CN109190818A - 电力资源管理方法及系统、服务端、计算机可读存储介质 - Google Patents
电力资源管理方法及系统、服务端、计算机可读存储介质 Download PDFInfo
- Publication number
- CN109190818A CN109190818A CN201810989340.XA CN201810989340A CN109190818A CN 109190818 A CN109190818 A CN 109190818A CN 201810989340 A CN201810989340 A CN 201810989340A CN 109190818 A CN109190818 A CN 109190818A
- Authority
- CN
- China
- Prior art keywords
- electric power
- power resource
- detected object
- distribution
- detection data
- 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 94
- 238000003860 storage Methods 0.000 title claims abstract description 33
- 238000001514 detection method Methods 0.000 claims abstract description 227
- 238000009826 distribution Methods 0.000 claims abstract description 111
- 238000012360 testing method Methods 0.000 claims abstract description 27
- 238000013480 data collection Methods 0.000 claims description 35
- 238000004891 communication Methods 0.000 claims description 29
- 238000010801 machine learning Methods 0.000 claims description 19
- 239000000470 constituent Substances 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 16
- 239000004744 fabric Substances 0.000 claims description 5
- 230000005611 electricity Effects 0.000 abstract description 138
- 238000000034 method Methods 0.000 abstract description 11
- 230000003542 behavioural effect Effects 0.000 abstract description 3
- 230000006399 behavior Effects 0.000 description 25
- 238000013528 artificial neural network Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000004378 air conditioning Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000010248 power generation Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 7
- 238000007689 inspection Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000005286 illumination Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000000306 recurrent effect Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 235000018185 Betula X alpestris Nutrition 0.000 description 2
- 235000018212 Betula X uliginosa Nutrition 0.000 description 2
- 241001269238 Data Species 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本申请提供一种电力资源管理方法及系统、服务端、计算机可读存储介质。其中,所述方法包括以下步骤:利用来自检测终端依据检测时间间隔所提供的检测数据,统计被检测对象在不同时段的电力资源使用分布;基于所统计的电力资源使用分布和各时段使用电力资源的单价,统计所述被检测对象使用电力资源的费用以对所述电力资源进行管理;其中,所述各时段使用电力资源的单价是依据供应各时段电力资源的成本而确定的。本申请采用了根据供应各时段电力资源的成本以及用户使用电力资源的使用分布的方式进行电费计价,不仅从电费上准确反映用户行为模式对电价成本起伏的影响,更能给用户调整行为习惯的机会,以调整电力资源的管理和分配。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种电力资源管理方法及系统、服务端、计算机可读存储介质。
背景技术
发电即利用发电机组将水能、化石燃料(煤炭、石油、天然气等)的热能、核能以及太阳能、风能、地热能、海洋能等转换为电能。随着技术更迭,人们已渐渐较多的使用可再生能源(水能、太阳能、风能、地热能、海洋能等)来发电。与其他能源不同,电网系统中的电压需维持在较稳定的电压区间内。电能供应过大不仅造成电能浪费,而且易增加中转供电设备、终端用电设备的损坏风险。电能供应过小则直接影响终端用电设备的正常使用。因此,发电机组实时监测电网中的电能使用情况,如监测电网电压、功率等,以便于及时调整发电机组的运行。
对于电网的发电系统来说,影响电力成本的因素有很多,不仅包含设备损耗、设备内耗电能、环境维护成本等,还包括为了稳定功能电能的控制成本。由此可见,电力成本随实时供电是不断变化的,这与市场上常见的定价机制,如恒定电价、阶梯电价等,是不匹配的。不匹配的价格和成本关系也使得电力资源被不合理管理。
发明内容
鉴于以上所述现有技术的缺点,本申请的目的在于提供一种电力资源管理方法及系统、服务端、计算机可读存储介质,用于解决现有技术中电力资源的不合理定价的问题。
为实现上述目的及其他相关目的,本申请的第一方面提供一种电力资源管理方法,包括:利用来自检测终端依据检测时间间隔所提供的检测数据,统计被检测对象在不同时段的电力资源使用分布;基于所统计的电力资源使用分布和各时段使用电力资源的单价,统计所述被检测对象使用电力资源的费用以对所述电力资源进行管理;其中,所述各时段使用电力资源的单价是依据供应各时段电力资源的成本而确定的。
在所述第一方面的某些实施方式中,所述利用来自检测终端依据检测时间间隔所提供的检测数据,统计被检测对象在不同时段的电力资源使用分布的步骤包括:根据所述检测终端在至少一个电力资源使用周期内按照检测时间间隔所检测的检测数据,统计被检测对象在后续电力资源使用周期内不同时段的电力资源使用分布。
在所述第一方面的某些实施方式中,所述检测终端为多个;所述统计被检测对象在不同时段的电力资源使用分布的步骤包括:将来自同一检测终端依据检测时间间隔所提供的检测数据组成对应的检测数据集;根据各检测数据集,将各被检测对象使用电力资源的模式进行分类,以得到由所分类的模式描述的电力资源使用分布。
在所述第一方面的某些实施方式中,所述基于所统计的电力资源使用分布和各时段使用电力资源的单价,统计所述被检测对象使用电力资源的费用的步骤包括:根据所分类的模式所描述的电力资源使用分布和各时段使用电力资源的单价,确定对应的被检测对象使用电力资源的单价;根据属于所述模式的被检测对象使用电力资源的检测数据集和所述模式所对应的单价,统计所述被检测对象使用电力资源的费用。
