CN108073996A - 城市能源全景交互式大数据平台管理系统及方法 - Google Patents
城市能源全景交互式大数据平台管理系统及方法 Download PDFInfo
- Publication number
- CN108073996A CN108073996A CN201810081600.3A CN201810081600A CN108073996A CN 108073996 A CN108073996 A CN 108073996A CN 201810081600 A CN201810081600 A CN 201810081600A CN 108073996 A CN108073996 A CN 108073996A
- Authority
- CN
- China
- Prior art keywords
- data
- mrow
- user
- power
- electricity
- 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
- 230000002452 interceptive effect Effects 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims description 15
- 230000005611 electricity Effects 0.000 claims abstract description 76
- 238000007726 management method Methods 0.000 claims abstract description 42
- 238000009826 distribution Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000012423 maintenance Methods 0.000 claims abstract description 10
- 239000002245 particle Substances 0.000 claims description 56
- 238000010248 power generation Methods 0.000 claims description 30
- 238000012544 monitoring process Methods 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 18
- 238000010276 construction Methods 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims description 7
- 241001123248 Arma Species 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000013523 data management Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 238000004134 energy conservation Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 4
- 238000011088 calibration curve Methods 0.000 claims description 3
- 238000013079 data visualisation Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000009472 formulation Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000005612 types of electricity Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 abstract description 5
- 230000006399 behavior Effects 0.000 abstract description 3
- 238000013500 data storage Methods 0.000 abstract 1
- 230000009286 beneficial effect Effects 0.000 description 9
- 238000011161 development Methods 0.000 description 3
- 230000007935 neutral effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
- G06Q30/0284—Time or distance, e.g. usage of parking meters or taximeters
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Finance (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Medical Informatics (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种城市能源全景交互式大数据平台管理系统，包括信息显示屏幕、用户终端、应用服务器、被采集设备、数据存储和采集模块；数据采集模块分别与数据存储模块和应用服务器连接，数据存储模块和应用服务器连接，数据存储模块和应用服务器均与用户终端和信息显示屏幕连接，用户终端和信息显示屏幕连接，设备与数据采集模块连接。本发明相比于传统的能源管理系统，实现人机交互与智能控制；能源从产生到使用的每一个环节全部可视化及数字化处理，使用户能按需查看供配电系统运行情况；实现了电力安全运行的保障、设备故障的提前预警告警和运维人员自动调度处理；为用户制定电力市场自动化交易策略、对用电行为实时跟踪分析及进行需求侧管理。
Description
技术领域
本发明属于电力能源管理技术领域，具体涉及一种城市能源全景交互式大数据平台管理系统及方法。
背景技术
