CN104701841A - 一种智能电网用户侧能源信息感知方法 - Google Patents

Abstract

本发明提供一种智能电网用户侧能源信息感知方法，包括以下步骤：建立能源气象和环境特征模块；建立能源供需特征模块；对能源气象信息、能源环境信息、用户侧能源信息进行降维处理和映射关联；建立能源灵活性知识模块。本发明提供的智能电网用户侧能源信息感知方法，针对用户侧能源信息感知需求，综合利用气象和用户能源信息、以及人工智能最新技术进展，提升智能电网用户侧能源的信息感知能力。

Description

一种智能电网用户侧能源信息感知方法

技术领域

本发明涉及一种感知方法，具体涉及一种智能电网用户侧能源信息感知方法。

背景技术

目前，化石能源枯竭、环境污染要求提高清洁能源比例，提高能源使用效率。智能电网为清洁能源的接入提供一个基础性、公共使用的配置和接入平台。分布式电源、微电网促进太阳能、风能等资源利用、以及用户侧电制冷电制热与气候环境的强相关性，要求对气象信息、环境信息进行全面准确的掌握，提高电网运行的经济性、从而降低电网运行的成本。另一方面，用户侧智能家居、智能楼宇、智慧城市等的发展，将极大提升信息化程度，这为能源信息的广泛采集提供了契机。另外，随着目前人工智能领域深度学习研究获得重要进展、以及大数据处理硬件成本下降。这些新技术发展和应用将极大提升智能电网用户侧能源信息流的感知需求和感知知识获取潜力。

申请号为201210042859.X的发明专利提供一种远程抄表方法和系统、智能电表，在远程抄表方法中，采集终端通过Z-Wave网络中的路由服务器向智能电表发送抄表命令，抄表命令中包括智能电表地址和电表数据项信息，智能电表在接收到抄表命令后，判断抄表命令中的智能电表地址是否与智能电表自身的电表地址相同，若抄表命令中的智能电表地址与智能电表自身的电表地址相同，则智能电表根据电表数据项信息统计电表数据；智能电表将电表数据通过上述路由服务器发送给采集终端。由于Z-Wave网络并不依赖于运营商的移动网络，从而便于安装，可以在提高抄表速度的同时降低抄表成本。

申请号为201010268887.4的发明专利提供一种智能电表、电力使用的需求控制系统和方法，该智能电表包括：第一通信单元，用于从外部接收电力消息，提供给中央处理单元；中央处理单元，用于配置需求响应策略，并根据电力消息查找需求响应策略，生成对应的控制命令限制或恢复负载的电力使用。应用该发明能够节省成本，且易于实现、维护简单。

申请号为200910195066.X的发明专利提供一种用电信息采集系统及方法，该系统包括信息发送子系统、信息接收子系统；信息发送子系统包括第一协议数据发送模块、第二协议数据发送模块、协议选择模块；信息接收子系统包括第一协议数据接收模块、第二协议数据接收模块、应用层数据应用单元。可以实现在一个系统中可以同时使用不同的通信协议，充分利用两种通信协议的优势，从而提高系统的通信性能。

以上专利均不涉及智能电网用户侧能源信息感知方法。

发明内容

为了克服上述现有技术的不足，本发明提供一种智能电网用户侧能源信息感知方法，针对用户侧能源信息感知需求，综合利用气象和用户能源信息、以及人工智能最新技术进展，提升智能电网用户侧能源的信息感知能力。

为了实现上述发明目的，本发明采取如下技术方案：

本发明提供一种智能电网用户侧能源信息感知方法，所述方法包括以下步骤：

建立能源气象和环境特征模块；

建立能源供需特征模块；

对能源气象信息、能源环境信息、用户侧能源信息进行降维处理和映射关联；

建立能源灵活性知识模块。

通过开放接口从共用气象系统和地理信息系统分别采集能源气象信息和能源环境信息，根据能源气象信息和能源环境信息建立能源气象和环境特征模块。

所述能源气象和环境特征模块的构件为能源气象和环境特征矩阵C_matrix，C_matrix由包括能源气象信息的能源气象信息向量C_vector和包括能源环境信息的能源环境信息向量H_vector构成，具体表示为：