在所述第一方面的某些实施方式中,所述分类处理的方式包括有监督机器学习或无监督机器学习。
在所述第一方面的某些实施方式中,所述电力资源使用分布包括:各单位时段内检测数据占整个电力资源使用周期内所有检测数据总和的比例。
在所述第一方面的某些实施方式中,所述方法还包括依据所述费用生成一账单信息;以及将所述账单信息提供给被检测对象的步骤。
在所述第一方面的某些实施方式中,所述方法还包括至少利用来自检测终端依据检测时间间隔所提供的检测数据,确定在不同时段的供应电力资源的成本的步骤。
在所述第一方面的某些实施方式中,第n时段电力资源的成本是基于历史时段电力资源的边际成本而确定的。
本申请第二方面提供一种服务端,包括:存储单元,用于存储至少一种程序;网络单元,用于与至少一个检测终端进行数据通信;处理单元,用于调用并执行所述存储单元中存储的至少一个程序以实现如第一方面中任一项所述的电力资源管理方法。
本申请第三方面提供一种电力资源管理系统,包括:检测终端,设置在被检测对象侧,用于获取检测数据并依据检测时间间隔发送给服务端;服务端,与所述检测终端通信连接,用于利用所述检测数据,统计被检测对象在不同时段的电力资源使用分布;以及基于所统计的电力资源使用分布和各时段使用电力资源的单价,统计所述被检测对象使用电力资源的费用以对所述电力资源进行管理;其中,所述各时段使用电力资源的单价是依据供应各时段电力资源的成本而确定的。
在所述第三方面的某些实施方式中,所述服务端利用来自检测终端依据检测时间间隔所提供的检测数据,统计被检测对象在不同时段的电力资源使用分布的方式包括:根据所述检测终端在至少一个电力资源使用周期内按照检测时间间隔所检测的检测数据,统计被检测对象在后续电力资源使用周期内不同时段的电力资源使用分布。
在所述第三方面的某些实施方式中,所述检测终端为多个;所述服务端统计被检测对象在不同时段的电力资源使用分布的方式包括:将来自同一检测终端依据检测时间间隔所提供的检测数据组成对应的检测数据集;根据各检测数据集,将各被检测对象使用电力资源的模式进行分类,以得到由所分类的模式描述的电力资源使用分布。
在所述第三方面的某些实施方式中,所述服务端基于所统计的电力资源使用分布和各时段使用电力资源的单价,统计所述被检测对象使用电力资源的费用的方式包括:根据所分类的模式所描述的电力资源使用分布和各时段使用电力资源的单价,确定对应的被检测对象使用电力资源的单价;根据属于所述模式的被检测对象使用电力资源的检测数据集和所述模式所对应的单价,统计所述被检测对象使用电力资源的费用。
在所述第三方面的某些实施方式中,所述分类处理的方式包括有监督机器学习或无监督机器学习。
在所述第三方面的某些实施方式中,所述电力资源使用分布包括:各单位时段内检测数据占整个电力资源使用周期内所有检测数据总和的比例。
在所述第三方面的某些实施方式中,所述服务端还用于依据所述费用生成一账单信息,并将所述账单信息予以发送;所述电力资源管理系统还包括对应于被检测对象的用户终端,用于获取并显示所述账单信息。
在所述第三方面的某些实施方式中,所述服务端还用于至少利用来自检测终端依据检测时间间隔所提供的检测数据,确定在不同时段的供应电力资源的成本。
在所述第三方面的某些实施方式中,第n时段电力资源的成本是基于历史时段电力资源的边际成本而确定的。
本申请第四方面提供一种计算机可读存储介质,其特征在于,存储至少一种程序,所述至少一个程序在被调用并执行时实现如第一方面中任一项所述的电力资源管理方法。
如上所述,本申请的电力资源管理方法及系统、服务端、计算机可读存储介质,具有以下有益效果:采用了根据供应各时段电力资源的成本以及用户使用电力资源的使用分布的方式进行电费计价,不仅从电费上准确反映用户行为模式对电价成本起伏的影响,更能给用户调整行为习惯的机会,以调整电力资源的管理和分配。
附图说明
图1显示为本申请电力资源管理方法在一实施方式中的流程图。
图2显示为本申请一个电力资源使用周期内各单位时段的内使用电力资源的量的变化在一实施方式中的示意图。
图3显示为本申请一个电力资源使用周期内各单位时段的内使用电力资源的量的变化在又一实施方式中的示意图。
图4显示为在电力资源使用周期内各时段的电力资源使用分布及对应的使用电力资源的单价比对图。
图5显示为本申请提供的服务端的模块示意图。
图6显示为本申请提供的电力资源管理系统在一实施方式中的架构示意图。
具体实施方式
以下由特定的具体实施例说明本申请的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本申请的其他优点及功效。
在下述描述中,参考附图,附图描述了本申请的若干实施例。应当理解,还可使用其他实施例,并且可以在不背离本公开的精神和范围的情况下进行机械组成、结构、电气以及操作上的改变。下面的详细描述不应该被认为是限制性的,并且本申请的实施例的范围仅由公布的专利的权利要求书所限定。
虽然在一些实例中术语第一、第二等在本文中用来描述各种元件,但是这些元件不应当被这些术语限制。这些术语仅用来将一个元件与另一个元件进行区分。例如,第一电力资源使用分布可以被称作第二电力资源使用分布,并且类似地,第二电力资源使用分布可以被称作第一电力资源使用分布,而不脱离各种所描述的实施例的范围。第一电力资源使用分布和第二电力资源使用分布均是在描述一个电力资源使用分布,但是除非上下文以其他方式明确指出,否则它们不是同一个电力资源使用分布。
再者,如同在本文中所使用的,单数形式“一”、“一个”和“该”旨在也包括复数形式,除非上下文中有相反的指示。应当进一步理解,术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、组件、项目、种类、和/或组,但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的,或意味着任一个或任何组合。因此,“A、B或C”或者“A、B和/或C”意味着“以下任一个:A;B;C;A和B;A和C;B和C;A、B和C”。仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时,才会出现该定义的例外。
为了保障电力资源的稳定供应,电力资源管理系统实时监测电网中的电网数据,如电网中传输的电压,和发电机组输出的有效功率、无效功率等电网参数,并利用所监测的电网数据调节发电系统中发电机组的发电能力。与控制发电机组运行相异步地,所述电力资源管理系统还根据所监测的不同时段的电网数据以及发电系统基于所监测的电网数据而运行时的运行数据,统计输出对应供电所需的成本。
藉由已经证明的发电系统发电的边际成本与用电侧所使用的电能之间是具有关联关系的,本申请提供一种电力资源管理方法,旨在提供一种更合理的定价机制。利用所述定价机制能够影响用电侧对电力资源的使用配置,使得电力资源的管理从单纯管理发电侧向发电侧和用电侧相结合方向转换,以更低成本提高对电力资源的使用。
本申请的电力资源管理方法主要由电力资源管理系统(以下简称管理系统)执行。其中,所述管理系统主要由服务端中的软件和硬件来执行。所述服务端包括任何具有数据运算和逻辑运算能力的服务器(组)。所述服务端可以包含设置在发电系统侧的服务器或服务器集群;或者所述服务端包含云服务端;再或者所述服务端包含上述两种服务器(组),并利用远程通信机制进行数据传输和分摊系统处理压力。其中,所述云服务端包括公共云(Public Cloud)服务端与私有云(Private Cloud)服务端,其中,所述公共或私有云服务端包括Software-as-a-Service(软件即服务,SaaS)、Platform-as-a-Service(平台即服务,PaaS)及Infrastructure-as-a-Service(基础设施即服务,IaaS)等。所述私有云服务端例如阿里云计算服务平台、亚马逊(Amazon)云计算服务平台、百度云计算平台、腾讯云计算平台等等。
为了获取用电侧的用电情况,所述服务端还与设置在用电侧的至少一个被检测对象的检测终端数据连接。其中,所述被检测对象包括但不限于:工厂、住户、商场、娱乐场所、办公写字楼等场合的用电系统,所述用电系统包含在执行相应用电计划期间企业中所使用的任何耗电设备(或耗电设备的集合)、或者主要的耗电设备(或耗电设备的集合)。又或者,所述用电系统例如为家庭用电,包括例如空调、冰箱、电视、照明、洗衣机等家电设备。