2017年度策略中，对电力行业发展进行了时代划分：以发电厂建设为主题的大发电时代(1985-1998)；以电网建设和电站运营为主题的大电网时代(1998-2015)；以中发《(中发[2015]9号)文》为节点将目前所处的阶段命名为大能源数字化时代。
大能源数字化时代的意义有别与“大发电”和“大电网”时代的更替，大能源数字化时代的到来对能源和工商业都有革命性意义。大能源数字化时代的能源和电力将与城市、农村、交通建设发生更紧密和深层次的关联，将改变能源生产、交易、消费方式，改变现有电网、输气、供热(冷)结构，并引负荷矛盾的冲突形成分时用电、发电的市场机制。综上，我们将这个时代定义为能源共享时代。
在当前互联网迅速发展的大背景下，电力能源行业也面临着前所未有的改革基于与挑战。当前，大多数的电力系统大数据平台或系统，没有做到对电力系统供应侧及需求侧的数据整合，导致各个系统间的数据是碎片式的，其中的信息及其不对称；各个系统相互独立，一个客户需要用到多个账号登录不同的系统；系统都是以二维平面的形式显示，没有把配电系统结合成熟建筑模型通过3D模型的方式直观的显示。
发明内容
针对现有技术中的上述不足，本发明提供的城市城市能源全景交互式大数据平台管理系统及方法解决了现有电力能源管理系统中，各个系统相互独立，系统内的数据是碎片化的，信息不对称；且系统以二维平面形式显示，数据查看不够直观的问题。
为了达到上述发明目的，本发明采用的技术方案为：城市能源全景交互式大数据平台管理系统，包括信息显示屏幕、用户终端、应用服务器、数据存储模块、数据采集模块和被采集设备；
所述数据采集模块分别与数据存储模块和应用服务器通信连接，所述数据存储模块和应用服务器通信连接，所述数据存储模块和应用服务器均与用户终端和信息显示屏幕通信连接，所述用户终端和信息显示屏幕通信连接，所述设备与数据采集模块通信连接；
所述应用服务器包括3D模型服务器、电力监控系统服务器、配电室视频监控系统服务器、数据服务器、数据可视化服务器和应用软件服务器；
所述数据采集系统包括传感器、电度表、摄像头和网关；
所述传感器、电度表和摄像头均与网关通信连接；
所述网关将电度表、传感器和摄像头监测的数据无线通信传输至数据存储模块和应用服务器。
本发明的有益效果为：相比于传统的能源管理系统，本发明极大程度的体现了科技感、体验感、互动感、高度智能化和数字化的多媒体等商业需求；实现人机交互和智能控制，使能源从产生到使用中的每一个环节全部进行可视化及数字化处理，通过对用电设备实时监控，保证了大范围的电力安全运行、调度和使用情况。用户可登陆相关应用软件选择系统的能源数据显示模式，该系统结合市场价格和用户自身的用电特点，为用户制定了个性化的用电策略和购电策略；并通过对用电设备的能耗分析，实现电力需求侧的“精细管理”，其中，精准管理包括对用电设备能效的提升以及用户何时需要在哪些设备上进行管理；为用户提供了节能管理的标杆指标及节能依据。同时，城市能源全景交互式大数据平台管理系统除上述电力能源管理领域中，还可以应用到医疗领域、企业办公领域、教育领域等。
进一步地，所述被采集设备为用电设备；所述用电设备上设置有传感器。
上述进一步方案的有益效果为：用电设备上的传感器为系统提供数据支撑。
进一步地，所述城市能源全景交互式大数据平台管理系统还包括报警模块，所述报警模块分别与数据存储模块和应用服务器通信连接。
上述进一步方案的有益效果为：当系统中的设备出现异常或故障时，及时报警，便于安排工作人员进行处理。
进一步地，所述用户终端包括平板电脑和智能手机。
上述进一步方案的有益效果为：便于用户通过用户终端随时控制、查看系统数据。
进一步地，所述信息显示屏幕包括主屏幕和辅屏幕。
上述进一步方案的有益效果为：根据用户数据查看需求，在不同的屏幕上显示不同的数据信息，便于数据对比。
城市能源全景交互式大数据平台管理方法，其特征在于，包括以下步骤：
S1、根据3D模型服务器中的数据建立3D城市模型；
S2、通过用户终端登录城市能源全景交互式大数据平台管理系统的应用软件，选择3D城市模型中需要查看的单体建筑对应用户；
S3、通过用户终端上的应用软件选择需要查看的能源数据显示模式；
S4、根据步骤S3选择的能源数据显示模式，通过信息显示屏幕向用户显示能源数据信息。
进一步地，所述步骤S1中建立3D城市模型的方法具体为：城市以世界经纬度为建筑坐标参照点，其中的单体建筑以其施工图的精度为准，对单体建筑内部进行实际测量；将上述数据信息存储在3D模型服务器中，通过算法设计构建3D城市模型；所述3D城市模型中还包括被采集设备的位置。
上述进一步方案的有益效果为：用户通过3D城市模型，直观的查看城市电力运行情况，同时能快速的选择所要查看的单体建筑对应的用户的数据。
进一步地，所述步骤S3中能源数据显示模式包括配电监控模式、生态圈模式和智能运维与安全模式。
上述进一步方案的有益效果为：系统的三种数据显示模式，为用户提供的交互界面，满足了用户对电力能源管理的智能化和数字化需求。
进一步地，当步骤S3选择的能源数据显示模式为配电监控模式时，步骤S4具体为：在信息显示屏幕上同时显示电力运行监控单元和配电视频监控单元；
所述信息显示屏幕所述电力运行监控单元的数据信息用电设备上的传感器采集获取，所述配电视频监控单元的数据信息由安装在配电室的摄像头获取，应用服务器将获取的数据信息进行数据处理分析后显示在信息显示屏幕上；
当步骤S3选择的能源数据显示模式为生态圈模式时，步骤S4具体为：在信息显示屏幕上显示大生态圈模式的数据信息或小生态圈模式的数据信息；
所述小生态圈模式显示的数据信息包括：根据用户选择的用电刻画模式，查看想要预测的用电曲线及分布、不同用电负荷曲线及对应的电价信息、为用户制定和购电策略、用户用电情况的经济分析和为用户提供的节能管理的标杆指标和节能依据；
所述用户用电曲线和电负荷曲线中的所需数据由电度表和用电设备传感器采集获取，所述电价信息存储在数据存储模块中，所述为用户制定的购电策略和经济分析为整合了电价信息、用电曲线和电负荷曲线信息得出的数据信息；应用服务器将获取的数据信息进行数据处理后显示在信息显示屏幕上；
所述大生态圈模式显示的数据信息包括：为发电方整合的能源供应数据信息、为用电方制定的用户之间负荷的最佳匹配信息和提供当前市场发电方提供的电量及电价和用户购买的电量及其对应的价格；
所述为发电方整合能源供应数据信息的方法具体为：根据电度表和传感器和收集的数据，结合数据存储模块存储中与其对应的所用电力的发电类型及其发电地区，应用服务器将获取的数据信息进行数据处理后显示在信息显示屏幕上，显示不同发电类型在不同地区的分布和不同地区的电力能源相互传输分布；