$C_{\mathrm{matrix}}=\left[\begin{array}{c}{C}_{\mathrm{vector}}\\ H_{\mathrm{vector}}\end{array}\right]---\left(1\right).$

所述能源气象信息包括水平面总辐射、法向直接辐射、散射辐射、气温、相对湿度、风速、风向和降水量；

所述能源环境信息包括地理经纬度、海拔高度、地表倾斜角、地表方位角、地表植被和人口密度。

建立能源供需特征模块的过程中，通过电力线载波通信和短距离无线通信集成的通信系统采集包括电能量、功率、2～30次电压谐波和2～30次电流谐波的用户侧能源信息。

所述能源供需特征模块包括稳态量矩阵E_matrix-S和暂态量矩阵E_matrix-t；E_matrix-S和E_matrix-t分别表示为：

$E_{\mathrm{matrix}-S}=\left[\begin{array}{c}{p}_{\mathrm{vector}}\\ E_{\mathrm{vector}}\\ V_{\mathrm{vector}}\\ I_{\mathrm{vector}}\end{array}\right]---\left(2\right)$

$E_{\mathrm{matrix}-t}=\left[\begin{array}{c}{\mathrm{PT}}_{\mathrm{vector}}\\ {\mathrm{VT}}_{\mathrm{vector}}\\ {\mathrm{IT}}_{\mathrm{vector}}\end{array}\right]---\left(3\right)$

其中，p_vector表示稳态功率向量；E_vector表示电能量向量；V_vector表示稳态电压向量，包括稳态基波电压向量和稳态谐波电压向量；I_vector表示稳态电流向量，包括稳态基波电流向量和稳态谐波电流向量；PT_vector表示暂态功率向量；VT_vector表示暂态电压向量，包括暂态基波电压向量和暂态谐波电压向量；IT_vector表示暂态电流向量，包括暂态基波电流向量和暂态谐波电流向量。

采用主成分分析法和非参数模型算法，对能源气象信息、能源环境信息、用户侧能源信息进行降维处理，并通过NoSQL数据库结合深度学习算法将能源气象信息、能源环境信息、用户侧能源信息与用户侧能源拓扑网络进行映射关联，对映射关联后的信息通过多层神经网络进行处理。

所述能源灵活性知识模块将用户侧的可用发电装机容量、可中断负荷容量和关键负荷容量分别进行定期更新；同时基于能源气象和环境特征矩阵、稳态量矩阵和暂态量矩阵进行线性计算，求出供需预测的匹配度，即下一时刻可出力发电量和用户使用负荷的匹配。

与现有技术相比，本发明的有益效果在于：

1)、本发明对智能电网用户侧能源信息的感知采用了广泛的信息处理，涵盖气象信息、环境信息以及用电信息，更能准确的辨识出用户能源特性；

2)、本发明利用深度学习算法有效降低数据量，减少智能电网中信息通信成本开销；

3)、本发明利用用户侧能源拓扑网络能有效提高数据的有效性，并大量减少无用的数据，有利于提取有用信息并用于数据之间进行关联分析；

4)、对能源灵活性进行参量化，为电网公司决策提供便利。

附图说明

图1是本发明实施例中智能电网用户侧能源信息感知方法示意图；

图2是本发明实施例中用户侧能源拓扑网络拓扑图。

具体实施方式

下面结合附图对本发明作进一步详细说明。

如图1，本发明提供一种智能电网用户侧能源信息感知方法，所述方法包括以下步骤：

建立能源气象和环境特征模块；

建立能源供需特征模块；

对能源气象信息、能源环境信息、用户侧能源信息进行降维处理和映射关联；

建立能源灵活性知识模块。

通过开放接口从共用气象系统和地理信息系统分别采集能源气象信息和能源环境信息，根据能源气象信息和能源环境信息建立能源气象和环境特征模块。能源气象信息和能源环境信息采集的时间间隔可配置来适应适应电网控制、运行、规划不同的时间尺度需求。