在一些具体示例中,所述用电系统可包含相同类别的至少一个用电设备。例如,所述需量预测系统将厂区和办公区的所有照明设备视为一个用电系统。在另一些具体示例中,所述用电系统可包含接入同一计量装置的至少一个用电设备。例如,位于生活办公区域的空调设备和照明设备均接入同一个计量装置,所述需量预测系统将使用同一计量装置的多个空调设备和照明设备视为一个用电系统。所述用电系统包括以下至少一种:用于生产制造的用电系统和用于生活办公的用电系统。根据企业的经营范围,用于生产制造的用电系统包括但不限于:产线上所使用的用电系统、单独的用电系统、厂房内的空调系统和照明系统等;其中,产线上所使用的用电系统包括但不限于:装配流水线、制备流水线、测试流水线等。单独的用电系统包括但不限于:驱动设备、控制设备等。用于生活办公的用电系统包括但不限于空调系统、照明系统、电梯控制系统、计算机系统(例如个人计算机或包括服务器的机房等)、强弱电转换系统等。
所述检测终端包括任何能够检测被检测对象使用来自电网的电力资源情况的终端,其举例包括但不限于:智能电表,包括逆变组件或变压组件的电力计量装置,以及包含能够获取多个智能电表的设备(例如电力抄表集中器)中的一种或多种组合。其中,所述智能电表可以是国家电网公司标准下的智能电表,能按照“DLT645—2007多功能电能表通信协议”,执行费控指令或电力资源调控指令,进行分闸、合闸操作,实现居民停复电。所述电力抄表集中器可以是国家电网标准公司下的标准产品。能按照“Q/GDW 376.1-2009《电力用户用电信息采集系统通信协议:主站与采集终端通信协议》”进行费控指令的透传。所述智能电表及电力抄表集中器可以通过例如为电力费控通信装置实现电力数据的传输,比如智能电表可以通过电力载波的方式将上述电力资源控回复报文发送给电力抄表集中器,上述电力抄表集中器可以通过网络的方式将上述费控回复报文发送给电力费通信装置,藉由电力费通信装置将电力资源的数据发送给服务器。
在上述采用了电信费控通信装置的实施例中,所述电信费控通信装置和费控前置服务器以及卫星完成智能电表与用电信息主站之间信息的交互,在通信手段匮乏的地区,如牧区、山区用户,该类地区无手机公网信号如(GPRS,CDMA,3G、4G、5G等等),也无光纤、网络等通信通道的情况下,利用卫星通道也可以完成上述信息的交互,在此不予赘述。
所述检测终端所检测的检测数据是被检测对象使用电网供电的电力资源时所消耗的电力资源。例如,智能电表检测一个住户使用电网供电的电力资源时所消耗的电能(kW/h)并将所检测的电能作为所述检测数据。又如,一个厂区内每个制造车间设置智能电表以检测使用电网供电的电力资源时所消耗的电能数据,所述厂区的网关设备收集多个智能电表所计量的电能数据,并将各电能数据整合后作为所述厂区的检测数据。所述检测终端可基于预设的检测时间间隔将所得到的检测数据发送给服务端,以供配置在服务端的管理系统执行以下步骤,请参阅图1,其显示为本申请电力资源管理方法在一实施方式中的流程图。如图所示:
在步骤S110中,利用来自检测终端依据检测时间间隔所提供的检测数据,统计被检测对象在不同时段的电力资源使用分布。
在此,所述管理系统按照所述检测终端的检测时间间隔获取检测数据,从积累的检测数据中统计被检测对象在不同时段的电力资源使用分布。其中,所述检测时间间隔是基于检测终端发送检测数据的周期而确定的。例如,所述检测时间间隔为0.5小时、1小时等。所述检测时间间隔通常小于等于所统计的一个时段。例如,管理系统以小时为单位时段统计在多个时段内所获取的检测数据的电力资源使用分布。
在此,所述管理系统按照预设的电力资源周期来统计被检测对象的电力资源使用分布。其中,所述电力资源周期包括但不限于:预设的时间段、每日、每月等。例如,所述管理系统按照从早6点到晚10点统计被检测对象在不同单位小时的电力资源使用分布。又如,所述管理系统以天为电力资源周期统计被检测对象在不同单位小时的电力资源使用分布。其中,所统计的电力资源使用分布用于描述被检测对象在所述电力资源使用周期内使用电力资源的量的变化。在一些示例中,所述电力资源使用分布采用计算各单位时段(如单位小时)内检测数据的方式来描述在一个电力资源使用周期内各单位时段的内使用电力资源的量的变化。例如,请参阅图2,其显示为一个电力资源使用周期内各单位时段的内使用电力资源的量的变化在一实施方式中的示意图,所述管理系统每隔半小时获取住户B1的检测终端A1经累计检测的检测数据(即电度数),并利用差值计算方式统计单位小时内住户B1所使用电力资源的电度数,在统计24小时后,如图所示,得到住户B1在24小时内每两个小时所使用的电力资源的电度数。在又一些示例中,所述电力资源使用分布采用各单位时段(如单位小时)内检测数据占整个电力资源使用周期内所有检测数据总和的比例的方式来描述在一个电力资源使用周期内各单位时段的内使用电力资源的量的变化。例如,请参阅图3,其显示为一个电力资源使用周期内各单位时段的内使用电力资源的量的变化在又一实施方式中的示意图,如图所示,所述管理系统计算图3中所统计的每两个小时所使用的电力资源的电度数占24小时电度数的比例。
需要说明的是,上述以单位小时为一时段和以天(24小时)为一电力资源使用周期来统计电力资源使用分布的方式仅为举例。事实上,所述管理系统也可以以单位天为一时段和以月为一电力资源使用周期来统计电力资源使用分布等。在此不做限制。
所述管理系统在统计了至少一个所述电力资源使用分布后执行步骤S120。在一示例中,在统计了一个电力资源使用周期内(如当天内)的电力资源使用分布后执行步骤S120,以得到对应电力资源使用周期内(如当天内)的用电费用。在又一示例中,根据所述检测终端在至少一个电力资源使用周期内按照检测时间间隔所检测的检测数据,统计被检测对象在后续电力资源使用周期内不同时段的电力资源使用分布,并基于预测的电力资源使用分布执行步骤S120。其中,根据所述检测终端在至少一个电力资源使用周期内按照检测时间间隔所检测的检测数据,统计被检测对象在后续电力资源使用周期内不同时段的电力资源使用分布的方式包括但不限于:利用机器学习算法进行预测。例如,所述管理系统将同一检测终端提供的多日检测数据依时段提供给预设的机器学习算法,并得到所预测后续的对应时段的检测数据;再根据所预测日期的各时段的检测数据,统计所预测日期的电力资源使用分布。在此,所述机器学习算法包括但不限于:利用基于RNN(Recurrent NeuralNetwork,循环神经网络,简称RNN)、ANN(Artificial Neural Network,人工神经网络,简称ANN)等神经网络结构而设计的算法。
当管理系统获取多个检测终端的检测数据时,所述管理系统可针对每个被检测对象进行电力资源使用分布的统计。在另一些实施例中,所述管理系统将来自同一检测终端依据检测时间间隔所提供的检测数据组成对应的检测数据集;根据各检测数据集,将各被检测对象使用电力资源的模式进行分类以得到由所分类的模式描述的电力资源使用分布。
在一些示例中,所述管理系统可按照电力资源使用周期收集同一检测终端的检测数据并组成检测数据集,并利用预设的分类算法输入各检测终端的检测数据集进行分类处理。
在此,所述管理系统依据检测数据的变化所呈现的规律对各检测数据集进行分类,并基于检测数据集、检测终端和被检测对象三者的对应关系,将被检测对象用电的行为模式进行分类。
其中,所述分类算法是依据以检测数据所反映的被检测对象用电行为而构建的算法模型。
在一更具体示例中所述所述分类算法包括利用有监督机器学习而构建的算法模型。其中,所述有监督机器学习的算法模型包括但不限于:基于神经网络结构的分类模型。例如,利用历史检测数据集训练基于神经网络结构的分类模型,以得到多种行为模式的分类;所述管理系统利用已训练好的分类模型对所积累的检测数据集进行分类处理,以得到对应的被检测对象使用电力资源的行为模式分类。
在另一更具体示例中所述所述分类算法包括,所述利用无监督机器学习而构建的算法模型包括但不限于:K-mean算法、BIRCH算法、DBSCAN算法、CURE算法、CLARANS算法等。例如,所述管理系统将检测数据集输入包含K-mean算法的分类算法中,以得到对应的被检测对象使用电力资源的行为模式分类。
在此,对于属于同一行为模式分类的不同被检测对象,所述管理系统基于同类的检测数据集构建对应分类的电力资源使用分布。例如,所述管理系统计算同一分类的所有检测数据集中同一时段的总用电量占所有检测数据集的用电总量的占比,并得到在电力资源使用周期内相应分类的电力资源使用分布。
需要说明的是,上述基于检测数据集进行行为模式分类的方式仅为举例而非对本申请的限制。事实上,所述管理系统还可以在一个电力资源使用周期内分段地统计多种行为模式,并按照电力资源使用周期将被检测对象的行为模式所对应的电力资源使用分布进行拼接,以得到被检测对象在电力资源使用周期内的电力资源使用分布。在此不再逐一详述。