所述为用电方制定的用户之间用电负荷的最佳匹配信息的方法为：通过电度表和传感器收集不同类型的用电方的用电数据，数据处理中心将其处理转化为不同用户的负荷曲线，通过对不同用户的负荷曲线进行整合，结合用电设备设备上的传感器收集的数据，对不同行业不同客户的负荷进行预测，然后通过负荷匹配算法，得出最佳匹配信息；其中，主屏幕实现城市建筑物的交互式操作，辅屏幕根据主屏幕交互式操作的触发，显示不同客户的数据。
所述提供当前市场发电方提供的电量及电价和用户购买的电量及其对应的价格的具体方法为：根据电度表和传感器收集的数据，结合数据存储模块存储的发电方的电量和价格信息，应用服务器将获取的数据信息进行数据处理后显示在信息显示屏幕上。
当步骤S3选择的能源数据显示模式为智能运维与安全模式时，步骤S4具体为：在信息显示屏幕上3D城市模型的实时监测状态；
所述传感器对用电设备进行实时监测，当3D城市模型中用电设备出现异常或发生故障时，传感器收集的异常数据信号经过数据存储模块和应用服务器的处理后会触发报警模块，管理者通过应用软件指派维修任务给就近的工作人员，工作人员到现场对设备进行维修；管理者能够通过应用软件实时查看工作人员的工作流程和设备维修状态，确保配电系统的安全及正常运行。
上述进一步方案的有益效果为：城市能源全景交互式大数据平台管理系统的三种能源数据显示模式，每个模式中的数据都为用户提供实用性的参考。
进一步地，所述负荷曲线的整合的方式采用时间序列、人工神经网络和粒子群算法；
所述时间序列采用ARMA模型，所述ARMA模型的形式为：
其中，t为时间总期数；
表示模型截距项，表示模型对过去解释变量的依赖大小；
表示模型自回归参数，i＝1，2，…，p；
第t期的用电量为yt，第t-1期的用电量为yt-1，第t-2期的用电量为yt-2，第t-p期的用电量为yt-p；
θi表示移动平均项参数，i＝1，2，…，p；
ε为随机性因素，εt为第t期的随机性因素，εt-1表示第t-1期的随机性因素，εt-2表示第t-2期的随机性因素，εt-q表示第t-q期的随机性因素；
其中，p<t，q<t；
所述人工神经网络的数学表达式为：
y＝f(x1,x2,x3,...xn)
其中，y表示用电量；
x1,x2,x3,…,xn表示影响用电量的n个主要因素；
f为n个主要因素共同作用影响用电量的方式；
所述粒子群算法用于构造出用户负荷最优预测效果模型，所述粒子群算法具体为：首先随机对用户负荷的函数进行离散取样，然后找出这些离散样本中的最优值，根据所有粒子在时间与空间的全局最优值及每个粒子历史最优值更新下一步各个粒子的移动，所述粒子速度的调整公式为：
所述粒子位置更新公式为：
每轮迭代中，先更新粒子速度，再更新粒子位置；
其中：V为粒子的速度；X为粒子的位置；
k为迭代次数；
i为第i个粒子；
c1为粒子历史最优权重；
r1为(0，1]内的随机数；
c2为粒子群体历史最优权重；
r2为(0，1]内的随机数；
为第K+1轮第i个粒子的速度；
为第K+1轮第i个粒子的速度；
为第K轮第i个粒子历史最优位置；
为第K轮第所有粒子历史最优位置；
为第K轮第i个粒子位置；
所述负荷匹配算法用于实现不同负荷特性的用户匹配后，与发电厂与其的发电曲线保持一致，从而获得最佳购电价格；
所述负荷匹配算法具体为：对于n个用电客户，调出其中n1个用户，对于k个发电厂，每个发电厂都有i个产品，每个产品都有j个维度；剩下的n-n1个用电客户中，再挑出n2个，同样进行发电厂和产品的匹配，最后使得n个用电客户购电，总成本最低；
对于每一次用电客户与发电厂和产品进行匹配时，约束条件为：
(1)每个维度，用户购买到的电量总和都不能超过预期购买量；
(2)对每个发电厂，仅可购买该发电厂1个或0个产品。
附图说明
图1为城市能源全景交互式大数据平台管理系统结构图。
图2为城市能源全景交互式大数据平台管理方法流程图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
在本发明的一个实施例中，如图1所示，城市能源全景交互式大数据平台管理系统包括用户终端、信息显示屏幕、应用服务器、报警模块、数据存储模块、数据采集模块的被采集设备；数据采集模块分别与数据存储模块和应用服务器通信连接，所述数据存储模块和应用服务器通信连接，数据存储模块和应用服务器均与用户终端和信息显示屏幕通信连接，用户终端和信息显示屏幕通信连接，所述设备与数据采集模块通信连接，报警模块分别与数据存储模块和应用服务器通信连接。
其中，用户终端包括平板电脑和智能手机，用户终端上安装有城市能源交互管理系统的应用软件；用户能够通过安装有城市能源全景交互式大数据平台管理系统的应用软件，查看相关数据信息。
信息显示屏幕包括主屏幕和辅屏幕，其能够显示用户需要查看的数据信息。
应用服务器包括3D模型服务器、电力监控系统服务器、配电室视频监控系统服务器、数据服务器、数据可视化服务器、应用软件服务器；3D模型服务器内存储的数据用于构建3D城市模型；电力监控系统服务器用于处理城市电力运行情况的相关数据；配电室视频监控系统服务器用于处理城市配电中心运行及其视频监控的相关数据；数据服务器用于处理联合处理其他各个服务器的数据，生成需要显示在信息显示屏幕上的数据信息；数据可视化服务器，将数据服务器的数据进行处理，生成能够显示在信息显示屏幕上的数据信息；应用软件服务器用于处理生成需要显示在城市能源全景交互式大数据平台管理系统应用软件上的数据信息。
报警模块当城市能源全景交互式大数据平台管理系统中的用电设备发生异常或故障时，触发报警模块，便于及时安排工作人员对其进行维修。
数据采集模块包括网关、传感器、电度表和摄像头，传感器、电度表和摄像头采集的数据通过网关传输至数据存储模块和应用服务器；数据存储模块用于存储数据采集模块中的采集的各项数据，并将对应的信息传输至应用服务器的各个服务器，便于对应的应用服务器进行快速处理。被采集设备为用电设备，用电设备上安装有传感器，用于实时采集用电设备的运行状态数据。
在本发明的一个实施例中，如图2所示，提供了一种城市能源全景交互式大数据平台管理方法，主要包括以下步骤：
S1、根据3D模型服务器中的数据建立3D城市模型。
建立3D城市模型的方法具体为：城市以世界经纬度为建筑坐标参照点，其中的单体建筑以其施工图的精度为准，对单体建筑内部进行实际测量；将上述数据信息存储在3D模型服务器中，通过算法设计构建3D城市模型；3D城市模型中还包括被采集设备的位置。
