介质，用以解决现有技术中电力消耗过高的问题。
为了实现上述目的，本申请第一方面提供一种电力控制柜的电力节能控制方法，包括：
获取每个与电力控制柜连接的设备的工作状态；
在多个所述设备的工作状态为怠速的情况下，获取每个所述设备的设备等级；
在多个工作状态为怠速的所述设备中，确定设备等级为低的目标设备，并获取每个所述目标设备的电力波动信号；
根据每个所述目标设备的所述电力波动信号，确定每个所述目标设备的电能消耗；
根据每个所述目标设备的电能消耗，确定每个所述目标设备的可靠性数据；
采用预构建的节能模型，将每个所述目标设备的可靠性数据输入至所述节能模型，得到设备等级均为低的多个所述目标设备的第一节能控制策略；
根据所述第一节能控制策略，调整每个所述目标设备的设备参数，其中，所述设备参数包括功率。
在本申请实施例中，所述方法还包括：
在预设第一时间段中，执行循环步骤，至在m个所述目标设备中的其中n个所述目标设备的工作状态由怠速转变为正常后，不存在m个所述目标设备中任意一个所述目标设备的工作状态发生变化；
获取m-n个剩余目标设备的总电能消耗，并在所述总电能消耗大于预设电能消耗阈值的情况下，采用功率交替节能控制策略控制m-n个剩余目标设备进行功率交替，其中，m和n均为正整数，且m>n；
预测未来预设时间段中每个预设时刻的能源消耗值；
根据未来预设时间段中每个预设时刻的能源消耗值，生成能源调整曲线，其中，所述能源调整曲线用于表征相比于预设电能消耗阈值，未来预设时间段中每个预设时刻需要调整的设备的能源调整值。
在本申请实施例中，所述获取m-n个剩余目标设备的总电能消耗，并在所述总电能消耗大于预设电能消耗阈值的情况下，采用功率交替节能控制策略控制m-n个剩余目标设备进行功率交替，包括：
在所述总电能消耗大于预设电能消耗阈值的情况下，获取m-n个剩余目标设备中任意两个目标设备之间的相互影响因子；
根据所述相互影响因子和获取的m-n个剩余目标设备中每个所述目标设备的所述电力波动信号确定所述总电能消耗；
在所述总电能消耗大于预设电能消耗阈值的情况下，获取电能调整值；
生成随机功率降低策略，并获取m-n个剩余目标设备中每个所述目标设备的功率降低值；
对于每个所述随机功率降低策略，采用仿真模型，确定m-n个剩余目标设备中任意两个目标设备之间的当前相互影响因子；
采用功率交替节能控制公式，根据每个所述目标设备的功率降低值和所述当前影响因子，计算当前所述随机功率降低策略的电能降低值；
将与所述电能调整值的差值最大的所述电能降低值对应的随机功率降低策略作为功率交替节能控制策略；
采用功率交替节能控制策略控制m-n个剩余目标设备进行功率交替。
在本申请实施例中，所述功率降低值包括有效功率降低值和损耗功率，所述功率交替节能控制公式包括：
；
式中，REV为当前所述随机功率降低策略的电能降低值，Pq为第q个设备的有效功率降低值，Sq为第q个设备的损耗功率，t为第q个设备的工作时间，Eq+1为第q+1个设备的电能降低值，Eq-1为第q-1个设备的电能降低值，k为当前影响因子，其中，Eq+1=(Pq+1+Sq+1)×t，Eq-1=(Pq-1+Sq-1)×t。
在本申请实施例中，所述在预设第一时间段中，执行循环步骤，至在m个所述目标设备中的其中n个所述目标设备的工作状态由怠速转变为正常后，不存在m个所述目标设备中任意一个所述目标设备的工作状态发生变化，包括：
在预设第一时间段中，实时获取m个所述目标设备中每个所述目标设备的工作状态，并统计工作状态由怠速转变为正常的目标设备的数量；
在不是所述第一时间段的最后一个时刻的情况下，循环执行所述实时获取每个所述目标设备的工作状态，并统计工作状态由怠速转变为正常的目标设备的数量的步骤；
在所述第一时间段的最后一个时刻，且工作状态由怠速转变为正常的目标设备的数量等于n的情况下，结束所述循环步骤。
在本申请实施例中，所述节能模型的构建方法包括：
收集与所述电力控制柜连接的设备的工作数据集，以及每个所述设备在不同工作数据集下的可靠性数据，其中，所述工作数据集包括工作状态、电子波动信号以及电能消耗；
对所述设备的工作状态、电子波动信号以及电能消耗进行预处理，得到预处理数据，所述预处理数据包括训练数据集和验证数据集；
在所述训练数据集中提取与节能相关的特征，所述特征包括设备功率变化、电能消耗趋势和电力波动频率；
将所述与节能相关的特征与所述设备的可靠性数据进行关联建模，得到节能模型；
采用验证数据集对所述节能模型进行验证，得到验证后的节能模型。
在本申请实施例中，所述可靠性数据包括设备故障率和设备平均无故障时间；
所述采用预构建的节能模型，将每个所述目标设备的可靠性数据输入至所述节能模型，得到设备等级均为低的多个所述目标设备的第一节能控制策略，包括：
将每个所述目标设备的可靠性数据输入至所述节能模型，输出设备等级均为低的多个目标设备的电能消耗标准值；
对于每个设备等级为低的所述目标设备，根据对应的电能消耗标准值和对应的电能消耗，确定功率降低值；
根据每个设备等级为低的所述目标设备的功率降低值，控制每个设备等级为低的所述目标设备的功率。
在本申请实施例中，所述根据每个所述目标设备的所述电力波动信号，确定每个所述目标设备的电能消耗，包括：
对所述电力波动信号进行傅里叶变换，将所述电力波动信号的时域信号转换为频域信号，得到频谱图；
响应于第一时间点的选择操作，在预设频率范围内，对能量谱密度值进行积分，得到所述第一时间点的功率值；
将所述功率值与所述电力波动信号的时间长度的乘积作为每个所述目标设备的电能消耗。
本申请第二方面提供一种电力控制柜，包括：
存储器，被配置成存储指令；以及
处理器，被配置成从所述存储器调用所述指令以及在执行所述指令时能够实现上述的电力控制柜的电力节能控制的方法。
本申请第三方面提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行上述的电力控制柜的电力节能控制的方法。