还需要说明的是,上述基于同一行为模式分类所构建的电力资源使用分布的方式还可以借助前述预测电力资源使用分布的方式,在此不予赘述。
为了根据所得到的电力资源使用分布来确定在相应分布下被检测对象的用电费用,对应地,所述管理系统需确定对应各时段的单价。
在一些实施例中,所述各时段使用电力资源的单价可以基于历史监测的相应时段发电系统的发电总量、发电系统的运行数据、发电系统的成本损耗、线缆运输损耗等参数所构建的成本计算模型计算得到的。所述管理系统可读取各时段的单价并执行步骤S120。
在又一些实施例中,与步骤S110无必然执行顺序地,所述管理系统还至少利用来自检测终端依据检测时间间隔所提供的检测数据,确定所述发电系统在不同时段供应电力资源的成本。其中,所述管理系统收集所有检测终端的检测数据,并按照单位时段统计所有被检测对象的用电总量,以及收集发电系统依间隔提供的发电总量、发电机组的运行参数等与用电相关的数据。所述管理系统结合单位时段所统计的所述用电总量,历史电力资源使用周期内用电峰值-谷值水平和时段,在电力资源使用周期内总用电量的变化趋势,相应时段的发电总量,发电系统的开发、运行和维护成本,电力传输成本等参数,计算在各时段内供应电力资源的成本。所述管理系统在确定对应时段的单价及对应时段的电力资源使用分布后并执行步骤S120。
在又一些实施例中,在对被检测对象在后续电力资源使用周期内用电情况、或者当前时段内电力资源的用电情况进行预测时,所述管理系统预测第n时段电力资源的成本是基于历史时段电力资源的边际成本而确定的。例如,所述管理系统基于此前至少一个时段中边际成本来估计当前时段电力资源的使用的涨幅(或下降)幅值,并以前一时段的成本为成本基数,估计在当前时段供应电力资源的成本。其中,所述此前至少一个时段中边际成本包括但不限于以下至少一种:在当前电力资源使用周期内已统计的至少一个时段的成本曲线的边际成本;基于历史同时段中的至少一个边际成本。所述管理系统在确定对应时段的单价及对应时段的电力资源使用分布后并执行步骤S120。
需要说明的是,上述各示例所得到的成本仅为举例而非对本申请的限制。事实上,管理系统可至少利用来自检测终端依据检测时间间隔所提供的检测数据,确定所述发电系统在第(n-1)时段供应电力资源的成本Pn-1,以及在Pn-1基础上利用第(n-1)时段电力资源的边际成本确定第n时段的成本Pn。
在步骤S120中,基于所统计的电力资源使用分布和各时段使用电力资源的单价,统计所述被检测对象使用电力资源的费用以对所述电力资源进行管理。其中,所述各时段使用电力资源的单价是依据供应各时段电力资源的成本而确定的。例如,各时段使用电力资源的单价为对应时段的成本乘以预设系数。
请参阅图4,其显示为在电力资源使用周期内各时段的电力资源使用分布及对应的使用电力资源的单价比对图,如图所示,在一些示例中,若所述电力资源使用分布为对应被检测对象的电力资源使用分布,则所述管理系统以所述电力资源使用分布中各时段的比例为系数与同一时段的使用电力资源的单价相乘,得到被检测对象使用电力资源的单价;再基于电力资源使用周期内的检测数据而确定的用电总量、和所确定的单价,得到该被检测对象在电力资源使用周期内的电费。
在另一些示例中,再如图4所示,若所述电力资源使用分布为同一行为模式分类的电力资源使用分布,则所述管理系统根据所分类的模式所描述的电力资源使用分布和各时段使用电力资源的单价,确定对应的被检测对象使用电力资源的单价;根据属于所述模式的被检测对象使用电力资源的检测数据集和所述模式所对应的单价,统计所述被检测对象使用电力资源的费用。例如,所述管理系统以所述电力资源使用分布中各时段的比例为系数与同一时段的使用电力资源的单价相乘,得到同一行为模式分类下所有被检测对象使用电力资源的单价;再基于被检测对象在电力资源使用周期内的检测数据而确定的用电总量、和所确定的单价,得到该被检测对象在电力资源使用周期内的电费。
需要说明的是,上述用于计算被检测对象的检测数据可以全部由检测终端检测提供的,或者全部藉由历史检测数据预测得到的,再或者藉由检测终端在至少一个时段的检测数据而预测得到的。上述用于计算费用的单价可以全部由实际产生的成本计算而得,或者全部藉由历史成本预测得到的,再或者藉由在至少一个时段的成本和边际成本而预测得到的。在此不逐一举例。
依据本申请所提供的电力资源管理方法所得到的电费,所述管理系统可生成一账单信息;并将所述账单信息提供给被检测对象。例如,所述管理系统按照预先注册的各被检测对象的注册信息,将按照每个电力资源使用周期将实际产生的费用作为账单信息发送给相应用户终端。又如,所述管理系统按照预先注册的各被检测对象的注册信息,将实际产生的费用的列表作为账单信息发送给相应用户终端。再如,所述管理系统按照预先注册的各被检测对象的注册信息,将预测的费用作为账单信息发送给相应用户终端。
通过向被检测对象提供更为详细的账单信息,被检测对象更倾向于调整用电行为,由此实现了管理系统从发电侧和用电侧双向管理电力资源的目的。
请参阅图5,其显示为本申请提供的服务端的模块示意图,如图所示,在实施例中,所述服务端1包括存储单元11、网络单元12和处理单元13。
所述存储单元11包括存储器,例如高速随机存取存储器或非易失性存储器,或者,再例如一个或多个磁盘存储设备、闪存设备或其他非易失性固态存储设备(比如固态硬盘阵列)。在某些实施例中,存储单元11还可以包括远离一个或多个处理器的存储器,例如经由网络单元13所接入的通信网络访问的网络附加存储器,其中所述通信网络可以是因特网、一个或多个内部网、局域网(LAN)、广域网(WLAN)、存储局域网(SAN)等,或其适当组合。所述存储单元11还可以包括存储器控制器,所述存储器控制器可控制设备的诸如CPU和外设接口之类的其他组件对存储器的访问。所述存储单元11用于存储至少一个程序。所述至少一个程序定时地或基于账单统计指令而被处理单元调用。
所述网络单元13有助于经一个或多个外部端口而与其他设备进行通信,并且它还包括用于处理由调制解调电路和/或外部端口接收的数据的各种软件组件。其中,所述外部端口(例如FIREWIRE等等)适合于经通信网络(例如因特网,无线LAN等等)耦接到其他设备。所述网络单元13用于与发电系统、检测终端、用户终端等进行数据通信。其中所述网络单元的接口包括但不限于:以太网的网络接口装置、基于移动网络(3G、4G、5G等)的网络接口装置、或者基于近距离通信(WiFi、蓝牙等)的网络接口装置等。
所述处理单元12与所述存储单元11和网络单元13数据连接。所述处理单元12可操作地与存储单元耦接。更具体地,处理单元12可执行在存储单元11中存储的指令(即至少一个程序)以在计算设备中执行操作,诸如将确认信息进行统计和/或调用网络单元13将随机数据传输到其他节点等。如此,处理单元12可包括一个或多个通用微处理器、一个或多个专用处理器(ASIC)、一个或多个现场可编程逻辑阵列(FPGA)、或它们的任何组合。所述处理单元在调用所述至少一个程序时,执行如如图1所示及所对应描述的各步骤。在此不再赘述。
请参阅图6,其显示为本申请电力资源管理系统在一实施方式中的网络架构图。所述电力资源管理系统包括检测终端以及服务端。
所述检测终端设置在被检测对象侧,用于获取检测数据并依据检测时间间隔发送给服务端。其中,所述被检测对象包括但不限于:工厂、住户、商场、娱乐场所、办公写字楼等场合的用电系统,所述用电系统包含在执行相应用电计划期间企业中所使用的任何耗电设备(或耗电设备的集合)、或者主要的耗电设备(或耗电设备的集合)。又或者,所述用电系统例如为家庭用电,包括例如空调、冰箱、电视、照明、洗衣机等家电设备。
在一些具体示例中,所述用电系统可包含相同类别的至少一个用电设备。例如,所述需量预测系统将厂区和办公区的所有照明设备视为一个用电系统。在另一些具体示例中,所述用电系统可包含接入同一计量装置的至少一个用电设备。例如,位于生活办公区域的空调设备和照明设备均接入同一个计量装置,所述需量预测系统将使用同一计量装置的多个空调设备和照明设备视为一个用电系统。所述用电系统包括以下至少一种:用于生产制造的用电系统和用于生活办公的用电系统。根据企业的经营范围,用于生产制造的用电系统包括但不限于:产线上所使用的用电系统、单独的用电系统、厂房内的空调系统和照明系统等;其中,产线上所使用的用电系统包括但不限于:装配流水线、制备流水线、测试流水线等。单独的用电系统包括但不限于:驱动设备、控制设备等。用于生活办公的用电系统包括但不限于空调系统、照明系统、电梯控制系统、计算机系统(例如个人计算机或包括服务器的机房等)、强弱电转换系统等。