所述能源气象和环境特征模块的构件为能源气象和环境特征矩阵C_matrix，C_matrix由包括能源气象信息的能源气象信息向量C_vector和包括能源环境信息的能源环境信息向量H_vector构成，具体表示为：

$C_{\mathrm{matrix}}=\left[\begin{array}{c}{C}_{\mathrm{vector}}\\ H_{\mathrm{vector}}\end{array}\right]---\left(1\right).$

所述能源气象信息包括水平面总辐射、法向直接辐射、散射辐射、气温、相对湿度、风速、风向和降水量；

所述能源环境信息包括地理经纬度、海拔高度、地表倾斜角、地表方位角、地表植被和人口密度。

图2为用户侧能源网络拓扑图，节点包括能源信息量测点，主要包括变压器T、集中器J、分布式发电接入点S、变压器中压分支TF、楼宇电缆分接箱BF、楼宇单元电缆分接箱UF、智能电表M、智能插座P等，图中箭头指示方向为电力流的流向。能量流向学习基于能源网络拓扑特征识别基础上。能源网络拓扑为用户电网关键节点和电网接线构成，主要包括中压电力网络和低压电力网络可以是一个小区、一个区域、一个城市等。

建立能源供需特征模块的过程中，通过电力线载波通信和短距离无线通信集成的通信系统采集包括电能量、功率、2～30次电压谐波和2～30次电流谐波的用户侧能源信息。

所述能源供需特征模块包括稳态量矩阵E_matrix-S和暂态量矩阵E_matrix-t；E_matrix-S和E_matrix-t分别表示为：

$E_{\mathrm{matrix}-S}=\left[\begin{array}{c}{p}_{\mathrm{vector}}\\ E_{\mathrm{vector}}\\ V_{\mathrm{vector}}\\ I_{\mathrm{vector}}\end{array}\right]---\left(2\right)$

$E_{\mathrm{matrix}-t}=\left[\begin{array}{c}{\mathrm{PT}}_{\mathrm{vector}}\\ {\mathrm{VT}}_{\mathrm{vector}}\\ {\mathrm{IT}}_{\mathrm{vector}}\end{array}\right]---\left(3\right)$

其中，p_vector表示稳态功率向量；E_vector表示电能量向量；V_vector表示稳态电压向量，包括稳态基波电压向量和稳态谐波电压向量；I_vector表示稳态电流向量，包括稳态基波电流向量和稳态谐波电流向量；向量的每个数值由用户侧能源网络拓扑上每个采集点的构成。

PT_vector表示暂态功率向量；VT_vector表示暂态电压向量，包括暂态基波电压向量和暂态谐波电压向量；IT_vector表示暂态电流向量，包括暂态基波电流向量和暂态谐波电流向量；向量的每个数值由用户侧能源网络拓扑上每个采集点的构成。暂态向量定义为后一个采集周期相比于前一格采集周期发生20-80％值跳变。矩阵中参数对齐用0自动补齐。

采用主成分分析法和非参数模型算法，对能源气象信息、能源环境信息、用户侧能源信息进行降维处理，并通过NoSQL数据库结合深度学习算法将能源气象信息、能源环境信息、用户侧能源信息与用户侧能源拓扑网络进行映射关联，对映射关联后的信息通过多层神经网络进行处理。

所述能源灵活性知识模块将用户侧的可用发电装机容量、可中断负荷容量和关键负荷容量分别进行定期更新；同时基于能源气象和环境特征矩阵、稳态量矩阵和暂态量矩阵进行线性计算(快速，确保实时性和低运算开销)，求出供需预测的匹配度，即下一时刻可出力发电量和用户使用负荷的匹配。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，所属领域的普通技术人员参照上述实施例依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。