S2、通过用户终端登录城市能源全景交互式大数据平台管理系统的应用软件，选择3D城市模型中需要查看的单体建筑对应用户。
S3、通过用户终端上的应用软件选择需要查看的能源数据显示模式。
其中，能源数据显示模式包括配电监控模式、生态圈模式和智能运维与安全模式。
S4、根据步骤S3选择的能源数据显示模式，通过信息显示屏幕向用户显示能源数据信息。
当步骤S3选择的能源数据显示模式为配电监控模式时，步骤S4具体为：在信息显示屏幕上同时显示电力运行监控单元和配电视频监控单元。
信息显示屏幕所述电力运行监控单元的数据信息由传感器采集获取，配电视频监控单元的数据信息由安装在配电室的摄像头获取，应用服务器将获取的数据信息进行数据处理后显示在信息显示屏幕上。
当步骤S3选择的能源数据显示模式为生态圈模式时，步骤S4具体为：在信息显示屏幕上显示大生态圈模式的数据信息或小生态圈模式的数据信息。
小生态圈模式显示的数据信息包括：
(1)用电刻画，具有自动、定时、周期等多种模式，用户可根据需要灵活选择用电刻画模式，根据不同时间段选择想要预测的用电曲线及分布。
(2)、实时查看不同时间年、月、日的用电负荷曲线以及对应的电价信息。
(3)、根据不同的负荷曲线特征，制定的对应的购电策略。
(4)、经济分析，通过对客户用电设备的分析，帮助客户了解在需求侧管理过程中做精细化管理和需求侧响应。
(5)、标杆对比，提供宏观行业数据，为用户提供节能管理上的标杆指标和节能依据。
用户用电曲线和电负荷曲线数据由电度表和传感器采集获取，电价信息存储在数据存储模块中，购电策略为整合电价信息、用电曲线和电负荷曲线信息得出的数据信息；应用服务器将获取的数据信息进行数据处理分析后显示在信息显示屏幕上。
大生态圈模式显示的数据信息包括：
(1)发电方，整合的能源供应数据信息。
根据电度表和用电设备上的传感器收集的数据，结合数据存储模块存储中与其对应的所用电力的发电类型及其发电地区，应用服务器将获取的数据信息进行数据处理分析后显示在信息显示屏幕上，显示不同发电类型在不同地区的分布和不同地区的电力能源相互传输分布。
(2)用电方，制定的用户之间负荷的最佳匹配信息。
通过电度表和传感器收集不同类型的用电方的用电数据，数据处理中心将其处理转化为不同用户的负荷曲线，通过对不同用户的负荷曲线进行整合，结合用电设备上的传感器收集的数据，对不同行业不同客户的负荷进行预测，然后通过负荷匹配算法，得出最佳匹配信息；其中，主屏幕实现城市建筑物的交互式操作，辅屏幕根据主屏幕交互式操作的触发，显示不同客户的数据。
负荷曲线的整合的方式采用时间序列、人工神经网络和粒子群算法；
时间序列采用ARMA模型，所述ARMA模型的形式为：
其中，t为时间总期数；表示模型截距项，表示模型对过去解释变量的依赖大小；表示模型自回归参数，i＝1，2，…，p；第t期的用电量为yt，第t-1期的用电量为yt-1，第t-2期的用电量为yt-2，第t-p期的用电量为yt-p；
由于在每一期，用电量都会受到某些不确定性的因素影响，这些影响具有很大的随机性，但一旦发生，又会影响后期的用电量走势，比如，突然发生一次设备事故，这个事故可能会导致以后的用电量出现一个突然下降，因此，把过去q期的随机性因素考虑到模型中；
其中，ε为随机性因素，εt为第t期的随机性因素，εt-1表示第t-1期的随机性因素，εt-2表示第t-2期的随机性因素，εt-q表示第t-q期的随机性因素；
θi表示移动平均项参数，i＝1，2，…，p；
其中，p<t，q<t。
人工神经网络的数学表达式为：
y＝f(x1,x2,x3,...xn)
其中，y表示用电量；
x1,x2,x3,…,xn表示影响用电量的n个主要因素；
f为n个主要因素共同作用影响用电量的方式；
影响用电量的因素往往是比较复杂的，可以根据研究的对象，找出重要的因子，以y表示用电量，x1,x2,x3,…,xn是影响用电量的n个主要因素，这n个主要因素以某种方式共同作用影响用电量，这种方式记为f，参照过去的历史用电信息，利用神经网络来估计f，就可以根据这些影响因素和这些影响因素与用电量的关系f，来预测未来的用电量。
神经网络本身就是对映射f的一个估计，当神经网络层数为3层及以上时，神经网络模型可以以任意精度估计任何连续非线性函数。
粒子群算法用于构造出用户负荷最优预测效果模型，所述粒子群算法具体为：首先随机对用户负荷的函数进行离散取样，然后找出这些离散样本中的最优值，根据所有粒子在时间与空间的全局最优值及每个粒子历史最优值更新下一步各个粒子的移动，粒子速度的调整公式为：
粒子位置更新公式为：
每轮迭代中，先更新粒子速度，再更新粒子位置；
其中：V为粒子的速度；X为粒子的位置；
k为迭代次数；
i为第i个粒子；
c1为粒子历史最优权重；
r1为(0，1]内的随机数；
c2为粒子群体历史最优权重；
r2为(0，1]内的随机数；
为第K+1轮第i个粒子的速度；
为第K+1轮第i个粒子的速度；
为第K轮第i个粒子历史最优位置；
为第K轮第所有粒子历史最优位置；
为第K轮第i个粒子位置。
负荷匹配算法用于实现不同负荷特性的用户匹配后，与发电厂与其的发电曲线保持一致，从而获得最佳购电价格。
所述负荷匹配算法具体为：对于n个用电客户，调出其中n1个用户，对于k个发电厂，每个发电厂都有i个产品，每个产品都有j个维度；剩下的n-n1个用电客户中，再挑出n2个，同样进行发电厂和产品的匹配，最后使得n个用电客户购电，总成本最低。
其中，产品是指发电厂规划的电量套餐；维度是指用电套餐所对应的时间维度；
对于每一次用电客户与发电厂和产品进行匹配时，约束条件为：
①每个维度，用户购买到的电量总和都不能超过预期购买量；
②对每个发电厂，仅可购买该发电厂1个或0个产品。提供当前市场发电方提供的电量及电价和用户购买的电量及其对应的价格的具体方法为：根据电度表和传感器收集的数据，结合数据存储模块存储的发电方的电量和价格信息，应用服务器将获取的数据信息进行数据处理后显示在信息显示屏幕上。
(3)供需双方，提供当前市场发电方提供的电量及电价和用户购买的电量及其对应的价格。
根据电度表和传感器收集的数据，结合数据存储模块存储的发电方的电量和价格信息，应用服务器将获取的数据信息进行数据处理分析后显示在信息显示屏幕上。
当步骤S3选择的能源数据显示模式为智能运维与安全模式时，步骤S4具体为：在信息显示屏幕上显示3D城市模型的实时监测状态。
传感器对用电设备进行实时监测，当3D城市模型中用电设备出现异常或发生故障时，传感器收集的异常数据信号经过数据存储模块和应用服务器的处理后会触发报警模块，管理者通过应用软件指派维修任务给就近的工作人员，工作人员到现场对设备进行维修；管理者能够通过应用软件实时查看工作人员的工作流程和设备维修状态，确保配电系统的安全及正常运行。
本发明的有益效果为：相比于传统的能源管理系统，本发明极大程度的体现了科技感、体验感、互动感、高度智能化和数字化的多媒体等商业需求；实现人机交互和智能控制。将所有电厂、城市和用电设备通过GIS信息整合到一个3维720度的与现实环境1：1的3D数字模型中，通过对用电设备的数据采集、数据处理、数据分析、数据建模、机器学习等环节，使能源从产生到使用中的每一个环节全部进行可视化及数字化处理，让电力能源从以前的不可见，不可直观表达，变为有生命力感知的个体；同时对城市中的每一座建筑体的每个细小单元的用电状况进行实时监控，以帮助建筑、地区和城市，甚至更大范围的电力安全运行、调度和使用状况。实现了电力安全运行的保障、设备故障的提前预警告警、运维人员自动调度处理、电力市场自动化交易策略制定和用电行为跟踪分析及需求侧管理等功能。在该系统中，通过用户终端，使用户在不同模式间的调度及切换的交互变得更加友好；通过嵌入的3D城市模型，使用户可通过用户终端对系统的操作交互变得更加直观及便捷。实现了一键同屏切换不同的工作模式以及业务响应的应用需求响应。同时，城市能源全景交互式大数据平台管理系统除上述电力能源管理领域中，还可以应用到医疗领域、企业办公领域和教育领域等。
Claims (10)
1.城市能源全景交互式大数据平台管理系统，其特征在于，包括信息显示屏幕、用户终端、应用服务器、数据存储模块、数据采集模块和被采集设备；
所述数据采集模块分别与数据存储模块和应用服务器通信连接，所述数据存储模块和应用服务器通信连接，所述数据存储模块和应用服务器均与用户终端和信息显示屏幕通信连接，所述用户终端和信息显示屏幕通信连接，所述设备与数据采集模块通信连接；
所述应用服务器包括3D模型服务器、电力监控系统服务器、配电室视频监控系统服务器、数据服务器、数据可视化服务器和应用软件服务器；
所述数据采集系统包括传感器、电度表、摄像头和网关；
所述传感器、电度表和摄像头均与网关通信连接；
所述网关将电度表、传感器和摄像头监测的数据无线通信传输至数据存储模块和应用服务器。
2.根据权利要求1所述的城市能源全景交互式大数据平台管理系统，其特征在于，所述被采集设备为用电设备；所述用电设备上设置有传感器。
3.根据权利要求1所述的城市能源全景交互式大数据平台管理系统，其特征在于，所述城市能源全景交互式大数据平台管理系统还包括报警模块，所述报警模块分别与数据存储模块和应用服务器通信连接。
4.根据权利要求1所述的城市能源全景交互式大数据平台管理系统，其特征在于，所述用户终端包括平板电脑和智能手机。
5.根据权利要求1所述的城市能源全景交互式大数据平台管理系统，其特征在于，所述信息显示屏幕包括主屏幕和辅屏幕。
6.城市能源全景交互式大数据平台管理方法，其特征在于，包括以下步骤：
S1、根据3D模型服务器中的数据建立3D城市模型；
S2、通过用户终端登录城市能源全景交互式大数据平台管理系统的应用软件，选择3D城市模型中需要查看的单体建筑对应用户；
S3、通过用户终端上的应用软件选择需要查看的能源数据显示模式；
S4、根据步骤S3选择的能源数据显示模式，通过信息显示屏幕向用户显示能源数据信息。
7.根据权利要求6所述的城市能源全景交互式大数据平台管理方法，其特征在于，所述步骤S1中建立3D城市模型的方法具体为：城市以世界经纬度为建筑坐标参照点，其中的单体建筑以其施工图的精度为准，对单体建筑内部进行实际测量；将上述数据信息存储在3D模型服务器中，通过算法设计构建3D城市模型；所述3D城市模型中还包括被采集设备的位置。
8.根据权利要求6所述的城市能源全景交互式大数据平台管理方法，其特征在于，所述步骤S3中能源数据显示模式包括配电监控模式、生态圈模式和智能运维与安全模式。
9.根据权利要求8所述的城市能源全景交互式大数据平台管理方法，其特征在于，
当步骤S3选择的能源数据显示模式为配电监控模式时，步骤S4具体为：在信息显示屏幕上同时显示电力运行监控单元和配电视频监控单元；
所述信息显示屏幕所述电力运行监控单元的数据信息用电设备上的传感器采集获取，所述配电视频监控单元的数据信息由安装在配电室的摄像头获取，应用服务器将获取的数据信息进行数据处理分析后显示在信息显示屏幕上；
当步骤S3选择的能源数据显示模式为生态圈模式时，步骤S4具体为：在信息显示屏幕上显示大生态圈模式的数据信息或小生态圈模式的数据信息；
所述小生态圈模式显示的数据信息包括：根据用户选择的用电刻画模式，查看想要预测的用电曲线及分布、不同用电负荷曲线及对应的电价信息、为用户制定和购电策略、用户用电情况的经济分析和为用户提供的节能管理的标杆指标和节能依据；
所述用户用电曲线和电负荷曲线中的所需数据由电度表和用电设备传感器采集获取，所述电价信息存储在数据存储模块中，所述为用户制定的购电策略和经济分析为整合了电价信息、用电曲线和电负荷曲线信息得出的数据信息；应用服务器将获取的数据信息进行数据处理后显示在信息显示屏幕上；
所述大生态圈模式显示的数据信息包括：为发电方整合的能源供应数据信息、为用电方制定的用户之间负荷的最佳匹配信息和提供当前市场发电方提供的电量及电价和用户购买的电量及其对应的价格；
所述为发电方整合能源供应数据信息的方法具体为：根据电度表和传感器和收集的数据，结合数据存储模块存储中与其对应的所用电力的发电类型及其发电地区，应用服务器将获取的数据信息进行数据处理后显示在信息显示屏幕上，显示不同发电类型在不同地区的分布和不同地区的电力能源相互传输分布；
所述为用电方制定的用户之间用电负荷的最佳匹配信息的方法为：通过电度表和传感器收集不同类型的用电方的用电数据，数据处理中心将其处理转化为不同用户的负荷曲线，通过对不同用户的负荷曲线进行整合，结合用电设备上的传感器收集的数据，对不同行业不同客户的负荷进行预测，然后通过负荷匹配算法，得出最佳匹配信息；其中，主屏幕实现城市建筑物的交互式操作，辅屏幕根据主屏幕交互式操作的触发，显示不同客户的数据。
所述提供当前市场发电方提供的电量及电价和用户购买的电量及其对应的价格的具体方法为：根据电度表和传感器收集的数据，结合数据存储模块存储的发电方的电量和价格信息，应用服务器将获取的数据信息进行数据处理后显示在信息显示屏幕上。
当步骤S3选择的能源数据显示模式为智能运维与安全模式时，步骤S4具体为：在信息显示屏幕上3D城市模型的实时监测状态；
所述传感器对用电设备进行实时监测，当3D城市模型中用电设备出现异常或发生故障时，传感器收集的异常数据信号经过数据存储模块和应用服务器的处理后会触发报警模块，管理者通过应用软件指派维修任务给就近的工作人员，工作人员到现场对设备进行维修；管理者能够通过应用软件实时查看工作人员的工作流程和设备维修状态，确保配电系统的安全及正常运行。
10.根据权利要求9所述的城市能源全景交互式大数据平台管理方法，其特征在于，所述负荷曲线的整合的方式采用时间序列、人工神经网络和粒子群算法；
所述时间序列采用ARMA模型，所述ARMA模型的形式为：
其中，t为时间总期数；
表示模型截距项，表示模型对过去解释变量的依赖大小；
表示模型自回归参数，i＝1，2，…，p；
第t期的用电量为yt，第t-1期的用电量为yt-1，第t-2期的用电量为yt-2，第t-p期的用电量为yt-p；
θi表示移动平均项参数，i＝1，2，…，p；
ε为随机性因素，εt为第t期的随机性因素，εt-1表示第t-1期的随机性因素，εt-2表示第t-2期的随机性因素，εt-q表示第t-q期的随机性因素；
其中，p<t，q<t；
所述人工神经网络的数学表达式为：
y＝f(x1,x2,x3,...xn)
其中，y表示用电量；
x1,x2,x3,…,xn表示影响用电量的n个主要因素；
f为n个主要因素共同作用影响用电量的方式；
所述粒子群算法用于构造出用户负荷最优预测效果模型，所述粒子群算法具体为：首先随机对用户负荷的函数进行离散取样，然后找出这些离散样本中的最优值，根据所有粒子在时间与空间的全局最优值及每个粒子历史最优值更新下一步各个粒子的移动，所述粒子速度的调整公式为：
<mrow>
<msubsup>
<mi>V</mi>
<mrow>
<mi>i</mi>
<mi>D</mi>
</mrow>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>V</mi>
<mrow>
<mi>i</mi>
<mi>D</mi>
</mrow>
<mi>k</mi>
</msubsup>
<mo>+</mo>
<mi>c</mi>
<mn>1</mn>
<mi>r</mi>
<mn>1</mn>
<mrow>
<mo>(</mo>
<msubsup>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mi>D</mi>
</mrow>
<mi>k</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>X</mi>
<mrow>
<mi>i</mi>
<mi>D</mi>
</mrow>
<mi>k</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>c</mi>
<mn>2</mn>
<mi>r</mi>
<mn>2</mn>
<mrow>
<mo>(</mo>
<msubsup>
<mi>p</mi>
<mrow>
<mi>g</mi>
<mi>D</mi>
</mrow>
<mi>k</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>X</mi>
<mrow>
<mi>i</mi>
<mi>D</mi>
</mrow>
<mi>k</mi>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
所述粒子位置更新公式为：
<mrow>
<msubsup>
<mi>X</mi>
<mrow>
<mi>i</mi>
<mi>D</mi>
</mrow>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>X</mi>
<mrow>
<mi>i</mi>
<mi>D</mi>
</mrow>
<mi>k</mi>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>V</mi>
<mrow>
<mi>i</mi>
<mi>D</mi>
</mrow>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
</mrow>
每轮迭代中，先更新粒子速度，再更新粒子位置；
其中：V为粒子的速度；X为粒子的位置；
k为迭代次数；
i为第i个粒子；
c1为粒子历史最优权重；
r1为(0，1]内的随机数；
c2为粒子群体历史最优权重；
r2为(0，1]内的随机数；
为第K+1轮第i个粒子的速度；
为第K+1轮第i个粒子的速度；
为第K轮第i个粒子历史最优位置；
为第K轮第所有粒子历史最优位置；
为第K轮第i个粒子位置；
所述负荷匹配算法用于实现不同负荷特性的用户匹配后，与发电厂与其的发电曲线保持一致，获得最佳购电价格；
所述负荷匹配算法具体为：对于n个用电客户，调出其中n1个用户，对于k个发电厂，每个发电厂都有i个产品，每个产品都有j个维度；剩下的n-n1个用电客户中，再挑出n2个，同样进行发电厂和产品的匹配，最后使得n个用电客户购电，总成本最低；
对于每一次用电客户与发电厂和产品进行匹配时，约束条件为：
(1)每个维度，用户购买到的电量总和都不能超过预期购买量；
(2)对每个发电厂，仅可购买该发电厂1个或0个产品。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810081600.3A CN108073996B (zh) | 2018-01-29 | 2018-01-29 | 城市能源全景交互式大数据平台管理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810081600.3A CN108073996B (zh) | 2018-01-29 | 2018-01-29 | 城市能源全景交互式大数据平台管理系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108073996A true CN108073996A (zh) | 2018-05-25 |
| CN108073996B CN108073996B (zh) | 2024-04-05 |
Family
ID=62157155
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810081600.3A Active CN108073996B (zh) | 2018-01-29 | 2018-01-29 | 城市能源全景交互式大数据平台管理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108073996B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109038553A (zh) * | 2018-07-31 | 2018-12-18 | 北京师范大学 | 一种不确定性条件下的区间随机基础可能性规划方法 |
| CN110245138A (zh) * | 2019-05-17 | 2019-09-17 | 深圳市特区建设发展集团有限公司 | 一种区域数据管理系统 |
| CN113162240A (zh) * | 2021-05-12 | 2021-07-23 | 泰瑞数创科技(北京)有限公司 | 城市信息模型的电力载波智能监测方法及其系统 |
| CN113268030A (zh) * | 2021-06-01 | 2021-08-17 | 中国华能集团有限公司河北雄安分公司 | 一种基于5g技术的城市综合能源智慧用能终端系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100332373A1 (en) * | 2009-02-26 | 2010-12-30 | Jason Crabtree | System and method for participation in energy-related markets |
| US20110307109A1 (en) * | 2010-05-27 | 2011-12-15 | Sri-Jayantha Sri M | Smarter-Grid: Method to Forecast Electric Energy Production and Utilization Subject to Uncertain Environmental Variables |
| CN104765329A (zh) * | 2014-03-11 | 2015-07-08 | 北京博锐尚格节能技术股份有限公司 | 一种3d能耗展示方法、装置及系统 |
| CN105184455A (zh) * | 2015-08-20 | 2015-12-23 | 国家电网公司 | 一种面向城市电力数据分析的高维可视化分析方法 |
| CN105549557A (zh) * | 2015-12-16 | 2016-05-04 | 天津市奥朗新能源科技有限公司 | 电厂实时动态3d水平衡监测系统及其工作方法 |
| CN105700492A (zh) * | 2015-12-03 | 2016-06-22 | 国家电网公司 | 建筑能源管理系统 |
| CN105761109A (zh) * | 2016-02-19 | 2016-07-13 | 刘隽琦 | 虚拟电厂能源管理和电力交易的智能管理系统及其优化运行方法 |
| CN107392993A (zh) * | 2017-06-29 | 2017-11-24 | 国网天津市电力公司 | 一种电力用户数字化全景视图构建方法 |
| CN207704481U (zh) * | 2018-01-29 | 2018-08-07 | 四川万益能源科技有限公司 | 城市能源全景交互式大数据平台管理系统 |
-
2018
- 2018-01-29 CN CN201810081600.3A patent/CN108073996B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100332373A1 (en) * | 2009-02-26 | 2010-12-30 | Jason Crabtree | System and method for participation in energy-related markets |
| US20110307109A1 (en) * | 2010-05-27 | 2011-12-15 | Sri-Jayantha Sri M | Smarter-Grid: Method to Forecast Electric Energy Production and Utilization Subject to Uncertain Environmental Variables |
| CN104765329A (zh) * | 2014-03-11 | 2015-07-08 | 北京博锐尚格节能技术股份有限公司 | 一种3d能耗展示方法、装置及系统 |
| CN105184455A (zh) * | 2015-08-20 | 2015-12-23 | 国家电网公司 | 一种面向城市电力数据分析的高维可视化分析方法 |
| CN105700492A (zh) * | 2015-12-03 | 2016-06-22 | 国家电网公司 | 建筑能源管理系统 |
| CN105549557A (zh) * | 2015-12-16 | 2016-05-04 | 天津市奥朗新能源科技有限公司 | 电厂实时动态3d水平衡监测系统及其工作方法 |
| CN105761109A (zh) * | 2016-02-19 | 2016-07-13 | 刘隽琦 | 虚拟电厂能源管理和电力交易的智能管理系统及其优化运行方法 |
| CN107392993A (zh) * | 2017-06-29 | 2017-11-24 | 国网天津市电力公司 | 一种电力用户数字化全景视图构建方法 |
| CN207704481U (zh) * | 2018-01-29 | 2018-08-07 | 四川万益能源科技有限公司 | 城市能源全景交互式大数据平台管理系统 |
Non-Patent Citations (2)
| Title |
|---|
| SHINJI YAMAMURA 等: "Assessment of Urban Energy Performance through Integration of BIM and GIS for Smart City Planning", 《PROCEDIA ENGINEERING》, vol. 180, 20 September 2017 (2017-09-20), pages 1462 - 1472, XP085034489, DOI: 10.1016/j.proeng.2017.04.309 * |