所述检测终端包括任何能够检测被检测对象使用来自电网的电力资源情况的终端,其举例包括但不限于:智能电表,包括逆变组件或变压组件的电力计量装置,以及包含能够获取多个智能电表的设备(例如电力抄表集中器)中的一种或多种组合。其中,所述智能电表可以是国家电网公司标准下的智能电表,能按照“DLT645—2007多功能电能表通信协议”,执行费控指令或电力资源调控指令,进行分闸、合闸操作,实现居民停复电。所述电力抄表集中器可以是国家电网标准公司下的标准产品。能按照“Q/GDW 376.1-2009《电力用户用电信息采集系统通信协议:主站与采集终端通信协议》”进行费控指令的透传。所述智能电表及电力抄表集中器可以通过例如为电力费控通信装置实现电力数据的传输,比如智能电表可以通过电力载波的方式将上述电力资源控回复报文发送给电力抄表集中器,上述电力抄表集中器可以通过网络的方式将上述费控回复报文发送给电力费通信装置,藉由电力费通信装置将电力资源的数据发送给服务器。
在上述采用了电信费控通信装置的实施例中,所述电信费控通信装置和费控前置服务器以及卫星完成智能电表与用电信息主站之间信息的交互,在通信手段匮乏的地区,如牧区、山区用户,该类地区无手机公网信号如(GPRS,CDMA,3G、4G、5G等等),也无光纤、网络等通信通道的情况下,利用卫星通道也可以完成上述信息的交互,在此不予赘述。
所述检测终端所检测的检测数据是被检测对象使用电网供电的电力资源时所消耗的电力资源。例如,智能电表检测一个住户使用电网供电的电力资源时所消耗的电能(kW/h)并将所检测的电能作为所述检测数据。又如,一个厂区内每个制造车间设置智能电表以检测使用电网供电的电力资源时所消耗的电能数据,所述厂区的网关设备收集多个智能电表所计量的电能数据,并将各电能数据整合后作为所述厂区的检测数据。所述检测终端可基于预设的检测时间间隔将所得到的检测数据发送给服务端。
所述服务端与所述检测终端通信连接。其中,所述服务端可如图5及所对应描述的结构,或者,所述服务端包括任何具有数据运算和逻辑运算能力的服务器(组)。所述服务端可以包含设置在发电系统侧的服务器或服务器集群;或者所述服务端包含云服务端;再或者所述服务端包含上述两种服务器(组),并利用远程通信机制进行数据传输和分摊系统处理压力。其中,所述云服务端包括公共云(Public Cloud)服务端与私有云(Private Cloud)服务端,其中,所述公共或私有云服务端包括Software-as-a-Service(软件即服务,SaaS)、Platform-as-a-Service(平台即服务,PaaS)及Infrastructure-as-a-Service(基础设施即服务,IaaS)等。所述私有云服务端例如阿里云计算服务平台、亚马逊(Amazon)云计算服务平台、百度云计算平台、腾讯云计算平台等等。
为了获取用电侧的用电情况,所述服务端基于预设的检测时间间隔获取检测终端所提供的检测数据,并执行如图1所示的各步骤:
在步骤S110中,利用来自检测终端依据检测时间间隔所提供的检测数据,统计被检测对象在不同时段的电力资源使用分布。
在此,所述服务端按照所述检测终端的检测时间间隔获取检测数据,从积累的检测数据中统计被检测对象在不同时段的电力资源使用分布。其中,所述检测时间间隔是基于检测终端发送检测数据的周期而确定的。例如,所述检测时间间隔为0.5小时、1小时等。所述检测时间间隔通常小于等于所统计的一个时段。例如,服务端以小时为单位时段统计在多个时段内所获取的检测数据的电力资源使用分布。
在此,所述服务端按照预设的电力资源周期来统计被检测对象的电力资源使用分布。其中,所述电力资源周期包括但不限于:预设的时间段、每日、每月等。例如,所述服务端按照从早6点到晚10点统计被检测对象在不同单位小时的电力资源使用分布。又如,所述服务端以天为电力资源周期统计被检测对象在不同单位小时的电力资源使用分布。其中,所统计的电力资源使用分布用于描述被检测对象在所述电力资源使用周期内使用电力资源的量的变化。在一些示例中,所述电力资源使用分布采用计算各单位时段(如单位小时)内检测数据的方式来描述在一个电力资源使用周期内各单位时段的内使用电力资源的量的变化。例如,请参阅图2,其显示为一个电力资源使用周期内各单位时段的内使用电力资源的量的变化在一实施方式中的示意图。所述服务端每隔半小时获取住户B1的检测终端A1经累计检测的检测数据(即电度数),并利用差值计算方式统计单位时段(即2小时)内住户B1所使用电力资源的电度数,在及时地或统计24小时后,如图所示,得到住户B1在24小时内每两个小时所使用的电力资源的电度数。在又一些示例中,所述电力资源使用分布采用各单位时段(如单位小时)内检测数据占整个电力资源使用周期内所有检测数据总和的比例的方式来描述在一个电力资源使用周期内各单位时段的内使用电力资源的量的变化。例如,请参阅图3,其显示为一个电力资源使用周期内各单位时段的内使用电力资源的量的变化在又一实施方式中的示意图。所述服务端计算图3中所统计的每两个小时所使用的电力资源的电度数占24小时电度数的比例。
需要说明的是,上述以单位小时为一时段和以天(24小时)为一电力资源使用周期来统计电力资源使用分布的方式仅为举例。事实上,所述服务端也可以以单位天为一时段和以月为一电力资源使用周期来统计电力资源使用分布等。在此不做限制。
所述服务端在统计了至少一个所述电力资源使用分布后执行步骤S120。在一示例中,在统计了一个电力资源使用周期内(如当天内)的电力资源使用分布后执行步骤S120,以得到对应电力资源使用周期内(如当天内)的用电费用。在又一示例中,根据所述检测终端在至少一个电力资源使用周期内按照检测时间间隔所检测的检测数据,统计被检测对象在后续电力资源使用周期内不同时段的电力资源使用分布,并基于预测的电力资源使用分布执行步骤S120。其中,根据所述检测终端在至少一个电力资源使用周期内按照检测时间间隔所检测的检测数据,统计被检测对象在后续电力资源使用周期内不同时段的电力资源使用分布的方式包括但不限于:利用机器学习算法进行预测。例如,所述服务端将同一检测终端提供的多日检测数据依时段提供给预设的机器学习算法,并得到所预测后续的对应时段的检测数据;再根据所预测日期的各时段的检测数据,统计所预测日期的电力资源使用分布。在此,所述机器学习算法包括但不限于:利用基于RNN(Recurrent Neural Network,循环神经网络,简称RNN)、ANN(Artificial Neural Network,人工神经网络,简称ANN)等神经网络结构而设计的算法。
当服务端获取多个检测终端的检测数据时,所述服务端可针对每个被检测对象进行电力资源使用分布的统计。在另一些实施例中,所述服务端将来自同一检测终端依据检测时间间隔所提供的检测数据组成对应的检测数据集;根据各检测数据集,将各被检测对象使用电力资源的模式进行分类以得到由所分类的模式描述的电力资源使用分布。
在一些示例中,所述服务端可按照电力资源使用周期收集同一检测终端的检测数据并组成检测数据集,并利用预设的分类算法输入各检测终端的检测数据集进行分类处理。
在此,所述服务端依据检测数据的变化所呈现的规律对各检测数据集进行分类,并基于检测数据集、检测终端和被检测对象三者的对应关系,将被检测对象用电的行为模式进行分类。
其中,所述分类算法是依据以检测数据所反映的被检测对象用电行为而构建的算法模型。在一更具体示例中所述所述分类算法包括利用有监督机器学习而构建的算法模型。其中,所述有监督机器学习的算法模型包括但不限于:基于神经网络结构的分类模型。例如,利用历史检测数据集训练基于神经网络结构的分类模型,以得到多种行为模式的分类;所述服务端利用已训练好的分类模型对所积累的检测数据集进行分类处理,以得到对应的被检测对象使用电力资源的行为模式分类。
在另一更具体示例中所述所述分类算法包括,所述利用无监督机器学习而构建的算法模型包括但不限于:K-mean算法、BIRCH算法、DBSCAN算法、CURE算法、CLARANS算法等。例如,所述服务端将检测数据集输入包含K-mean算法的分类算法中,以得到对应的被检测对象使用电力资源的行为模式分类。
在此,对于属于同一行为模式分类的不同被检测对象,所述服务端基于同类的检测数据集构建对应分类的电力资源使用分布。例如,所述服务端计算同一分类的所有检测数据集中同一时段的总用电量占所有检测数据集的用电总量的占比,并得到在电力资源使用周期内相应分类的电力资源使用分布。