通过上述技术方案，本申请在多个工作状态为怠速的设备中，获取每个设备的设备等级，并确定设备等级为低的目标设备，即能效较低的设备，获取其电力波动信号，根据目标设备的电力波动信号，确定其电能消耗，根据目标设备的电能消耗，确定其可靠性数据，采用预构建的节能模型，将目标设备的可靠性数据输入模型，得到设备等级均为低的目标设备的第一节能控制策略。有助于根据第一节能控制策略，提高设备的能效，也就是说，通过分析设备的工作状态和能耗数据，针对能效较低的设备制定第一节能控制策略，有助于降低电力能源消耗，节约能源。
本申请实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本申请实施例，但并不构成对本申请实施例的限制。在附图中：
图1示意性示出了根据本申请实施例的一种电力控制柜的电力节能控制方法的流程示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解的是，此处所描述的具体实施方式仅用于说明和解释本申请实施例，并不用于限制本申请实施例。基于本申请中的实施例，本领域普通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，都属于本申请保护的范围。
需要说明，若本申请实施例中有涉及方向性指示（诸如上、下、左、右、前、后……），则该方向性指示仅用于解释在某一特定姿态（如附图所示）下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
另外，若本申请实施例中有涉及“第一”、“第二”等的描述，则该“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之内。
图1示意性示出了根据本申请实施例的一种电力控制柜的电力节能控制方法的流程示意图。如图1所示，本申请实施例提供一种电力控制柜的电力节能控制方法，该方法可以包括下列步骤。
S101、获取每个与电力控制柜连接的设备的工作状态。
与电力控制柜连接的设备的工作状态包括怠速和正常。设备工作状态为怠速表示设备处于空闲或低负载状态，即设备正在运行但没有进行实际的工作或产生有用的输出。处于怠速的设备会消耗一定的电力能源。设备工作状态为正常表示设备正在按照预定的工作模式进行操作。
S102、在多个设备的工作状态为怠速的情况下，获取每个设备的设备等级。
设备的设备等级用于表征设备的节能级别，其中，设备等级越低，表示设备的节能级别越低，越需要节省能源。在多个设备的工作状态均为怠速的情况下，可以通过获取每个设备的设备等级来确定需要节能的设备。
S103、在多个工作状态为怠速的设备中，确定设备等级为低的目标设备，并获取每个目标设备的电力波动信号。
其中，设备等级为低的目标设备可以通过每个设备的设备参数得到，设备参数可以包括设备的设备功率。设备功率越高的设备，其设备等级越低；设备功率越低的设备，其设备等级越高。除此之外，还可以通过预设数据库得到每个设备的设备等级，在此不进行限定。其中，预设数据库可以存储有每个设备及其对应的设备等级。
电力波动信号是指在电力***中，由于负荷变化、电源变化或其他因素引起的电力信号的波动或变化。其通常以电压或电流的变化形式存在。电力波动信号可以包括瞬时的电压或电流突变、频率变化、谐波等。上述电力波动信号可以通过电力监测设备、传感器或测量仪器进行检测和测量。
S104、根据每个目标设备的电力波动信号，确定每个目标设备的电能消耗。
由于电力波动信号可以反映设备的负荷变化、功率波动等情况，而电能消耗与设备的负荷和功率密切相关，故可以通过对电力波动信号的分析和处理，获得设备在不同时间段内的电能消耗情况。例如，当设备处于怠速状态时，电力波动信号可能表现为较低的功率波动或稳定的信号；而当设备处于正常工作状态时，电力波动信号可能表现为较高的功率波动或频繁的变化。
S105、根据每个目标设备的电能消耗，确定每个目标设备的可靠性数据。
可靠性数据可以包括设备故障率和设备平均无故障时间。对于上述每个目标设备的电能消耗，可以确定故障的定义标准。其中故障的定义标准可以是当电能消耗低于第一预设阈值或超过第一预设阈值时，判定为故障。根据上述定义标准，统计每个目标设备在一段时间内的故障次数。并通过电能消耗数据的时间长度确定每个目标设备的总运行时间。根据故障率=故障次数/总运行时间的公式，可以确定每个目标设备的故障率。
假设有一个目标设备，电能消耗数据记录了该设备在一年内的电能消耗情况。首先，根据故障的定义标准，统计该设备在这一年内发生的故障次数，假设为10次。然后，计算总运行时间，假设为8760小时（一年的总小时数）。将故障次数10除以总运行时间8760，得到故障率为0.00114，即该设备的故障率为0.114%。
根据上述定义标准，还可以统计每个目标设备在一段时间内的故障次数。除此之外，可以根据电能消耗数据，计算每个目标设备的总运行时间。总运行时间可以通过电能消耗数据的时间长度来确定。将总运行时间除以故障次数，得到每个目标设备的平均无故障时间。平均无故障时间可以用以下公式计算：平均无故障时间=总运行时间/故障次数。
假设有一个目标设备，电能消耗数据记录了该设备在一年内的电能消耗情况。首先，根据故障的定义标准，统计该设备在这一年内发生的故障次数，假设为10次。然后，计算总运行时间，假设为8760小时（一年的总小时数）。将总运行时间8760除以故障次数10，得到平均无故障时间为876小时，即该设备的平均无故障时间为876小时。
S106、采用预构建的节能模型，将每个目标设备的可靠性数据输入至节能模型，得到设备等级均为低的多个目标设备的第一节能控制策略。
设备等级均为低意味着这些设备在可靠性和能耗方面都属于较低的级别，因此需要采取节能控制策略来降低能耗和优化能源利用。预构建的节能模型可以预测每个目标设备在不同工作状态下的能耗情况。将可靠性数据输入到节能模型中，可以综合考虑设备的能耗和可靠性指标，从而得到适合的第一节能控制策略，以实现节能和提高设备的能效性能。
S107、根据第一节能控制策略，调整每个目标设备的设备参数，其中，设备参数包括功率。
根据第一节能控制策略，可以调整每个目标设备的设备参数，其中包括功率。调整设备参数可以降低设备的能耗，提高能源利用效率。通过对设备参数的调整，可以在不影响设备正常运行的前提下，实现节能目标并提高能源利用效率。这样可以降低能耗成本，减少对能源资源的消耗。
例如，一台设备的原始功率参数为1000瓦，根据节能控制策略，可以将其功率参数调整为800瓦。通过降低设备的功率，可以减少能耗。
本申请实施例在多个工作状态为怠速的设备中，获取每个设备的设备等级，并确定设备等级为低的目标设备，即能效较低的设备，获取其电力波动信号，根据目标设备的电力波动信号，确定其电能消耗，根据目标设备的电能消耗，确定其可靠性数据，采用预构建的节能模型，将目标设备的可靠性数据输入模型，得到设备等级均为低的目标设备的第一节能控制策略。有助于根据第一节能控制策略，提高设备的能效，也就是说，通过分析设备的工作状态和能耗数据，针对能效较低的设备制定第一节能控制策略，有助于降低电力能源消耗，节约能源。
在本实施例的其中一种实施方式中，上述方法还包括如下步骤：
S201、在预设第一时间段中，执行循环步骤，至在m个目标设备中的其中n个目标设备的工作状态由怠速转变为正常后，不存在m个目标设备中任意一个目标设备的工作状态发生变化。
在第一时间段中，可能会出现部分目标设备从怠速状态转变为正常工作状态。在上述场景下，目标设备从怠速状态转变为正常工作状态为动态变化的过程，因此需要满足在m个目标设备中的其中n个目标设备的工作状态由怠速转变为正常后，不存在m个目标设备中任意一个目标设备的工作状态发生变化的条件，才可以确定第一时间段中目标设备转变的稳定性。
S202、获取m-n个剩余目标设备的总电能消耗，并在总电能消耗大于预设电能消耗阈值的情况下，采用功率交替节能控制策略控制m-n个剩余目标设备进行功率交替，其中，m和n均为正整数，且m>n。
功率交替节能控制策略是指通过调整设备的功率，在不影响设备正常运行的前提下，实现能耗的降低。
假设有总共7个目标设备（m=7），其中需要进行功率交替节能控制的设备数量为3个（n=3）。根据上述方案，首先获取剩余的m-n个设备的总电能消耗，并判断是否大于预设的电能消耗阈值。
假设7个设备的总电能消耗为1000单位（例如，千瓦时）。而预设的电能消耗阈值为800单位。
在这种情况下，总电能消耗大于预设的电能消耗阈值。根据功率交替节能控制策略，需要控制3个剩余目标设备进行功率交替。
举例来说，可以通过交替调整上述3个剩余目标设备的工作状态，使3个剩余目标设备在不同的时间段内以不同的功率工作，以降低总电能消耗。
例如，可以将设备A在第一个时间段内以第一功率工作，设备B在第二个时间段内以第二功率工作，设备C在第三个时间段内以第三功率工作。然后循环重复这个工作顺序，使得这些设备的功率交替工作。通过上述功率交替的方式，可以降低总电能消耗，达到节能的目的。
S203、预测未来预设时间段中每个预设时刻的能源消耗值。
对未来预设时间段中每个预设时刻的能源消耗值进行预测可以采用基于机器学习的预测方式、基于模型的预测方式以及基于历史数据的趋势分析方式，预测未来预设时间段中每个预设时刻的能源消耗值。在此不进行赘述。以基于机器学习的预测方式为例，可以通过分析历史能源消耗数据，观察能源消耗值的趋势和周期性变化，即可预测未来时间段内每个预设时刻的能源消耗值。
S204、根据未来预设时间段中每个预设时刻的能源消耗值，生成能源调整曲线，其中，能源调整曲线用于表征相比于预设电能消耗阈值，未来预设时间段中每个预设时刻需要调整的设备的能源调整值。
可以将未来预设时间段划分为一系列预设时刻（例如每分钟、每小时），对于每个预设时刻，计算该时刻的能源消耗值。将每个预设时刻的能源消耗值与预设电能消耗阈值进行比较。如果能源消耗值大于阈值，则需要进行能源调整。对于需要调整的设备，根据能源消耗值与阈值之间的差异，计算出需要调整的能源调整值。这个能源调整值可以是正数（增加能源消耗）或负数（减少能源消耗），具体取决于能源消耗值与阈值之间的差异。将每个预设时刻的能源调整值绘制在时间轴上，形成能源调整曲线。能源调整曲线可以用来表征在未来预设时间段中每个预设时刻需要调整的设备的能源调整值。
能源调整曲线是一个图形，横轴表示时间，纵轴表示能源调整值。曲线上的每个点代表一个预设时刻，其对应的能源调整值表示在该时刻需要调整的设备的能源调整量。曲线的形状和变化趋势可以反映未来时间段内能源调整的需求和趋势。通过分析能源调整曲线，可以制定相应的能源调整策略，以实现节能目标和优化能源利用。
本实施方式可以实现设备的合理调度、能源消耗的优化和节约，并为未来能源调整提供指导和决策支持，从而达到节能和优化能源利用的效果。
在本实施例的其中一种实施方式中，获取m-n个剩余目标设备的总电能消耗，并在总电能消耗大于预设电能消耗阈值的情况下，采用功率交替节能控制策略控制m-n个剩余目标设备进行功率交替，包括如下步骤：
S301、在总电能消耗大于预设电能消耗阈值的情况下，获取m-n个剩余目标设备中任意两个目标设备之间的相互影响因子。
相互影响因子可以反映设备之间的耦合关系和相互影响程度。具体的，获取m-n个剩余目标设备中任意两个目标设备之间的相互影响因子的步骤包括：
S1、收集与目标设备相关的数据，包括设备之间的互动、通信、能源消耗等数据。
与目标设备相关的数据可以通过传感器、监控***等设备获取。
S2、对上述与目标设备相关的数据进行相关性分析，以确定不同设备之间的关联程度。
相关性分析方法可以包括相关系数、协方差等。
S3、将设备之间的关联程度表示为网络结构，其中设备是节点，设备之间的关系是边。
通过网络分析方法，如图论、复杂网络分析等，可以识别设备之间的相互影响因子。
例如，设备之间的关系可以通过网络结构来表示。假设有以下设备：A、B、C、D、E、F。可以构建一个设备网络，其中每个设备作为一个节点，设备之间的关系作为边。
可以根据设备之间的通信频率来构建网络。如果设备A经常与设备B进行通信，可以在设备A和设备B之间添加一条边，表示它们之间存在较强的相互影响。同样地，如果设备B和设备C之间也有频繁的通信，可以在设备B和设备C之间添加一条边。
通过网络分析方法，如图论和复杂网络分析，可以识别设备之间的相互影响因子。例如，可以计算设备网络中的节点度数，即每个节点与其他节点相连的边的数量。节点度数越高，表示该设备与其他设备之间的相互影响越大。
假设构建的设备网络如下：
设备A与设备B相连；
设备B与设备C相连；
设备C与设备D相连；
设备D与设备E相连；
设备E与设备F相连。
通过图论分析，可以得到以下结论：
设备A的节点度数为1，表示它只与设备B相连。
设备B的节点度数为2，表示它与设备A和设备C相连。
设备C的节点度数为2，表示它与设备B和设备D相连。
设备D的节点度数为2，表示它与设备C和设备E相连。
设备E的节点度数为2，表示它与设备D和设备F相连。
设备F的节点度数为1，表示它只与设备E相连。
通过上述节点度数的分析，可以得出设备之间的相互影响因子。在这个例子中，设备B和设备C的节点度数最高，表示它们与其他设备之间的相互影响较大。
S302、根据相互影响因子和获取的m-n个剩余目标设备中每个目标设备的电力波动信号确定总电能消耗。
可以首先根据电力波动信号确定每个目标设备的电能消耗，并根据每个目标设备的电能消耗和与相邻设备的相互影响因子确定总电能消耗。
S303、在总电能消耗大于预设电能消耗阈值的情况下，获取电能调整值。
当总电能消耗超过预设阈值时，意味着能源的消耗超出了预期范围，可能导致能源的浪费和成本的增加。为了有效控制总电能消耗，需要采取相应的调整措施。
通过计算当前总电能消耗与预设阈值之间的差值，可以确定需要降低的能源量。这个差值可以作为调整目标，以便控制总电能消耗在预设的范围内。
S304、生成随机功率降低策略，并获取m-n个剩余目标设备中每个目标设备的功率降低值。
生成随机功率降低策略并获取m-n个剩余目标设备中每个目标设备的功率降低值是指在总电能消耗大于预设电能消耗阈值的情况下，针对剩余的m-n个目标设备，通过随机生成的策略来决定每个设备需要降低的功率值。
具体来说，生成随机功率降低策略是指根据一定的规则或算法，在剩余的m-n个目标设备中随机选择一些设备进行功率降低。这个策略可以是随机选择一定比例的设备进行功率降低，也可以是随机选择一定数量的设备进行功率降低。
S305、对于每个随机功率降低策略，采用仿真模型，确定m-n个剩余目标设备中任意两个目标设备之间的当前相互影响因子。
每两个目标设备之间的当前相互影响因子不同。仿真模型是通过计算机模拟和模拟实验来模拟真实***的行为和性能的模型。可以是离散事件仿真模型、连续时间仿真模型、代理模型等。在此不进行限定。
其中，离散事件仿真模型是一种基于事件驱动的模型，通过模拟事件的发生和处理来模拟***的行为。在这种模型中，可以模拟设备之间的通信、数据交换、能源消耗等事件，以及设备之间的相互影响。
连续时间仿真模型是一种基于时间连续的模型，通过模拟***的状态变化来模拟***的行为。在这种模型中，可以建立设备之间的数学模型，包括能源消耗模型、通信模型等，通过模拟时间的推进和状态的变化，来分析设备之间的相互影响。
代理模型是一种基于代理行为的模型，通过模拟设备的行为和决策过程来模拟***的行为。在这种模型中，可以为每个设备建立代理模型，模拟设备之间的交互和相互影响。
S306、采用功率交替节能控制公式，根据每个目标设备的功率降低值和当前影响因子，计算当前随机功率降低策略的电能降低值。
根据每个目标设备的功率降低值和当前的影响因子，可以使用功率交替节能控制公式来计算当前随机功率降低策略的电能降低值。
功率交替节能控制公式可以表示为：
电能降低值=目标设备的功率降低值*当前的影响因子。
其中，目标设备的功率降低值是根据随机功率降低策略确定的每个设备需要降低的功率量。当前的影响因子是根据仿真模型或其他方法确定的设备之间的相互影响程度。
根据上述公式，对于每个目标设备，将其功率降低值与当前的影响因子相乘，即可得到当前随机功率降低策略的电能降低值。
S307、将与电能调整值的差值最大的电能降低值对应的随机功率降低策略作为功率交替节能控制策略。
在计算了每个目标设备的电能降低值之后，找出其中与电能调整值的差值最大的那个电能降低值，然后将其对应的随机功率降低策略作为最终的功率交替节能控制策略。
具体来说，根据之前计算的每个目标设备的电能降低值和电能调整值之间的差值，可以找出差值最大的电能降低值。差值最大的电能降低值表示需要进行功率降低的一个或多个设备，以使总电能消耗接近或降低至预设的阈值。
S308、采用功率交替节能控制策略控制m-n个剩余目标设备进行功率交替。
本实施方式通过获取m-n个剩余目标设备的总电能消耗，并在总电能消耗大于预设电能消耗阈值的情况下进行控制，可以有效控制总电能消耗，使其接近或达到预设的阈值，并在总电能消耗大于预设电能消耗阈值的情况下，获取电能调整值，用于确定需要降低的电能量。根据与电能调整值的差值最大的电能降低值对应的随机功率降低策略，确定最终的功率交替节能控制策略，实现对m-n个剩余目标设备的功率交替节能控制，从而达到降低总电能消耗、优化能源利用和实现节能目标的效果。
在本实施例的其中一种实施方式中，功率降低值包括有效功率降低值和损耗功率，功率交替节能控制公式包括如下步骤：
；；
式中，REV为当前随机功率降低策略的电能降低值，Pq为第q个设备的有效功率降低值，Sq为第q个设备的损耗功率，t为第q个设备的工作时间，Eq+1为第q+1个设备的电能降低值，Eq-1为第q-1个设备的电能降低值，k为当前影响因子，其中，Eq+1=(Pq+1+Sq+1)×t，Eq-1=(Pq-1+Sq-1)×t。
电能降低值=Σ[(功率降低值×工作时间）+（当前影响因子×相邻设备的电能降低值）]。
在本实施例的其中一种实施方式中，在预设第一时间段中，执行循环步骤，至在m个目标设备中的其中n个目标设备的工作状态由怠速转变为正常后，不存在m个目标设备中任意一个目标设备的工作状态发生变化，包括如下步骤：
S501、在预设第一时间段中，实时获取m个目标设备中每个目标设备的工作状态，并统计工作状态由怠速转变为正常的目标设备的数量。
S502、在不是第一时间段的最后一个时刻的情况下，循环执行实时获取每个目标设备的工作状态，并统计工作状态由怠速转变为正常的目标设备的数量的步骤。
S503、在第一时间段的最后一个时刻，且工作状态由怠速转变为正常的目标设备的数量等于n的情况下，结束循环步骤。
在预设的第一时间段内，持续监测目标设备的工作状态，并统计工作状态由怠速转变为正常的设备数量。通过循环执行这些步骤，直到满足条件：m个目标设备中的其中n个设备的工作状态由怠速转变为正常，并且在此之后，没有任何一个目标设备的工作状态发生变化。这可以用于确保在一定时间内，指定数量的设备从怠速状态转变为正常工作状态，并且保持稳定。
本实施方式可以用于监测和控制目标设备的工作状态变化，特别是从怠速转变为正常工作状态的设备。通过设定条件和循环步骤，可以实现对目标设备数量和状态变化的控制，并在满足指定条件时结束循环。
在本实施例的其中一种实施方式中，节能模型的构建方法包括如下步骤：
S601、收集与电力控制柜连接的设备的工作数据集，以及每个设备在不同工作数据集下的可靠性数据，其中，工作数据集包括工作状态、电子波动信号以及电能消耗。
S602、对设备的工作状态、电子波动信号以及电能消耗进行预处理，得到预处理数据，预处理数据包括训练数据集和验证数据集。
预处理可以是数据清洗、去噪、归一化等操作，以确保数据的准确性和一致性。训练数据集可以占比80%，验证数据集可以占比20%。通常来说，训练数据集的占比要大于验证数据集的占比。
S603、在训练数据集中提取与节能相关的特征，特征包括设备功率变化、电能消耗趋势和电力波动频率。
通过对设备的功率数据进行处理，可以提取出设备功率的变化特征。例如，设备功率的平均值、最大值、最小值、标准差等统计特征，以及设备功率的变化率、波动幅度等动态特征。
通过对设备的电能消耗数据进行处理，可以提取出电能消耗的趋势特征。可以计算电能消耗的平均值、最大值、最小值、标准差等统计特征，以及电能消耗的增长率、趋势线斜率等动态特征。
通过对设备的电力波动信号进行处理，可以提取出电力波动的频率特征。可以采用频谱分析方法，计算设备电力波动信号的频谱分布，提取出频率分量的特征，如主频、谐波等。
S604、将与节能相关的特征与设备的可靠性数据进行关联建模，得到节能模型。
关联建模可以包括：根据选定的特征和可靠性数据，确定建模方法，建模方法可以是回归分析、决策树、神经网络等，并建立关联模型。
可以使用机器学习或统计建模的方法来训练模型。
S605、采用验证数据集对节能模型进行验证，得到验证后的节能模型。
本实施方式可以有效地收集和处理设备的工作数据，提取与节能相关的特征，建立关联模型，并通过验证数据集对模型进行验证。
在本实施例的其中一种实施方式中，可靠性数据包括设备故障率和设备平均无故障时间；
采用预构建的节能模型，将每个目标设备的可靠性数据输入至节能模型，得到设备等级均为低的多个目标设备的第一节能控制策略，包括如下步骤：
S701、将每个目标设备的可靠性数据输入至节能模型，输出设备等级均为低的多个目标设备的电能消耗标准值。
S702、对于每个设备等级为低的目标设备，根据对应的电能消耗标准值和对应的电能消耗，确定功率降低值。
功率降低值=|电能消耗-电能消耗标准值|。
S703、根据每个设备等级为低的目标设备的功率降低值，控制每个设备等级为低的目标设备的功率。
根据每个设备等级为低的目标设备的功率降低值，控制这些设备的功率是指根据先前步骤中确定的功率降低值，对这些设备的功率进行相应的调整或降低，以实现节能的目的。
本实施方式通过将可靠性数据输入到节能模型中，预测设备的电能消耗标准值，并根据标准值和实际消耗确定功率降低值，最终控制设备的功率。这些步骤的效果是根据模型预测和实际数据，实现设备功率的降低，从而达到节能的目的。
在本实施例的其中一种实施方式中，根据每个目标设备的电力波动信号，确定每个目标设备的电能消耗，包括如下步骤：
S801、对电力波动信号进行傅里叶变换，将电力波动信号的时域信号转换为频域信号，得到频谱图。
傅里叶变换可以将信号从时间域转换到频域，通过分析频谱图可以了解信号在不同频率上的能量分布情况。
S802、响应于第一时间点的选择操作，在预设频率范围内，对能量谱密度值进行积分，得到第一时间点的功率值。
通过对频谱图中能量谱密度值进行积分，可以得到在预设频率范围内的功率值。这个功率值反映了信号在该频率范围内的能量分布情况。
S803、将功率值与电力波动信号的时间长度的乘积作为每个目标设备的电能消耗。
将第一时间点的功率值与电力波动信号的时间长度相乘，可以得到每个目标设备在该时间段内的电能消耗。
假设有一个目标设备的电力波动信号数据，采样频率为1000Hz，持续时间为10秒。首先，对该信号进行预处理，如去除噪声和滤波。然后，对预处理后的信号进行傅里叶变换。
假设经过傅里叶变换后得到了频谱图，其中包含了不同频率点上的能量谱密度。可以选择一定频率范围，例如0-50Hz，来计算目标设备在每个时间点的功率值。
对于每个时间点，可以将能量谱密度在0-50Hz范围内的值进行积分，得到该时间点的功率值。这个功率值表示了目标设备在该时间点上的电能消耗。
本实施方式通过傅里叶变换将电力波动信号转换为频域信号，通过积分计算得到功率值，并将功率值与时间长度相乘得到每个目标设备的电能消耗。
本申请实施例还提供一种电力控制柜，可以包括：
存储器，被配置成存储指令；以及
处理器，被配置成从存储器调用指令以及在执行指令时能够实现上述的电力控制柜的电力节能控制的方法。
本申请实施例还提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行上述的电力控制柜的电力节能控制方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（***）、计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种电力控制柜的电力节能控制方法，其特征在于，包括：
获取每个与电力控制柜连接的设备的工作状态；
在多个所述设备的工作状态为怠速的情况下，获取每个所述设备的设备等级；
在多个工作状态为怠速的所述设备中，确定设备等级为低的目标设备，并获取每个所述目标设备的电力波动信号；
根据每个所述目标设备的所述电力波动信号，确定每个所述目标设备的电能消耗；
根据每个所述目标设备的电能消耗，确定每个所述目标设备的可靠性数据；
采用预构建的节能模型，将每个所述目标设备的可靠性数据输入至所述节能模型，得到设备等级均为低的多个所述目标设备的第一节能控制策略；
根据所述第一节能控制策略，调整每个所述目标设备的设备参数，其中，所述设备参数包括功率。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在预设第一时间段中，执行循环步骤，至在m个所述目标设备中的其中n个所述目标设备的工作状态由怠速转变为正常后，不存在m个所述目标设备中任意一个所述目标设备的工作状态发生变化；
获取m-n个剩余目标设备的总电能消耗，并在所述总电能消耗大于预设电能消耗阈值的情况下，采用功率交替节能控制策略控制m-n个剩余目标设备进行功率交替，其中，m和n均为正整数，且m>n；
预测未来预设时间段中每个预设时刻的能源消耗值；
根据未来预设时间段中每个预设时刻的能源消耗值，生成能源调整曲线，其中，所述能源调整曲线用于表征相比于预设电能消耗阈值，未来预设时间段中每个预设时刻需要调整的设备的能源调整值。
3.根据权利要求2所述的方法，其特征在于，所述获取m-n个剩余目标设备的总电能消耗，并在所述总电能消耗大于预设电能消耗阈值的情况下，采用功率交替节能控制策略控制m-n个剩余目标设备进行功率交替，包括：
在所述总电能消耗大于预设电能消耗阈值的情况下，获取m-n个剩余目标设备中任意两个目标设备之间的相互影响因子；
根据所述相互影响因子和获取的m-n个剩余目标设备中每个所述目标设备的所述电力波动信号确定所述总电能消耗；
在所述总电能消耗大于预设电能消耗阈值的情况下，获取电能调整值；
生成随机功率降低策略，并获取m-n个剩余目标设备中每个所述目标设备的功率降低值；
对于每个所述随机功率降低策略，采用仿真模型，确定m-n个剩余目标设备中任意两个目标设备之间的当前相互影响因子；
采用功率交替节能控制公式，根据每个所述目标设备的功率降低值和所述当前影响因子，计算当前所述随机功率降低策略的电能降低值；
将与所述电能调整值的差值最大的所述电能降低值对应的随机功率降低策略作为功率交替节能控制策略；
采用功率交替节能控制策略控制m-n个剩余目标设备进行功率交替。
4.根据权利要求3所述的方法，其特征在于，所述功率降低值包括有效功率降低值和损耗功率，所述功率交替节能控制公式包括：
；
式中，REV为当前所述随机功率降低策略的电能降低值，Pq为第q个设备的有效功率降低值，Sq为第q个设备的损耗功率，t为第q个设备的工作时间，Eq+1为第q+1个设备的电能降低值，Eq-1为第q-1个设备的电能降低值，k为当前影响因子，其中，Eq+1=(Pq+1+Sq+1)×t，Eq-1=(Pq-1+Sq-1)×t。
5.根据权利要求2所述的方法，其特征在于，所述在预设第一时间段中，执行循环步骤，至在m个所述目标设备中的其中n个所述目标设备的工作状态由怠速转变为正常后，不存在m个所述目标设备中任意一个所述目标设备的工作状态发生变化，包括：
在预设第一时间段中，实时获取m个所述目标设备中每个所述目标设备的工作状态，并统计工作状态由怠速转变为正常的目标设备的数量；
在不是所述第一时间段的最后一个时刻的情况下，循环执行所述实时获取每个所述目标设备的工作状态，并统计工作状态由怠速转变为正常的目标设备的数量的步骤；
在所述第一时间段的最后一个时刻，且工作状态由怠速转变为正常的目标设备的数量等于n的情况下，结束所述循环步骤。
6.根据权利要求1所述的方法，其特征在于，所述节能模型的构建方法包括：
收集与所述电力控制柜连接的设备的工作数据集，以及每个所述设备在不同工作数据集下的可靠性数据，其中，所述工作数据集包括工作状态、电子波动信号以及电能消耗；
对所述设备的工作状态、电子波动信号以及电能消耗进行预处理，得到预处理数据，所述预处理数据包括训练数据集和验证数据集；
在所述训练数据集中提取与节能相关的特征，所述特征包括设备功率变化、电能消耗趋势和电力波动频率；
将所述与节能相关的特征与所述设备的可靠性数据进行关联建模，得到节能模型；
采用验证数据集对所述节能模型进行验证，得到验证后的节能模型。
7.根据权利要求6所述的方法，其特征在于，所述可靠性数据包括设备故障率和设备平均无故障时间；
所述采用预构建的节能模型，将每个所述目标设备的可靠性数据输入至所述节能模型，得到设备等级均为低的多个所述目标设备的第一节能控制策略，包括：
将每个所述目标设备的可靠性数据输入至所述节能模型，输出设备等级均为低的多个目标设备的电能消耗标准值；
对于每个设备等级为低的所述目标设备，根据对应的电能消耗标准值和对应的电能消耗，确定功率降低值；
根据每个设备等级为低的所述目标设备的功率降低值，控制每个设备等级为低的所述目标设备的功率。
8.根据权利要求7所述的方法，其特征在于，所述根据每个所述目标设备的所述电力波动信号，确定每个所述目标设备的电能消耗，包括：
对所述电力波动信号进行傅里叶变换，将所述电力波动信号的时域信号转换为频域信号，得到频谱图；
响应于第一时间点的选择操作，在预设频率范围内，对能量谱密度值进行积分，得到所述第一时间点的功率值；
将所述功率值与所述电力波动信号的时间长度的乘积作为每个所述目标设备的电能消耗。
9.一种电力控制柜，其特征在于，包括：
存储器，被配置成存储指令；以及
处理器，被配置成从所述存储器调用所述指令以及在执行所述指令时能够实现根据权利要求1至8中任一项所述的电力控制柜的电力节能控制的方法。
10.一种机器可读存储介质，其特征在于，该机器可读存储介质上存储有指令，该指令用于使得机器执行根据权利要求1至8中任一项所述的电力控制柜的电力节能控制的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410339730.8A CN117937522B (zh) | 2024-03-25 | 2024-03-25 | 电力控制柜的电力节能控制方法、控制柜及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410339730.8A CN117937522B (zh) | 2024-03-25 | 2024-03-25 | 电力控制柜的电力节能控制方法、控制柜及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117937522A true CN117937522A (zh) | 2024-04-26 |
| CN117937522B CN117937522B (zh) | 2024-06-04 |
Family
ID=90768669
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410339730.8A Active CN117937522B (zh) | 2024-03-25 | 2024-03-25 | 电力控制柜的电力节能控制方法、控制柜及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117937522B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014057614A1 (ja) * | 2012-10-12 | 2014-04-17 | パナソニック株式会社 | エネルギー管理装置、管理装置、遠隔管理装置 |
| JP2015122831A (ja) * | 2013-12-20 | 2015-07-02 | 三菱電機株式会社 | 電力管理装置および電力管理システム |
| CN112202168A (zh) * | 2020-09-28 | 2021-01-08 | 国网江苏省电力有限公司苏州供电分公司 | 多目标协调优化的多元电网超前控制供电方法及其*** |
| CN112577161A (zh) * | 2019-09-30 | 2021-03-30 | 北京国双科技有限公司 | 空调能耗模型训练方法与空调***控制方法 |
| CN114498641A (zh) * | 2022-04-18 | 2022-05-13 | 国网智能电网研究院有限公司 | 一种分布式灵活资源聚合控制装置及控制方法 |
| CN114659236A (zh) * | 2022-04-29 | 2022-06-24 | 深圳市英维克信息技术有限公司 | 节能控制方法、装置、设备及存储介质 |
| CN115150923A (zh) * | 2021-03-31 | 2022-10-04 | ***通信集团河南有限公司 | 一种基站的节能控制方法及装置 |
| CN115352384A (zh) * | 2022-09-30 | 2022-11-18 | 阿波罗智能技术(北京)有限公司 | 车辆的节能控制方法、装置、设备以及自动驾驶车辆 |
| CN115437876A (zh) * | 2022-08-10 | 2022-12-06 | 中国电信股份有限公司 | 一种数据中心的管理方法、装置、电子设备和存储介质 |
| CN115515208A (zh) * | 2021-06-07 | 2022-12-23 | 中兴通讯股份有限公司 | 基站节能方法、基站节能***、基站及存储介质 |
| CN116128688A (zh) * | 2022-10-28 | 2023-05-16 | 武汉大学 | 一种面向能效行业的市场化评测方法 |
| CN117528735A (zh) * | 2023-11-24 | 2024-02-06 | 中国电信股份有限公司技术创新中心 | 网络侧设备的节能控制方法、装置、***及相关设备 |
| CN117650628A (zh) * | 2023-12-01 | 2024-03-05 | 龙坤(无锡)智慧科技有限公司 | 一种基于自适应预调节场景的能效管理*** |
-
2024
- 2024-03-25 CN CN202410339730.8A patent/CN117937522B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014057614A1 (ja) * | 2012-10-12 | 2014-04-17 | パナソニック株式会社 | エネルギー管理装置、管理装置、遠隔管理装置 |
| JP2015122831A (ja) * | 2013-12-20 | 2015-07-02 | 三菱電機株式会社 | 電力管理装置および電力管理システム |
| CN112577161A (zh) * | 2019-09-30 | 2021-03-30 | 北京国双科技有限公司 | 空调能耗模型训练方法与空调***控制方法 |
| CN112202168A (zh) * | 2020-09-28 | 2021-01-08 | 国网江苏省电力有限公司苏州供电分公司 | 多目标协调优化的多元电网超前控制供电方法及其*** |
| CN115150923A (zh) * | 2021-03-31 | 2022-10-04 | ***通信集团河南有限公司 | 一种基站的节能控制方法及装置 |
| CN115515208A (zh) * | 2021-06-07 | 2022-12-23 | 中兴通讯股份有限公司 | 基站节能方法、基站节能***、基站及存储介质 |
| CN114498641A (zh) * | 2022-04-18 | 2022-05-13 | 国网智能电网研究院有限公司 | 一种分布式灵活资源聚合控制装置及控制方法 |
| CN114659236A (zh) * | 2022-04-29 | 2022-06-24 | 深圳市英维克信息技术有限公司 | 节能控制方法、装置、设备及存储介质 |
| CN115437876A (zh) * | 2022-08-10 | 2022-12-06 | 中国电信股份有限公司 | 一种数据中心的管理方法、装置、电子设备和存储介质 |
| CN115352384A (zh) * | 2022-09-30 | 2022-11-18 | 阿波罗智能技术(北京)有限公司 | 车辆的节能控制方法、装置、设备以及自动驾驶车辆 |
| CN116128688A (zh) * | 2022-10-28 | 2023-05-16 | 武汉大学 | 一种面向能效行业的市场化评测方法 |
| CN117528735A (zh) * | 2023-11-24 | 2024-02-06 | 中国电信股份有限公司技术创新中心 | 网络侧设备的节能控制方法、装置、***及相关设备 |
| CN117650628A (zh) * | 2023-12-01 | 2024-03-05 | 龙坤(无锡)智慧科技有限公司 | 一种基于自适应预调节场景的能效管理*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117937522B (zh) | 2024-06-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rudez et al. | A novel approach to underfrequency load shedding | |
| CN103577268B (zh) | 基于应用负载的自适应资源供应方法 | |
| CN102157949B (zh) | 一种小干扰稳定性预测及辅助决策方法 | |
| CN103310296B (zh) | 一种基于扰动评估和趋势分析的操作票安全校核方法 | |
| KR20190023791A (ko) | 신재생에너지와 부하의 불확실성을 고려한 마이크로그리드의 가상등가부하변동밴드 적용에 의한 단순화된 강인최적운영 시스템 및 그 방법 | |
| Bean et al. | A stochastic fluid flow model of the operation and maintenance of power generation systems | |
| JP6032486B2 (ja) | 電力管理システム、電力管理方法 | |
| McNabb et al. | Classification of mode damping and amplitude in power systems using synchrophasor measurements and classification trees | |
| CN112016748A (zh) | 一种稳控装置运行状态的动态分析与量化评估方法 | |
| Xiyun et al. | Wind power probability interval prediction based on bootstrap quantile regression method | |
| CN110994589B (zh) | 电力电子接入电力***调频能力在线评价方法及*** | |
| CN113300373B (zh) | 一种基于prmse评价指标的稳定裕度值预测方法及装置 | |
| CN117937522B (zh) | 电力控制柜的电力节能控制方法、控制柜及存储介质 | |
| CN117400771A (zh) | 一种基于电动汽车的充电桩充电控制方法 | |
| Saleh et al. | The Selection of locations and sizes of battery storage systems using the principle component analysis and center-of-inertia | |
| KR20220061709A (ko) | 전력의 피크 부하를 저감하기 위한 보상 생성 방법 및 그 방법을 수행하는 동작 제어 장치 | |
| Kadhem et al. | Differential evolution optimization algorithm based on generation systems reliability assessment integrated with wind energy | |
| CN116861318B (zh) | 一种用户用电负荷分类方法、装置、设备及存储介质 | |
| Xue et al. | Enhanced dynamic equivalent identification method of large-scale power systems using multiple event | |
| CN117559445B (zh) | 一种基于电力流动与稳定性分析的配电管理方法及*** | |
| CN116307285B (zh) | 新能源发展预测装置及方法 | |
| CN109026525B (zh) | 一种风力发电机组的运维方法、装置及*** | |
| Helseth et al. | Stochastic optimization model with individual water values and power flow constaints | |
| CN118174304A (zh) | 基于电网的智能调度方法、装置、终端设备及存储介质 | |
| CN118213982A (zh) | 用于光伏接入弱电网***的等效惯量评估方法及装置 |
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 |