| 王开圣;王松涛;徐静;汤晓峰;: "扬州智能电网可视化平台建设研究", 《电力信息与通信技术》, vol. 14, no. 06, pages 23 - 26 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109038553A (zh) * | 2018-07-31 | 2018-12-18 | 北京师范大学 | 一种不确定性条件下的区间随机基础可能性规划方法 |
| CN110245138A (zh) * | 2019-05-17 | 2019-09-17 | 深圳市特区建设发展集团有限公司 | 一种区域数据管理系统 |
| CN110245138B (zh) * | 2019-05-17 | 2023-04-07 | 深圳市特区建设发展集团有限公司 | 一种区域数据管理系统 |
| CN113162240A (zh) * | 2021-05-12 | 2021-07-23 | 泰瑞数创科技(北京)有限公司 | 城市信息模型的电力载波智能监测方法及其系统 |
| CN113162240B (zh) * | 2021-05-12 | 2022-04-12 | 泰瑞数创科技(北京)有限公司 | 城市信息模型的电力载波智能监测方法及其系统 |
| CN113268030A (zh) * | 2021-06-01 | 2021-08-17 | 中国华能集团有限公司河北雄安分公司 | 一种基于5g技术的城市综合能源智慧用能终端系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108073996B (zh) | 2024-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104791903B (zh) | 一种热网智能调度系统 | |
| CN108073996A (zh) | 城市能源全景交互式大数据平台管理系统及方法 | |
| CN103762723B (zh) | 用于管理电网的方法和系统 | |
| CN101295172B (zh) | 基于地理信息系统gis的电网综合防灾减灾系统 | |
| US8401710B2 (en) | Wide-area, real-time monitoring and visualization system | |
| CN109934402A (zh) | 一种风电场集控中心集中风功率预测系统及其设计方法 | |
| Rotger-Griful et al. | Implementation of a building energy management system for residential demand response | |
| CN104115077A (zh) | 主机代管电气架构 | |
| CN105448154A (zh) | 一种基于一体化平台的变电运行训练舱 | |
| CN102236839A (zh) | 用于分析能源使用的方法和系统 | |
| CN109460834A (zh) | 建筑运维管理系统及其管理方法 | |
| Badi et al. | Optimal site selection for sitting a solar park using a novel GIS-SWA’TEL model: A case study in Libya | |
| CN109559379A (zh) | 一种基于装配式建筑平台的全景看房方法及装置 | |
| US11070058B2 (en) | Forecasting net load in a distributed utility grid | |
| Shishebori et al. | A Lagrangian relaxation approach to fuzzy robust multi-objective facility location network design problem | |
| CN109409732A (zh) | 一种能耗管理系统及管理方法 | |
| Zhao | Research on management informatization construction of electric power enterprise based on big data technology | |
| Prouzeau et al. | Visual analytics for energy monitoring in the context of building management | |
| CN207704481U (zh) | 城市能源全景交互式大数据平台管理系统 | |
| Muleta et al. | Study of energy management system and IOT integration in Smart Grid | |
| Figueroa-Acevedo et al. | Visualizing the impacts of renewable energy growth in the US Midcontinent | |
| Cho et al. | Energy management system based on augmented reality for human-computer interaction in a Smart City | |
| Wang et al. | Intelligent power grid monitoring and management strategy using 3D model visual computation with deep learning | |
| Malandra et al. | Smart distributed energy storage controller (smartDESC) | |
| CN111208384A (zh) | 一种智能电网管理系统 |
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 |