需要说明的是,上述基于检测数据集进行行为模式分类的方式仅为举例而非对本申请的限制。事实上,所述管理系统还可以在一个电力资源使用周期内分段地统计多种行为模式,并按照电力资源使用周期将被检测对象的行为模式所对应的电力资源使用分布进行拼接,以得到被检测对象在电力资源使用周期内的电力资源使用分布。在此不再逐一详述。
还需要说明的是,上述基于同一行为模式分类所构建的电力资源使用分布的方式还可以借助前述预测电力资源使用分布的方式,在此不再详述。
为了根据所得到的电力资源使用分布来确定在相应分布下被检测对象的用电费用,对应地,所述服务端需确定对应各时段的单价。
在一些实施例中,所述各时段使用电力资源的单价可以基于历史监测的相应时段发电系统的发电总量、发电系统的运行数据、发电系统的成本损耗、线缆运输损耗等参数所构建的成本计算模型计算得到的。所述服务端可读取各时段的单价并执行步骤S120。
在又一些实施例中,与步骤S110无必然执行顺序地,所述服务端还至少利用来自检测终端依据检测时间间隔所提供的检测数据,确定所述发电系统在不同时段供应电力资源的成本。其中,所述服务端收集所有检测终端的检测数据,并按照单位时段统计所有被检测对象的用电总量,以及收集发电系统依间隔提供的发电总量、发电机组的运行参数等与用电相关的数据。所述服务端结合单位时段所统计的所述用电总量,历史电力资源使用周期内用电峰值-谷值水平和时段,在电力资源使用周期内总用电量的变化趋势,相应时段的发电总量,发电系统的开发、运行和维护成本,电力传输成本等参数,计算在各时段内供应电力资源的成本。所述服务端在确定对应时段的单价及对应时段的电力资源使用分布后并执行步骤S120。
在又一些实施例中,在对被检测对象在后续电力资源使用周期内用电情况、或者当前时段内电力资源的用电情况进行预测时,所述服务端预测第n时段电力资源的成本是基于历史时段电力资源的边际成本而确定的。例如,所述服务端基于此前至少一个时段中边际成本来估计当前时段电力资源的使用的涨幅(或下降)幅值,并以前一时段的成本为成本基数,估计在当前时段供应电力资源的成本。其中,所述此前至少一个时段中边际成本包括但不限于以下至少一种:在当前电力资源使用周期内已统计的至少一个时段的成本曲线的边际成本;基于历史同时段中的至少一个边际成本。所述服务端在确定对应时段的单价及对应时段的电力资源使用分布后并执行步骤S120。
需要说明的是,上述各示例所得到的成本仅为举例而非对本申请的限制。事实上,服务端可至少利用来自检测终端依据检测时间间隔所提供的检测数据,确定所述发电系统在第(n-1)时段供应电力资源的成本Pn-1,以及在Pn-1基础上利用第(n-1)时段电力资源的边际成本确定第n时段的成本Pn。
在步骤S120中,基于所统计的电力资源使用分布和各时段使用电力资源的单价,统计所述被检测对象使用电力资源的费用以对所述电力资源进行管理。其中,所述各时段使用电力资源的单价是依据供应各时段电力资源的成本而确定的。例如,各时段使用电力资源的单价为对应时段的成本乘以预设系数。
请参阅图4,其显示为在电力资源使用周期内各时段的电力资源使用分布(实线)及对应的使用电力资源的单价(虚线)的示意图。在一些示例中,若所述电力资源使用分布为对应被检测对象的电力资源使用分布,则所述服务端以所述电力资源使用分布中各时段的比例为系数与同一时段的使用电力资源的单价相乘,得到被检测对象使用电力资源的单价;再基于电力资源使用周期内的检测数据而确定的用电总量、和所确定的单价,得到该被检测对象在电力资源使用周期内的电费。
在另一些示例中,如图4所示,若所述电力资源使用分布为同一行为模式分类的电力资源使用分布,则所述服务端根据所分类的模式所描述的电力资源使用分布和各时段使用电力资源的单价,确定对应的被检测对象使用电力资源的单价;根据属于所述模式的被检测对象使用电力资源的检测数据集和所述模式所对应的单价,统计所述被检测对象使用电力资源的费用。例如,所述服务端以所述电力资源使用分布中各时段的比例为系数与同一时段的使用电力资源的单价相乘,得到同一行为模式分类下所有被检测对象使用电力资源的单价;再基于被检测对象在电力资源使用周期内的检测数据而确定的用电总量、和所确定的单价,得到该被检测对象在电力资源使用周期内的电费。
需要说明的是,上述用于计算被检测对象的检测数据可以全部由检测终端检测提供的,或者全部藉由历史检测数据预测得到的,再或者藉由检测终端在至少一个时段的检测数据而预测得到的。上述用于计算费用的单价可以全部由实际产生的成本计算而得,或者全部藉由历史成本预测得到的,再或者藉由在至少一个时段的成本和边际成本而预测得到的。在此不逐一举例。
依据本申请所提供的电力资源管理方法所得到的电费,所述电力资源管理系统还包括用户终端。被检测对象可经预先注册的方式在服务端预先登记用户终端。所述服务端基于所得到的费用生成一账单信息;并将所述账单信息发送给对应的用户终端。例如,所述服务端按照预先注册的各被检测对象的注册信息,将按照每个电力资源使用周期将实际产生的费用作为账单信息发送给相应用户终端。又如,所述服务端按照预先注册的各被检测对象的注册信息,将实际产生的费用的列表作为账单信息发送给相应用户终端。再如,所述服务端按照预先注册的各被检测对象的注册信息,将预测的费用作为账单信息发送给相应用户终端。
通过向被检测对象提供更为详细的账单信息,被检测对象更倾向于调整用电行为,由此实现了电力资源管理系统从发电侧和用电侧双向管理电力资源的目的。
综上所述,本申请所提供的电力资源管理方案,采用了根据供应各时段电力资源的成本以及用户使用电力资源的使用分布的方式进行电费计价,不仅从电费上准确反映用户行为模式对电价成本起伏的影响,更能给用户调整行为习惯的机会,以调整电力资源的管理和分配。
需要说明的是,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申请的部分或全部可借助软件并结合必需的通用硬件平台来实现。所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,还可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请还提供一种计算机可读存储介质,所述存储介质存储有至少一个程序,所述程序在被执行时实现前述的任一所述的电力资源管理方法,比如实现前述对应图1所描述的电力资源管理方法。
基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可包括其上存储有机器可执行指令的一个或多个机器可读介质,这些指令在由诸如计算机、计算机网络或其他电子设备等一个或多个机器执行时可使得该一个或多个机器根据本申请的实施例来执行操作。例如电力资源管理方法中的各步骤等。机器可读介质可包括,但不限于,软盘、光盘、CD-ROM(紧致盘-只读存储器)、磁光盘、ROM(只读存储器)、RAM(随机存取存储器)、EPROM(可擦除可编程只读存储器)、EEPROM(电可擦除可编程只读存储器)、磁卡或光卡、闪存、或适于存储机器可执行指令的其他类型的介质/机器可读介质。其中,所述存储介质可位于本地服务器也可位于第三方服务器中,如位于第三方云服务平台中。在此对具体云服务平台不做限制,如阿里云、腾讯云等。本申请可用于众多通用或专用的计算系统环境或配置中。例如:被配置为分布式系统中一个节点的个人计算机、专用服务器计算机、大型计算机等。
另外,任何连接都可以适当地称为计算机可读介质。例如,如果指令是使用同轴电缆、光纤光缆、双绞线、数字订户线(DSL)或者诸如红外线、无线电和微波之类的无线技术,从网站、服务器或其它远程源发送的,则所述同轴电缆、光纤光缆、双绞线、DSL或者诸如红外线、无线电和微波之类的无线技术包括在所述介质的定义中。然而,应当理解的是,计算机可读写存储介质和数据存储介质不包括连接、载波、信号或者其它暂时性介质,而是旨在针对于非暂时性、有形的存储介质。如申请中所使用的磁盘和光盘包括压缩光盘(CD)、激光光盘、光盘、数字多功能光盘(DVD)、软盘和蓝光光盘,其中,磁盘通常磁性地复制数据,而光盘则用激光来光学地复制数据。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
上述实施例仅例示性说明本申请的原理及其功效,而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本申请的权利要求所涵盖。
Claims (20)
1.一种电力资源管理方法,其特征在于,包括以下步骤:
利用来自检测终端依据检测时间间隔所提供的检测数据,统计被检测对象在不同时段的电力资源使用分布;
