欧美在线观看视频网站,亚洲熟妇色自偷自拍另类,啪啪伊人网,中文字幕第13亚洲另类,中文成人久久久久影院免费观看 ,精品人妻人人做人人爽,亚洲a视频

一種基于多源數(shù)據(jù)分析的電網(wǎng)需求側(cè)管理方法及系統(tǒng)與流程

文檔序號(hào):40610240發(fā)布日期:2025-01-07 20:52閱讀:12來(lái)源:國(guó)知局
一種基于多源數(shù)據(jù)分析的電網(wǎng)需求側(cè)管理方法及系統(tǒng)與流程

本發(fā)明涉及電網(wǎng)管理,更具體地說(shuō),本發(fā)明涉及一種基于多源數(shù)據(jù)分析的電網(wǎng)需求側(cè)管理方法及系統(tǒng)。


背景技術(shù):

1、隨著工業(yè)化和城市化進(jìn)程的加速,人們對(duì)電力的需求不斷增長(zhǎng),這導(dǎo)致電力系統(tǒng)承載著巨大的供電壓力;傳統(tǒng)的電網(wǎng)管理主要集中在供給端,即通過(guò)提升發(fā)電能力、改善輸電設(shè)施等方式來(lái)應(yīng)對(duì)電力需求的增長(zhǎng);然而,相較于電網(wǎng)供給側(cè)管理,電網(wǎng)需求側(cè)管理(demand?side?management,dsm)具有更高的靈活性、更高的穩(wěn)定性和可靠性;此外,隨著負(fù)荷型虛擬電廠的快速發(fā)展,為電網(wǎng)需求側(cè)管理提供了更多靈活性和可持續(xù)性的解決方案,同時(shí)能夠促進(jìn)可再生能源的消納和降低環(huán)境影響。

2、目前,現(xiàn)有的電網(wǎng)需求側(cè)管理方法或系統(tǒng),大多通過(guò)靈活的電價(jià)政策或獎(jiǎng)懲機(jī)制,來(lái)引導(dǎo)用戶在高峰期減少用電,從而平衡電力供需;然而,通過(guò)影響用戶行為來(lái)解決電力系統(tǒng)的負(fù)荷壓力,往往會(huì)增加用戶用電的不確定性,易給用戶帶來(lái)較差的用電體驗(yàn),同時(shí)易降低電力公司的營(yíng)收;當(dāng)然也存在部分其他方向的需求側(cè)管理技術(shù)文獻(xiàn),例如授權(quán)公告號(hào)為cn112086978b的專利公開(kāi)了一種基于需求側(cè)響應(yīng)的能源調(diào)度與控制系統(tǒng),上述方法雖能利用儲(chǔ)能設(shè)備進(jìn)行電網(wǎng)負(fù)荷調(diào)節(jié),但對(duì)上述方法以及現(xiàn)有技術(shù)進(jìn)行研究和實(shí)際應(yīng)用發(fā)現(xiàn),上述方法以及現(xiàn)有技術(shù)至少存在以下部分缺陷:

3、(1)數(shù)據(jù)來(lái)源單一,且缺乏深層數(shù)據(jù)挖掘,無(wú)法準(zhǔn)確揭示溫度變化與電網(wǎng)負(fù)荷變化的背后潛在機(jī)理,即無(wú)法獲悉溫度變化而帶來(lái)的用電負(fù)荷壓力;

4、(2)無(wú)法在獲悉潛在機(jī)理的基礎(chǔ)上,確定溫度影響負(fù)荷量和篩選出最佳負(fù)荷型儲(chǔ)能設(shè)備,進(jìn)一步地,無(wú)法利用負(fù)荷型虛擬電廠進(jìn)行靈活地電力供應(yīng)調(diào)節(jié),難以緩解由于溫度變化而帶來(lái)的用電負(fù)荷壓力,且難以降低電網(wǎng)的運(yùn)行風(fēng)險(xiǎn)以及提高電網(wǎng)的安全穩(wěn)定性。


技術(shù)實(shí)現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的上述缺陷,本發(fā)明的實(shí)施例提供一種基于多源數(shù)據(jù)分析的電網(wǎng)需求側(cè)管理方法及系統(tǒng)。

2、為實(shí)現(xiàn)上述目的,本發(fā)明提供如下技術(shù)方案:

3、一種基于多源數(shù)據(jù)分析的電網(wǎng)需求側(cè)管理方法,所述方法包括:

4、s101:獲取目標(biāo)區(qū)域在未來(lái)時(shí)段[t+n,t+2n]內(nèi)的預(yù)見(jiàn)性負(fù)荷特征數(shù)據(jù)和非預(yù)見(jiàn)性負(fù)荷特征數(shù)據(jù),將預(yù)見(jiàn)性負(fù)荷特征數(shù)據(jù)和非預(yù)見(jiàn)性負(fù)荷特征數(shù)據(jù),輸入預(yù)配置第二深度學(xué)習(xí)模型,得到未來(lái)時(shí)段內(nèi)的用電需求負(fù)荷量,t和n均為大于零的整數(shù);

5、s102:根據(jù)用電需求負(fù)荷量判斷在未來(lái)時(shí)段內(nèi)電網(wǎng)是否處于超負(fù)荷狀態(tài),若處于,則將未來(lái)時(shí)段標(biāo)記為超負(fù)荷運(yùn)行時(shí)段,并基于預(yù)配置第三深度學(xué)習(xí)模型,確定在超負(fù)荷運(yùn)行時(shí)段內(nèi)的溫度影響負(fù)荷量;若不處于,則令t=t+m,并返回步驟s101,m為大于零的整數(shù);

6、s103:獲取目標(biāo)區(qū)域所在地k個(gè)負(fù)荷型儲(chǔ)能設(shè)備的利用狀態(tài)數(shù)據(jù),基于利用狀態(tài)數(shù)據(jù)篩選出最佳負(fù)荷型儲(chǔ)能設(shè)備,k為大于零的整數(shù);

7、s104:當(dāng)處于超負(fù)荷運(yùn)行時(shí)段時(shí),根據(jù)溫度影響負(fù)荷量控制最佳負(fù)荷型儲(chǔ)能設(shè)備,對(duì)目標(biāo)區(qū)域進(jìn)行供電。

8、進(jìn)一步地,所述預(yù)見(jiàn)性負(fù)荷特征數(shù)據(jù)包括未來(lái)時(shí)段[t+n,t+2n]內(nèi)的天氣數(shù)據(jù)、電力價(jià)格和人口數(shù)量;其中,所述天氣數(shù)據(jù)包括降雨/降雪量、溫度、濕度和風(fēng)速;

9、所述非預(yù)見(jiàn)性負(fù)荷特征數(shù)據(jù)的獲取邏輯如下:

10、在過(guò)去時(shí)刻t-n至當(dāng)前時(shí)刻t的時(shí)段內(nèi),獲取目標(biāo)區(qū)域的利用率系數(shù)特征數(shù)據(jù);

11、其中,所述利用率系數(shù)特征數(shù)據(jù)中包含用電單位的數(shù)量、每個(gè)用電單位中用電設(shè)備的數(shù)量、每一時(shí)刻下每個(gè)用電單位電表的轉(zhuǎn)速以及每一時(shí)刻下每個(gè)用電單位電表的運(yùn)轉(zhuǎn)時(shí)間;

12、將過(guò)去時(shí)刻t-n至當(dāng)前時(shí)刻t時(shí)段內(nèi)的利用率系數(shù)特征數(shù)據(jù),輸入預(yù)配置第一神經(jīng)網(wǎng)絡(luò),得到未來(lái)時(shí)段[t+n,t+2n]內(nèi)的利用率系數(shù);

13、將利用率系數(shù)作為非預(yù)見(jiàn)性負(fù)荷特征數(shù)據(jù),得到未來(lái)時(shí)段[t+n,t+2n]內(nèi)的非預(yù)見(jiàn)性負(fù)荷特征數(shù)據(jù)。

14、進(jìn)一步地,所述預(yù)配置第一神經(jīng)網(wǎng)絡(luò)的生成邏輯如下:

15、獲取歷史利用率系數(shù)訓(xùn)練數(shù)據(jù),將歷史利用率系數(shù)訓(xùn)練數(shù)據(jù)劃分為利用率系數(shù)訓(xùn)練集和利用率系數(shù)測(cè)試集;所述歷史利用率系數(shù)訓(xùn)練數(shù)據(jù)包括利用率系數(shù)特征數(shù)據(jù)及其對(duì)應(yīng)的利用率系數(shù);

16、構(gòu)建第一回歸網(wǎng)絡(luò),將利用率系數(shù)訓(xùn)練集中的利用率系數(shù)特征數(shù)據(jù)作為第一回歸網(wǎng)絡(luò)的輸入數(shù)據(jù),以及將利用率系數(shù)訓(xùn)練集中的利用率系數(shù)作為第一回歸網(wǎng)絡(luò)的輸出數(shù)據(jù),對(duì)第一回歸網(wǎng)絡(luò)進(jìn)行訓(xùn)練,得到初始第一回歸網(wǎng)絡(luò);

17、通過(guò)利用率系數(shù)測(cè)試集對(duì)初始第一回歸網(wǎng)絡(luò)進(jìn)行模型驗(yàn)證,輸出小于等于預(yù)設(shè)第一測(cè)試誤差閾值的初始第一回歸網(wǎng)絡(luò)作為預(yù)配置第一神經(jīng)網(wǎng)絡(luò)。

18、進(jìn)一步地,所述歷史利用率系數(shù)訓(xùn)練數(shù)據(jù)中利用率系數(shù)的獲取邏輯為:

19、獲取目標(biāo)區(qū)域內(nèi)用電設(shè)備的總數(shù)、每個(gè)用電設(shè)備的實(shí)際用電量、每個(gè)用電設(shè)備的額定功率容量以及每個(gè)用電設(shè)備的用電時(shí)間;

20、將用電設(shè)備的總數(shù)、每個(gè)用電設(shè)備的實(shí)際用電量、每個(gè)用電設(shè)備的額定功率容量以及每個(gè)用電設(shè)備的用電時(shí)間,輸入預(yù)構(gòu)建的數(shù)學(xué)計(jì)算模型中,得到利用率系數(shù);其中,所述數(shù)學(xué)計(jì)算模型的公式為:式中:α為利用率系數(shù),ei為第i個(gè)用電設(shè)備的實(shí)際用電量,單位為千瓦時(shí)(kwh);pi為第i個(gè)用電設(shè)備的額定功率容量,單位為千瓦(kw);ci為第i個(gè)用電設(shè)備的使用時(shí)間,q為第i個(gè)用電設(shè)備的使用時(shí)間。

21、進(jìn)一步地,所述預(yù)配置第二深度學(xué)習(xí)模型的生成邏輯如下:

22、獲取歷史用電負(fù)荷訓(xùn)練數(shù)據(jù),將歷史用電負(fù)荷訓(xùn)練數(shù)據(jù)劃分為用電負(fù)荷訓(xùn)練集和用電負(fù)荷測(cè)試集;所述歷史用電負(fù)荷訓(xùn)練數(shù)據(jù)包括用電負(fù)荷特征數(shù)據(jù)及其對(duì)應(yīng)的用電需求負(fù)荷量;其中,所述用電負(fù)荷特征數(shù)據(jù)包括預(yù)見(jiàn)性負(fù)荷特征數(shù)據(jù)和非預(yù)見(jiàn)性負(fù)荷特征數(shù)據(jù);

23、構(gòu)建第二回歸網(wǎng)絡(luò),將用電負(fù)荷訓(xùn)練集中的用電負(fù)荷特征數(shù)據(jù)作為第二回歸網(wǎng)絡(luò)的輸入數(shù)據(jù),以及將用電負(fù)荷訓(xùn)練集中的用電需求負(fù)荷量作為第二回歸網(wǎng)絡(luò)的輸出數(shù)據(jù),對(duì)第二回歸網(wǎng)絡(luò)進(jìn)行訓(xùn)練,得到初始第二回歸網(wǎng)絡(luò);

24、利用用電負(fù)荷測(cè)試集對(duì)初始第二回歸網(wǎng)絡(luò)進(jìn)行模型驗(yàn)證,輸出小于等于預(yù)設(shè)第二測(cè)試誤差閾值的初始第二回歸網(wǎng)絡(luò)作為預(yù)配置第二神經(jīng)網(wǎng)絡(luò)。

25、進(jìn)一步地,所述判斷在未來(lái)時(shí)段內(nèi)電網(wǎng)是否處于超負(fù)荷狀態(tài),包括:

26、將用電需求負(fù)荷量與預(yù)設(shè)標(biāo)準(zhǔn)供電負(fù)荷量閾值進(jìn)行比對(duì);

27、若用電需求負(fù)荷量大于等于預(yù)設(shè)標(biāo)準(zhǔn)供電負(fù)荷量閾值,則判定在未來(lái)時(shí)段內(nèi)電網(wǎng)處于超負(fù)荷狀態(tài);

28、若用電需求負(fù)荷量小于預(yù)設(shè)標(biāo)準(zhǔn)供電負(fù)荷量閾值,則判定在未來(lái)時(shí)段內(nèi)電網(wǎng)不處于超負(fù)荷狀態(tài)。

29、進(jìn)一步地,所述溫度影響負(fù)荷量的確定過(guò)程如下:

30、提取超負(fù)荷運(yùn)行時(shí)段內(nèi)的用電需求負(fù)荷量,以及提取超負(fù)荷運(yùn)行時(shí)段內(nèi)的溫度差值;

31、將用電需求負(fù)荷量和溫度差值輸入預(yù)配置第三深度學(xué)習(xí)模型中,得到溫度影響負(fù)荷量;

32、其中,所述預(yù)配置第三深度學(xué)習(xí)模型的生成邏輯如下:

33、獲取歷史溫度影響負(fù)荷訓(xùn)練數(shù)據(jù),將歷史溫度影響負(fù)荷訓(xùn)練數(shù)據(jù)劃分為溫度影響負(fù)荷訓(xùn)練集和溫度影響負(fù)荷測(cè)試集;所述歷史溫度影響負(fù)荷訓(xùn)練數(shù)據(jù)中包含溫度差值及其對(duì)應(yīng)的溫度影響負(fù)荷量;

34、構(gòu)建第三回歸網(wǎng)絡(luò),將溫度影響負(fù)荷訓(xùn)練集中的溫度差值作為第三回歸網(wǎng)絡(luò)的輸入數(shù)據(jù),以及將溫度影響負(fù)荷訓(xùn)練集中的溫度影響負(fù)荷量作為第三回歸網(wǎng)絡(luò)的輸出數(shù)據(jù),對(duì)第三回歸網(wǎng)絡(luò)進(jìn)行訓(xùn)練,得到初始第三回歸網(wǎng)絡(luò);

35、利用溫度影響負(fù)荷測(cè)試集對(duì)初始第三回歸網(wǎng)絡(luò)進(jìn)行模型驗(yàn)證,輸出小于等于預(yù)設(shè)第三測(cè)試誤差閾值的初始第三回歸網(wǎng)絡(luò)作為預(yù)配置第三神經(jīng)網(wǎng)絡(luò)。

36、進(jìn)一步地,所述歷史溫度影響負(fù)荷訓(xùn)練數(shù)據(jù)中溫度影響負(fù)荷量的獲取邏輯如下:

37、a1:在測(cè)試場(chǎng)景下,獲取s個(gè)測(cè)試時(shí)段的測(cè)試數(shù)據(jù),所述測(cè)試數(shù)據(jù)包括s個(gè)測(cè)試時(shí)段內(nèi)的實(shí)際均值溫度以及s個(gè)測(cè)試時(shí)段內(nèi)的用電需求負(fù)荷量,s為大于零的整數(shù);

38、a2:提取目標(biāo)區(qū)域在第v個(gè)測(cè)試時(shí)段內(nèi)的實(shí)際均值溫度,以及獲取在第v個(gè)測(cè)試時(shí)段內(nèi)的用電需求負(fù)荷量;

39、a3:獲取目標(biāo)區(qū)域的標(biāo)準(zhǔn)溫度值,以及標(biāo)準(zhǔn)溫度值對(duì)應(yīng)的標(biāo)準(zhǔn)用電需求負(fù)荷量,計(jì)算第v個(gè)測(cè)試時(shí)段內(nèi)實(shí)際均值溫度與標(biāo)準(zhǔn)溫度值的差值,得到溫度差值;以及計(jì)算第v個(gè)測(cè)試時(shí)段用電需求負(fù)荷量與標(biāo)準(zhǔn)用電需求負(fù)荷量的差值,將第v個(gè)測(cè)試時(shí)段用電需求負(fù)荷量與標(biāo)準(zhǔn)用電需求負(fù)荷量的差值,標(biāo)記為溫度影響負(fù)荷量,并將溫度差值與溫度影響負(fù)荷量進(jìn)行關(guān)聯(lián)綁定,并令v=v+1,并返回步驟a2,v為大于零的整數(shù);

40、a4:重復(fù)上述步驟a2~a3,直至v=s時(shí)結(jié)束循環(huán),得到與每一溫度差值相關(guān)聯(lián)綁定的溫度影響負(fù)荷量。

41、進(jìn)一步地,所述利用狀態(tài)數(shù)據(jù)包括每種負(fù)荷型儲(chǔ)能設(shè)備的利用成本、當(dāng)前荷電量和故障率;

42、所述篩選出最佳負(fù)荷型儲(chǔ)能設(shè)備,包括:

43、提取k個(gè)負(fù)荷型儲(chǔ)能設(shè)備的利用狀態(tài)數(shù)據(jù),以及提取溫度影響負(fù)荷量;

44、依次將每個(gè)負(fù)荷型儲(chǔ)能設(shè)備的利用狀態(tài)數(shù)據(jù)與溫度影響負(fù)荷量進(jìn)行結(jié)合計(jì)算,得到k個(gè)負(fù)荷型儲(chǔ)能設(shè)備的匹配系數(shù);其計(jì)算公式為:μj=exp[(fj+(γ′j-γ″)2)×φj];式中:μj為第j個(gè)負(fù)荷型儲(chǔ)能設(shè)備的匹配系數(shù),fj為第j個(gè)負(fù)荷型儲(chǔ)能設(shè)備的利用成本,γj′為第j個(gè)負(fù)荷型儲(chǔ)能設(shè)備的當(dāng)前荷電量,γ″為溫度影響負(fù)荷量,φj為第j個(gè)負(fù)荷型儲(chǔ)能設(shè)備的故障率;

45、按數(shù)值從小到大,對(duì)k個(gè)負(fù)荷型儲(chǔ)能設(shè)備的匹配系數(shù)進(jìn)行排序,將排序第一匹配系數(shù)對(duì)應(yīng)的負(fù)荷型儲(chǔ)能設(shè)備作為最佳負(fù)荷型儲(chǔ)能設(shè)備。

46、一種基于多源數(shù)據(jù)分析的電網(wǎng)需求側(cè)管理系統(tǒng),包括:

47、數(shù)據(jù)采集模塊,用于獲取目標(biāo)區(qū)域在未來(lái)時(shí)段[t+n,t+2n]內(nèi)的預(yù)見(jiàn)性負(fù)荷特征數(shù)據(jù)和非預(yù)見(jiàn)性負(fù)荷特征數(shù)據(jù),將預(yù)見(jiàn)性負(fù)荷特征數(shù)據(jù)和非預(yù)見(jiàn)性負(fù)荷特征數(shù)據(jù),輸入預(yù)配置第二深度學(xué)習(xí)模型,得到未來(lái)時(shí)段內(nèi)的用電需求負(fù)荷量,t和n均為大于零的整數(shù);

48、負(fù)荷判斷模塊,用于根據(jù)用電需求負(fù)荷量判斷在未來(lái)時(shí)段內(nèi)電網(wǎng)是否處于超負(fù)荷狀態(tài),若處于,則將未來(lái)時(shí)段標(biāo)記為超負(fù)荷運(yùn)行時(shí)段,并基于預(yù)配置第三深度學(xué)習(xí)模型,確定在超負(fù)荷運(yùn)行時(shí)段內(nèi)的溫度影響負(fù)荷量;若不處于,則令t=t+m,并觸發(fā)數(shù)據(jù)采集模塊,m為大于零的整數(shù);

49、設(shè)備篩選模塊,用于獲取目標(biāo)區(qū)域所在地k個(gè)負(fù)荷型儲(chǔ)能設(shè)備的利用狀態(tài)數(shù)據(jù),基于利用狀態(tài)數(shù)據(jù)篩選出最佳負(fù)荷型儲(chǔ)能設(shè)備,k為大于零的整數(shù);

50、電力調(diào)度模塊,用于當(dāng)處于超負(fù)荷運(yùn)行時(shí)段時(shí),根據(jù)溫度影響負(fù)荷量控制最佳負(fù)荷型儲(chǔ)能設(shè)備,對(duì)目標(biāo)區(qū)域進(jìn)行供電。

51、相比于現(xiàn)有技術(shù),本發(fā)明的有益效果在于:

52、本技術(shù)公開(kāi)了一種基于多源數(shù)據(jù)分析的電網(wǎng)需求側(cè)管理方法及系統(tǒng),包括:將預(yù)見(jiàn)性負(fù)荷特征數(shù)據(jù)和非預(yù)見(jiàn)性負(fù)荷特征數(shù)據(jù)輸入預(yù)配置第二深度學(xué)習(xí)模型,得到用電需求負(fù)荷量;判斷在未來(lái)時(shí)段內(nèi)電網(wǎng)是否處于超負(fù)荷狀態(tài);獲取目標(biāo)區(qū)域所在地k個(gè)負(fù)荷型儲(chǔ)能設(shè)備的利用狀態(tài)數(shù)據(jù),基于利用狀態(tài)數(shù)據(jù)篩選出最佳負(fù)荷型儲(chǔ)能設(shè)備;當(dāng)處于超負(fù)荷運(yùn)行時(shí)段時(shí),根據(jù)溫度影響負(fù)荷量控制最佳負(fù)荷型儲(chǔ)能設(shè)備,對(duì)目標(biāo)區(qū)域進(jìn)行供電;基于上述過(guò)程,本發(fā)明能夠深層數(shù)據(jù)挖掘,準(zhǔn)確揭示溫度變化與電網(wǎng)負(fù)荷變化的背后潛在機(jī)理,即有利于獲悉溫度變化而帶來(lái)的用電負(fù)荷壓力;此外,通過(guò)確定出溫度影響負(fù)荷量,以及篩選出最佳負(fù)荷型儲(chǔ)能設(shè)備,本發(fā)明能夠利用負(fù)荷型虛擬電廠進(jìn)行靈活地電力供應(yīng)調(diào)節(jié),有利于緩解由于溫度變化而帶來(lái)的用電負(fù)荷壓力,進(jìn)一步地,有利于降低電網(wǎng)的運(yùn)行風(fēng)險(xiǎn),以及提高電網(wǎng)的安全穩(wěn)定性。

當(dāng)前第1頁(yè)1 2 
網(wǎng)友詢問(wèn)留言 已有0條留言
  • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1
临沧市| 正镶白旗| 晴隆县| 元氏县| 新闻| 曲阳县| 册亨县| 固阳县| 新宁县| 漠河县| 呼图壁县| 玉树县| 孙吴县| 宁波市| 涟源市| 望谟县| 那曲县| 渭南市| 香格里拉县| 莆田市| 峨边| 丰都县| 盘山县| 双城市| 滨海县| 衡南县| 平原县| 朝阳县| 民勤县| 虹口区| 河南省| 梧州市| 台中县| 上思县| 福海县| 平乐县| 定兴县| 花垣县| 龙川县| 湖口县| 昆山市|