Claims (8)

1.一种智能电网用户侧能源信息感知方法，其特征在于：所述方法包括以下步骤：

建立能源气象和环境特征模块；

建立能源供需特征模块；

对能源气象信息、能源环境信息、用户侧能源信息进行降维处理和映射关联；

建立能源灵活性知识模块。

2.根据权利要求1所述的智能电网用户侧能源信息感知方法，其特征在于：通过开放接口从共用气象系统和地理信息系统分别采集能源气象信息和能源环境信息，根据能源气象信息和能源环境信息建立能源气象和环境特征模块。

3.根据权利要求1或2所述的智能电网用户侧能源信息感知方法，其特征在于：所述能源气象和环境特征模块的构件为能源气象和环境特征矩阵C_matrix，C_matrix由包括能源气象信息的能源气象信息向量C_vector和包括能源环境信息的能源环境信息向量H_vector构成，具体表示为：

$C_{\mathrm{matrix}}=\left[\begin{array}{c}{C}_{\mathrm{vector}}\\ H_{\mathrm{vector}}\end{array}\right]---\left(1\right).$

4.根据权利要求2所述的智能电网用户侧能源信息感知方法，其特征在于：所述能源气象信息包括水平面总辐射、法向直接辐射、散射辐射、气温、相对湿度、风速、风向和降水量；

所述能源环境信息包括地理经纬度、海拔高度、地表倾斜角、地表方位角、地表植被和人口密度。

5.根据权利要求1所述的智能电网用户侧能源信息感知方法，其特征在于：建立能源供需特征模块的过程中，通过电力线载波通信和短距离无线通信集成的通信系统采集包括电能量、功率、2～30次电压谐波和2～30次电流谐波的用户侧能源信息。

6.根据权利要求1或5所述的智能电网用户侧能源信息感知方法，其特征在于：所述能源供需特征模块包括稳态量矩阵E_matrix-S和暂态量矩阵E_matrix-t；E_matrix-S和E_matrix-t分别表示为：

$E_{\mathrm{matrix}-S}=\left[\begin{array}{c}{p}_{\mathrm{vetor}}\\ E_{\mathrm{vector}}\\ V_{\mathrm{vector}}\\ I_{\mathrm{vector}}\end{array}\right]---\left(2\right)$

$E_{\mathrm{matrix}-t}=\left[\begin{array}{c}{\mathrm{PT}}_{\mathrm{vector}}\\ {\mathrm{VT}}_{\mathrm{vector}}\\ {\mathrm{IT}}_{\mathrm{vector}}\end{array}\right]---\left(3\right)$

其中，p_vector表示稳态功率向量；E_vector表示电能量向量；V_vector表示稳态电压向量，包括稳态基波电压向量和稳态谐波电压向量；I_vector表示稳态电流向量，包括稳态基波电流向量和稳态谐波电流向量；PT_vector表示暂态功率向量；VT_vector表示暂态电压向量，包括暂态基波电压向量和暂态谐波电压向量；IT_vector表示暂态电流向量，包括暂态基波电流向量和暂态谐波电流向量。

7.根据权利要求1所述的智能电网用户侧能源信息感知方法，其特征在于：采用主成分分析法和非参数模型算法，对能源气象信息、能源环境信息、用户侧能源信息进行降维处理，并通过NoSQL数据库结合深度学习算法将能源气象信息、能源环境信息、用户侧能源信息与用户侧能源拓扑网络进行映射关联，对映射关联后的信息通过多层神经网络进行处理。

8.根据权利要求1所述的智能电网用户侧能源信息感知方法，其特征在于：所述能源灵活性知识模块将用户侧的可用发电装机容量、可中断负荷容量和关键负荷容量分别进行定期更新；同时基于能源气象和环境特征矩阵、稳态量矩阵和暂态量矩阵进行线性计算，求出供需预测的匹配度，即下一时刻可出力发电量和用户使用负荷的匹配。