基于所统计的电力资源使用分布和各时段使用电力资源的单价,统计所述被检测对象使用电力资源的费用以对所述电力资源进行管理;其中,所述各时段使用电力资源的单价是依据供应各时段电力资源的成本而确定的。
2.根据权利要求1所述的电力资源管理方法,其特征在于,所述利用来自检测终端依据检测时间间隔所提供的检测数据,统计被检测对象在不同时段的电力资源使用分布的步骤包括:根据所述检测终端在至少一个电力资源使用周期内按照检测时间间隔所检测的检测数据,统计被检测对象在后续电力资源使用周期内不同时段的电力资源使用分布。
3.根据权利要求1或2所述的电力资源管理方法,其特征在于,所述检测终端为多个;所述统计被检测对象在不同时段的电力资源使用分布的步骤包括:
将来自同一检测终端依据检测时间间隔所提供的检测数据组成对应的检测数据集;
根据各检测数据集,将各被检测对象使用电力资源的模式进行分类,以得到由所分类的模式描述的电力资源使用分布。
4.根据权利要求3所述的电力资源管理方法,其特征在于,所述基于所统计的电力资源使用分布和各时段使用电力资源的单价,统计所述被检测对象使用电力资源的费用的步骤包括:
根据所分类的模式所描述的电力资源使用分布和各时段使用电力资源的单价,确定对应的被检测对象使用电力资源的单价;
根据属于所述模式的被检测对象使用电力资源的检测数据集和所述模式所对应的单价,统计所述被检测对象使用电力资源的费用。
5.根据权利要求3所述的电力资源管理方法,其特征在于,所述分类处理的方式包括有监督机器学习或无监督机器学习。
6.根据权利要求1所述的电力资源管理方法,其特征在于,所述电力资源使用分布包括:各单位时段内检测数据占整个电力资源使用周期内所有检测数据总和的比例。
7.根据权利要求1所述的电力资源管理方法,其特征在于,还包括依据所述费用生成一账单信息;以及将所述账单信息提供给被检测对象的步骤。
8.根据权利要求1所述的电力资源管理方法,其特征在于,还包括至少利用来自检测终端依据检测时间间隔所提供的检测数据,确定在不同时段的供应电力资源的成本的步骤。
9.根据权利要求1或8所述的电力资源管理方法,其特征在于,第n时段电力资源的成本是基于历史时段电力资源的边际成本而确定的。
10.一种服务端,其特征在于,包括:
存储单元,用于存储至少一种程序;
网络单元,用于与至少一个检测终端进行数据通信;
处理单元,用于调用并执行所述存储单元中存储的至少一个程序以实现如权利要求1-9中任一项所述的电力资源管理方法。
11.一种电力资源管理系统,其特征在于,包括:
检测终端,设置在被检测对象侧,用于获取检测数据并依据检测时间间隔发送给服务端;
服务端,与所述检测终端通信连接,用于利用所述检测数据,统计被检测对象在不同时段的电力资源使用分布;以及基于所统计的电力资源使用分布和各时段使用电力资源的单价,统计所述被检测对象使用电力资源的费用以对所述电力资源进行管理;其中,所述各时段使用电力资源的单价是依据供应各时段电力资源的成本而确定的。
12.根据权利要求11所述的电力资源管理系统,其特征在于,所述服务端利用来自检测终端依据检测时间间隔所提供的检测数据,统计被检测对象在不同时段的电力资源使用分布的方式包括:根据所述检测终端在至少一个电力资源使用周期内按照检测时间间隔所检测的检测数据,统计被检测对象在后续电力资源使用周期内不同时段的电力资源使用分布。
13.根据权利要求11或12所述的电力资源管理系统,其特征在于,所述检测终端为多个;所述服务端统计被检测对象在不同时段的电力资源使用分布的方式包括:
将来自同一检测终端依据检测时间间隔所提供的检测数据组成对应的检测数据集;
根据各检测数据集,将各被检测对象使用电力资源的模式进行分类,以得到由所分类的模式描述的电力资源使用分布。
14.根据权利要求13所述的电力资源管理系统,其特征在于,所述服务端基于所统计的电力资源使用分布和各时段使用电力资源的单价,统计所述被检测对象使用电力资源的费用的方式包括:
根据所分类的模式所描述的电力资源使用分布和各时段使用电力资源的单价,确定对应的被检测对象使用电力资源的单价;
根据属于所述模式的被检测对象使用电力资源的检测数据集和所述模式所对应的单价,统计所述被检测对象使用电力资源的费用。
15.根据权利要求13所述的电力资源管理系统,其特征在于,所述分类处理的方式包括有监督机器学习或无监督机器学习。
16.根据权利要求11所述的电力资源管理系统,其特征在于,所述电力资源使用分布包括:各单位时段内检测数据占整个电力资源使用周期内所有检测数据总和的比例。
17.根据权利要求11所述的电力资源管理系统,其特征在于,所述服务端还用于依据所述费用生成一账单信息,并将所述账单信息予以发送;
所述电力资源管理系统还包括对应于被检测对象的用户终端,用于获取并显示所述账单信息。
18.根据权利要求11所述的电力资源管理系统,其特征在于,所述服务端还用于至少利用来自检测终端依据检测时间间隔所提供的检测数据,确定在不同时段的供应电力资源的成本。
19.根据权利要求11或18所述的电力资源管理系统,其特征在于,第n时段电力资源的成本是基于历史时段电力资源的边际成本而确定的。
20.一种计算机可读存储介质,其特征在于,存储至少一种程序,所述至少一个程序在被调用并执行时实现如权利要求1-9中任一项所述的电力资源管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810989340.XA CN109190818B (zh) | 2018-08-28 | 2018-08-28 | 电力资源管理方法及系统、服务端、计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810989340.XA CN109190818B (zh) | 2018-08-28 | 2018-08-28 | 电力资源管理方法及系统、服务端、计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109190818A true CN109190818A (zh) | 2019-01-11 |
CN109190818B CN109190818B (zh) | 2021-02-09 |
Family
ID=64916425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810989340.XA Active CN109190818B (zh) | 2018-08-28 | 2018-08-28 | 电力资源管理方法及系统、服务端、计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109190818B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110473309A (zh) * | 2019-07-30 | 2019-11-19 | 青岛海信网络科技股份有限公司 | 一种地铁能源表计数据处理方法及装置 |
CN111080122A (zh) * | 2019-12-13 | 2020-04-28 | 西安锐驰电器有限公司 | 一种电力资源分配管理方法 |
CN113298281A (zh) * | 2020-09-22 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 一种资源处理方法、装置、设备和机器可读介质 |
CN116362421A (zh) * | 2023-05-31 | 2023-06-30 | 天津市普迅电力信息技术有限公司 | 一种基于能源综合统筹分析的供能分配预测系统及其方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102376026A (zh) * | 2011-10-31 | 2012-03-14 | 冶金自动化研究设计院 | 工业企业用电负荷优化系统 |
CN103679357A (zh) * | 2013-12-06 | 2014-03-26 | 国网山东省电力公司 | 基于价格和激励的电力需求响应的智能决策方法 |
CN104156829A (zh) * | 2014-08-20 | 2014-11-19 | 国网浙江余姚市供电公司 | 一种信息管理系统 |
CN106058851A (zh) * | 2016-05-27 | 2016-10-26 | 南方电网科学研究院有限责任公司 | 基于需求响应的电力资源配置方法和系统 |
CN107733993A (zh) * | 2017-09-20 | 2018-02-23 | 成都秦川物联网科技股份有限公司 | 基于复合物联网的电费收取方法及物联网系统 |
CN107748931A (zh) * | 2017-10-20 | 2018-03-02 | 江苏电力信息技术有限公司 | 一种基于最小二乘法的电费收入预测方法 |
-
2018
- 2018-08-28 CN CN201810989340.XA patent/CN109190818B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102376026A (zh) * | 2011-10-31 | 2012-03-14 | 冶金自动化研究设计院 | 工业企业用电负荷优化系统 |
CN103679357A (zh) * | 2013-12-06 | 2014-03-26 | 国网山东省电力公司 | 基于价格和激励的电力需求响应的智能决策方法 |
CN104156829A (zh) * | 2014-08-20 | 2014-11-19 | 国网浙江余姚市供电公司 | 一种信息管理系统 |
CN106058851A (zh) * | 2016-05-27 | 2016-10-26 | 南方电网科学研究院有限责任公司 | 基于需求响应的电力资源配置方法和系统 |
CN107733993A (zh) * | 2017-09-20 | 2018-02-23 | 成都秦川物联网科技股份有限公司 | 基于复合物联网的电费收取方法及物联网系统 |
CN107748931A (zh) * | 2017-10-20 | 2018-03-02 | 江苏电力信息技术有限公司 | 一种基于最小二乘法的电费收入预测方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110473309A (zh) * | 2019-07-30 | 2019-11-19 | 青岛海信网络科技股份有限公司 | 一种地铁能源表计数据处理方法及装置 |
CN111080122A (zh) * | 2019-12-13 | 2020-04-28 | 西安锐驰电器有限公司 | 一种电力资源分配管理方法 |
CN113298281A (zh) * | 2020-09-22 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 一种资源处理方法、装置、设备和机器可读介质 |
CN113298281B (zh) * | 2020-09-22 | 2022-11-22 | 阿里巴巴集团控股有限公司 | 一种资源处理方法、装置、设备和机器可读介质 |
CN116362421A (zh) * | 2023-05-31 | 2023-06-30 | 天津市普迅电力信息技术有限公司 | 一种基于能源综合统筹分析的供能分配预测系统及其方法 |
CN116362421B (zh) * | 2023-05-31 | 2023-10-10 | 天津市普迅电力信息技术有限公司 | 一种基于能源综合统筹分析的供能分配预测系统及其方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109190818B (zh) | 2021-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109190818A (zh) | 电力资源管理方法及系统、服务端、计算机可读存储介质 | |
Dagdougui et al. | Neural network model for short-term and very-short-term load forecasting in district buildings | |
CN106707778B (zh) | 一种基于模型预测控制的家庭综合能源智能优化管理系统 | |
Gungor et al. | A survey on smart grid potential applications and communication requirements | |
US10282795B2 (en) | Real-time forecasting of electricity demand in a streams-based architecture with applications | |
Jain et al. | Survey on smart grid technologies-smart metering, IoT and EMS | |
Sui et al. | A demand side management model based on advanced metering infrastructure | |
CN109001528A (zh) | 一种非侵入式分项计量采集系统 | |
CN110910183B (zh) | 基于边缘计算的智慧社区仪表数据快速处理系统及方法 | |
CN105226826B (zh) | 分布式智能用电管理方法及系统 | |
CN102969720B (zh) | 一种能够在智能电网中应用的负载动态控制和分析方法 | |
Vukmirović et al. | Software architecture for smart metering systems with virtual power plant | |
CN103033680A (zh) | 功率测量系统 | |
CN102571429B (zh) | 一种面向对象的智能配用电通信业务分析方法及相应装置 | |
CN109038678A (zh) | 基于大数据的园区分布式能源智能管控系统 | |
CN114861539A (zh) | 一种5g城市综合能源互联网数字孪生系统建模与实现方法 | |
CN105226827A (zh) | 一种分布式智能用电管理方法及系统 | |
CN102956096A (zh) | 基于epon和无线自组网技术的用电信息采集系统 | |
Safari et al. | Intelligent Management of the Electricity Distribution Network based on the Internet of Energy | |
CN113131487B (zh) | 基于调压图案的台区识别方法、装置、存储介质及电子设备 | |
Lukovic et al. | A system level model of possible integration of building management system in smartgrid | |
CN103885425A (zh) | 一种基于网络计量装置的云服务家庭能效管理系统 | |
CN204856192U (zh) | 一种含分布式电源管理的智能交互终端设备 | |
CN113673141A (zh) | 一种基于数据驱动的能量路由器建模及优化控制方法 | |
Gomes et al. | Microgrid demonstration gateway for players communication and load monitoring and management |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20190509 Address after: 710077 Room 101, Block B, Yunhui Valley, 156 Tiangu Eighth Road, New Town, Yuhua Street Software, Xi'an High-tech Zone, Shaanxi Province Applicant after: Cross Information Core Technology Research Institute (Xi'an) Co., Ltd. Address before: 100084 Tsinghua Yuan, Beijing, Haidian District Applicant before: Tsinghua University |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |