CN109726872A - 一种能耗预测方法、装置、存储介质及电子设备 - Google Patents
一种能耗预测方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN109726872A CN109726872A CN201811653793.1A CN201811653793A CN109726872A CN 109726872 A CN109726872 A CN 109726872A CN 201811653793 A CN201811653793 A CN 201811653793A CN 109726872 A CN109726872 A CN 109726872A
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- data
- consumption data
- preset time
- history
- 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
- 238000005265 energy consumption Methods 0.000 title claims abstract description 252
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000021715 photosynthesis, light harvesting Effects 0.000 claims abstract description 85
- 238000009826 distribution Methods 0.000 claims abstract description 51
- 241001269238 Data Species 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 8
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种能耗预测方法、装置、存储介质及电子设备，涉及电网的用电信息处理领域。该能耗预测方法、装置、存储介质及电子设备包括：获取火电机组在历史预设时间段内各预设时间间隔的历史能耗数据，对所述历史能耗数据进行预处理，得到符合预设条件的历史有效能耗数据；分别得到第一平均值和第一分布比例；根据所述第一平均值和所述第一分布比例，得到第一累计值；获取第二累计值，根据所述第一累计值、所述第二累计值以及单位时间，得到偏差值；根据偏差值对历史有效能耗数据进行修正，得到预测计划预设时间段内的预设时间间隔的能耗数据。使用该方法，更准确、更有效的预测能耗的分布状况。
Description
技术领域
本发明涉及电力能耗预测分析领域，具体而言，涉及一种能耗预测方法、装置、存储介质及电子设备。
背景技术
能耗水平是火力发电重点控制的关键指标之一，火力发电厂往往会制定机组的年度、月度的能耗控制目标，该目标的制定既考虑到机组的结构特点、运行条件以及以往的能耗水平，也考虑到对能耗管理提升的目标、设备系统的技改等因素。
现有技术的能耗完成情况的分析，通常是通过在能耗控制目标所规定的时间段内，通过统计该时间段已经累计产生的平均能耗数据，分析该能耗水平与能耗控制目标的差距。
但是，现有技术通过累计产生的平均能耗分析该能耗水平与能耗控制目标的差距，相对准确的比较工作需要一部分人为判断过程，人为判断缺乏准确的量化指标，很难对存在的能耗水平进行定量化的分析判断，另外如果采用人为判断缺乏大量数据的处理能力，判断的准确性受人的经验影响。
发明内容
本发明的目的在于，针对上述现有技术中的不足，提供一种能耗预测方法、装置、存储介质及电子设备，其能够更准确、更有效的预测能耗的分布状况。
为实现上述目的，本发明实施例采用的技术方案如下：
第一方面，本发明实施例提供了一种能耗预测方法，包括：
获取火电机组在历史预设时间段内各预设时间间隔的历史能耗数据，对所述历史能耗数据进行预处理，得到符合预设条件的历史有效能耗数据；
根据所述历史有效能耗数据按照预设时间类别以及预设能耗数据区间，分别得到各所述预设时间类别下各预设能耗数据区间内的能耗数据的第一平均值和第一分布比例；
根据所述第一平均值和所述第一分布比例，得到各所述预设时间类别下各预设能耗数据区间在所述历史预设时间段内有效能耗数据的第一累计值；
获取各所述预设时间类别下各预设能耗数据区间在计划预设时间段内能耗数据的第二累计值，根据所述第一累计值、所述第二累计值以及单位时间，得到历史预设时间段内各预设时间间隔的历史有效能耗数据的偏差值；
根据所述预设时间间隔的历史有效能耗数据的偏差值对每个在历史预设时间段内各预设时间间隔的历史有效能耗数据进行修正，得到预测计划预设时间段内的预设时间间隔的能耗数据。
一种实施方式中，所述能耗数据包括用电负荷和供电流量，所述火电机组包括发电机组和供热机组。
一种实施方式中，所述对所述历史能耗数据进行预处理，得到符合预设条件的历史有效能耗数据的步骤，包括：
删除所述历史能耗数据中出现历史能耗数据中断的时间段，以及所述历史能耗数据超过阈值或出现异常值的时间段，得到删除后的历史有效用电负荷数据和历史有效供热流量数据。
一种实施方式中，所述预设时间类别包括工作日、节假日和正常休假日中至少一种时间类别。
一种实施方式中，所述根据所述历史有效能耗数据按照预设时间类别以及预设能耗数据区间，分别得到各所述预设时间类别下各预设能耗数据区间内的能耗数据的第一平均值和第一分布比例的步骤，包括：
按照预设时间类别从所述历史有效能耗数据中提取每一个时间类别中各预设时间间隔对应的历史有效能耗数据，并对每一个时间类别中各预设时间间隔对应的历史有效能耗数据按照预设能耗数据区间进行分类，得到每一段预设能耗数据区间内分布的每一个时间类别中各预设时间间隔对应的多个历史有效能耗数据以及分布数量；
根据所述每一段预设能耗数据区间内分布的每一个时间类别中各预设时间间隔对应的多个历史有效能耗数据以及分布数量，得到每一段预设能耗数据区间内的历史有效能耗数据的第一平均值以及每一段预设能耗数据区间内的历史有效能耗数据的数量在所述历史有效能耗数据的总数量的第一分布比例。
一种实施方式中，所述获取各所述预设时间类别下各预设能耗数据区间在计划预设时间段内能耗数据的第二累计值的步骤，包括：
获取火电机组在计划预设时间段内按照预设时间间隔的计划能耗数据；
按照所述时间类别从所述计划能耗数据中提取每一个时间类别中各预设时间间隔对应的计划能耗数据，并对每一个时间类别中各预设时间间隔对应的计划能耗数据按照预设能耗数据的区间进行分类，得到每一段预设能耗数据区间内分布的每一个时间类别中各预设时间间隔对应的多个计划能耗数据以及分布数量；
根据所述每一段预设能耗数据区间内分布的每一个时间类别中各预设时间间隔对应的多个计划能耗数据以及分布数量，得到每一段预设能耗数据区间内的计划能耗数据的第二平均值以及每一段预设能耗数据区间内的计划能耗数据的数量在所述计划能耗数据的总数量的第二分布比例；
根据所述第二平均值和第二分布比例，得到各所述预设时间类别下各预设能耗数据区间在所述历史预设时间段内有效能耗数据的第二累计值。
一种实施方式中，所述方法还包括：
获取在计划预设时间段内预计运行时间和天气预测数据；
根据所述预测计划预设时间段内的预设时间间隔的能耗数据、预计运行时间和天气预设数据得到在所述计划预设时间段内预测预计运行时间的能耗数据。
第二方面，本发明实施例还提供了一种能耗预测装置，包括：
获取模块，用于获取火电机组在历史预设时间段内各预设时间间隔的历史能耗数据，对所述历史能耗数据进行预处理，得到符合预设条件的历史有效能耗数据；
分类模块，用于根据所述历史有效能耗数据按照预设时间类别以及预设能耗数据区间，分别得到各所述预设时间类别下各预设能耗数据区间内的能耗数据的第一平均值和第一分布比例；
累计模块，用于根据所述第一平均值和所述第一分布比例，得到各所述预设时间类别下各预设能耗数据区间在所述历史预设时间段内有效能耗数据的第一累计值；
偏差值模块，用于获取各所述预设时间类别下各预设能耗数据区间在计划预设时间段内能耗数据的第二累计值，根据所述第一累计值、所述第二累计值以及单位时间，得到历史预设时间段内各预设时间间隔的历史有效能耗数据的偏差值；
修正模块，根据所述预设时间间隔的历史有效能耗数据的偏差值对每个在历史预设时间段内各预设时间间隔的历史有效能耗数据进行修正，得到预测计划预设时间段内的预设时间间隔的能耗数据。
第三方面，本发明实施例还提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器读取并运行时，实现第一方面任一项所述的能耗预测方法。
第四方面，本发明实施例还提供了一种电子设备，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行时执行如第一方面任一所述的能耗预测方法的步骤。
本发明的有益效果是：
本发明实施例提供的一种能耗预测方法、装置、存储介质及电子设备，通过采集火电机组在历史预设时间段内各预设时间间隔的历史能耗数据，并对历史能耗数据进行预处理得到历史有效能耗数据，并对历史有效能耗数据进行分类计算第一平均值和第一分布比例，通过第一平均值、第一分布比例和单位时间得到历史有效能耗数据的第一累计值，获取计划能耗数据的第二累计值，并根据第二累计值和第一累计值进行差值运算得到单位时间的偏差值，最后根据偏差值对历史有效能耗数据进行修正，通过偏差值对历史有效能耗数据的修正使得该能耗预测方法更有效、更准确的预测未来的能耗数据，并根据能耗数据的预测结果调整发电计划。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的能耗预测方法步骤流程示意图；
图2为本发明实施例提供的第一分布比例计算步骤示意图；
图3为本发明实施例提供的第二累计值计算步骤示意图；
图4为本发明实施例提供的能耗预测装置结构示意图。
图标：101-获取模块；102-分类模块；103-累计模块；104- 偏差值模块；105-修正模块。
具体实施方式
下面将结合本公开实施例中附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本公开实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域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，都属于本公开保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本公开的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
图1为本发明实施例提供的能耗预测方法步骤流程示意图，请参照图1，本发明实施例提供一种能耗预测方法，包括：
S101、获取火电机组在历史预设时间段内各预设时间间隔的历史能耗数据，对历史能耗数据进行预处理，得到符合预设条件的历史有效能耗数据。
具体的，历史预设时间可以是以前使用的能耗数据中的1 年、半年或者4个月，预设时间间隔可以是这历史预设时间内的某个时间段，例如是：1天、1小时、5分钟或者1分钟，在本实施例中，为了使能耗预测数据更加准确，历史预设时间以1 年为例，预设时间间隔以1分钟的时间间隔为例，获取火电机组在1年内每1分钟的能耗数据，并对获取的能耗数据进行预处理，预处理是删除不符合条件的历史能耗数据，得到符合条件的历史能耗数据，也称为历史有效能耗数据。
S102、根据历史有效能耗数据按照预设时间类别以及预设能耗数据区间，分别得到各预设时间类别下各预设能耗数据区间内的能耗数据的第一平均值和第一分布比例。
具体的，由于在不同时间类型的每天用电量不同，因此，可以按照预设时间类别进行分类，具体按照节假日、工作日和正常休假日的时间类别进行分类，该节假日在中国是包括五一小长假、端午节假、十一长假和春节假等，具体可以根据地域不同而设置，正常休假日是周六和周天，工作日是除了节假日的周一至周五，预设能耗数据区间可以是根据历史有效能耗数据的分布情况来设置数据间隔，例如：10kw·h、20kw·h、30kw·h 或者50kw·h等。
例如，选取一个工作日的周一，按照每分钟的时间间隔采集能耗数据，一天总共采集1440个能耗数据，删除不符合条件的历史能耗数据10个，得到1430个历史有效能耗数据，对历史有效能耗数据按照预设能耗数据区进行分类，其中，预设能耗数据区间为[100，120)、[120，140)、···、[200，220)，得到能耗数据区间的[100，120)的数量为143个，平均值为110；能耗数据区间的[120，140)的数量为200个，平均值为130；依次计算用能耗数据区间的[200，220)的数量为286个，平均值为210。计算能耗数据区间在[100，120)数据的分布比例为 143/1430*100％＝10％，能耗数据区间在[120，140)数据的分布比例为200/1430*100％＝14％，依次计算，能耗数据区间在[200， 220)数据的分布比例为286/1430*100％＝20％。
S103、根据第一平均值和第一分布比例，得到各预设时间类别下各预设能耗数据区间在历史预设时间段内有效能耗数据的第一累计值。
具体的，第一累计值＝第一平均值*第一分布比例*单位时间，其中，第一平均值和第一分布比例是根据S102步骤得到的，单位时间是根据选取的预设时间类别，在本实施例中，单位时间是周一分钟点总数减掉删除的时间段的总数，该单位时间应该是24*60-10＝1430分钟。
例如，根据S102按照预设能耗区间得到的第一平均值是110、 130、···、210，对应的第一平均比例分别10％、14％、···、20％，按照公式S1＝110*10％*(24*60-10)+130*14％*(24*60-10) +···+210*20％*(24*60-10)，计算得到各预设时间类别下各预设能耗数据区间在历史预设时间段内有效能耗数据的第一累计值 S1。
S104、获取各预设时间类别下各预设能耗数据区间在计划预设时间段内能耗数据的第二累计值，根据第一累计值、第二累计值以及单位时间，得到历史预设时间段内各预设时间间隔的历史有效能耗数据的偏差值。
具体的，本申请最终的目的是得到预测能耗数据，对历史有效能耗数据和计划能耗数据来算偏差值，是为了更好地去得到预测的计划预设时间段内的预测能耗数据，进行偏差值计算需要计算各预设时间类别下各预设能耗数据区间在计划预设时间段内能耗数据的第二累计值S2和周一分钟点总数减掉删除的时间段的总数，该单位时间是24*60-10＝1430分钟，根据公式偏差值＝(第二累计值-第一累计值)/单位时间＝(S2-S1)/1430，得到偏差值。
S105、根据所述预设时间间隔的历史有效能耗数据的偏差值对每个在历史预设时间段内各预设时间间隔的历史有效能耗数据进行修正，得到预测计划预设时间段内的预设时间间隔的能耗数据。
具体的，根据S104得到的历史有效能耗数据的偏差值，根据偏差值的量对预设时间间隔的历史有效能耗数据进行修正，修正后的数据就是预测计划预设时间段内的预设时间间隔的能耗数据。
例如，预设每分钟历史有效能耗数据为110、118、123、 122、···、124，若偏差值C为1.1，那么对每个历史有效能耗数据加上1.1进行修正，得到修正后每分钟的能耗预测数据为111.1、 118.1、123.1、122.1、···、124.1，根据每分钟的能耗预测数据得到周一一天每分钟能耗数据的预测分布，同理，若偏差值C为-1.1，那么对每个历史有效能耗数据减去1.1进行修正，得到修正后的每分钟的能耗预测数据为108.9、116.9、121.9、120.9、···、122.9，根据每分钟的能耗预测数据得到周一一天每分钟能耗数据的预测分布。
本发明实施例提供的一种能耗预测方法，通过采集火电机组在历史预设时间段内各预设时间间隔的历史能耗数据，并对历史能耗数据进行预处理得到历史有效能耗数据，然后对历史有效能耗数据进行分类计算第一平均值和第一分布比例，通过第一平均值、第一分布比例和单位时间得到历史有效能耗数据的第一累计值，获取计划能耗数据的第二累计值，并根据第二累计值和第一累计值进行差值运算得到单位时间的偏差值，最后根据偏差值对历史有效能耗数据进行修正，通过偏差值对历史有效能耗数据的修正使得该能耗预测方法更有效、更准确的预测未来的能耗数据，并根据能耗数据的预测结果调整发电计划。
在一种实施方式中，能耗数据包括用电负荷和供电流量，火电机组包括发电机组和供热机组。
具体的，火电机组包括发电机组和供热机组，发电机组用于燃煤烧水产生水蒸气，水蒸气进入汽轮车间的汽轮机使转子快速转动发电，供热机组用于燃煤烧水产生水蒸气，水蒸气进入供热管道进行供热，能耗数据包括燃煤量、发电量、用电负荷和供热流量等，发电机组可以是一个或多个，供热机组可以是一个或多个，本实施例的能耗数据以用电负荷和供热流量为例进行说明。
在一种实施方式中，对历史能耗数据进行预处理，得到符合预设条件的历史有效能耗数据的步骤，包括：删除历史能耗数据中出现历史能耗数据中断的时间段，以及历史能耗数据超过阈值或出现异常值的时间段，得到删除后的历史有效用电负荷数据和历史有效供热流量数据。
具体的，为了满足数据完整性的要求，历史能耗数据中断的时间段不符合数据完整性要求的，因此删除历史能耗数据中断的时间段，为了满足数据合理性的要求，不可以出现超过历史能耗数据范围的值，因此删除历史能耗数据中超过阈值的数据，根据工况代表性的要求，不能出现异常值数据，该异常值数据包括不满足机组变化率的时间段，因此删除出现异常值的时间段。
需要说明的是，被删除的时间段内的所有能耗相关数据均视为不符合数据，不参与后续数据分析处理。
例如，获取发电机组在1年内每隔1分钟的用电负荷，获取供热机组在1年内每隔1分钟用的供热流量，并对获取的用电负荷和供热流量分别进行预处理，得到历史有效用电负荷和历史有效供热流量。历史有效用电负荷和历史有效供热流量的范围是50～230，若在周一早上9:00-9:01取到的值是20，则需要删除取值20所属的9:00-9:01时间段，若在周一下午2:00-2:01，采集能耗数据时发现数据出现中断情况，则删除2:00-2:01的时间段。
在一种实施方式中，所述预设时间类别包括工作日、节假日和正常休假日中至少一种时间类别。
具体的，由于工作日、节假日和正常休假日的用电负荷和供热流量会有差距，因此将工作日、节假日和正常休假日的用电负荷和供热流量进行分类计算，能够更加准确地预测用电负荷和供热流量分布。
在一种实施方式中，图2为本发明实施例提供的第一分布比例计算步骤示意图，请参照图2，根据历史有效能耗数据按照预设时间类别以及预设能耗数据区间，分别得到各所述预设时间类别下各预设能耗数据区间内的能耗数据的第一平均值和第一分布比例的步骤，包括：
S201、按照预设时间类别从历史有效能耗数据中提取每一个时间类别中各预设时间间隔对应的历史有效能耗数据，并对每一个时间类别中各预设时间间隔对应的历史有效能耗数据按照预设能耗数据区间进行分类，得到每一段预设能耗数据区间内分布的每一个时间类别中各预设时间间隔对应的多个历史有效能耗数据以及分布数量；
S202、根据每一段预设能耗数据区间内分布的每一个时间类别中各预设时间间隔对应的多个历史有效能耗数据以及分布数量，得到每一段预设能耗数据区间内的历史有效能耗数据的第一平均值以及每一段预设能耗数据区间内的历史有效能耗数据的数量在历史有效能耗数据的总数量的第一分布比例。
具体的，在本实施例中，预设时间类别包括工作日、节假日和正常休假日中至少一种时间类别，预设能耗数据区间包括预设用电负荷数据区间和预设供热流量数据区间，按照预设时间类别分别从历史有效用电负荷和历史有效供热流量中提取每一个时间类别中各预设时间间隔对应的历史有效用电负荷和历史有效供热流量，本实施例以节假日以外的工作日中的周二为例，假如预设时间间隔为5分钟，周二一天总共采集288个用电负荷数据，有20个数据是异常数据或者超过阈值的数据，则删除20个数据所属的时间段，剩余268个历史有效用电负荷数据，并根据预设用电负荷数据区间为[100，120)、[120，140)、···、[200，220)，得到预设用电负荷数据区间的[100，120)的数量是32个，平均值为110；预设用电负荷数据区间的[120，140) 的数量是35个，平均值为130；依次计算用预设用电负荷数据区间的[200，220)的数量54个，平均值为210，预设供热流量数据区间计算数量和平均值的方法和预设用电负荷数据区间计算数量和平均值的方法，在此不一一赘述。
进一步的，根据预设用电负荷数据区间的数量，计算预设用电负荷数据区间数量占历史有效用电负荷总数据量的比例，预设用电负荷数据区间的[100，120)的分布比例为32/268*100％＝12％，预设用电负荷数据区间的[120，140)的分布比例为35/268*100％＝13％，依次计算预设用电负荷数据区间的[200，220)的分布比例为54/268*100＝20％，预设供热流量数据区间计算分布比例的方法和预设用电负荷数据区间计算分布的方法类似，在此不一一赘述。
需要说明的是，上述分布比例只是在列举实施例，分布比例在实际计算过程中为了准确度会保留两位小数。
在一种实施方式中，图3为本发明实施例提供的第二累计值计算步骤示意图，请参照图3，所述获取各所述预设时间类别下各预设能耗数据区间在计划预设时间段内能耗数据的第二累计值的步骤，包括：
S301、获取火电机组在计划预设时间段内按照预设时间间隔的计划能耗数据。
S302、按照时间类别从所述计划能耗数据中提取每一个时间类别中各预设时间间隔对应的计划能耗数据，并对每一个时间类别中各预设时间间隔对应的计划能耗数据按照预设能耗数据区间进行分类，得到每一段预设能耗数据区间内分布的每一个时间类别中各预设时间间隔对应的多个计划能耗数据以及分布数量。
S303、根据每一段预设能耗数据区间内分布的每一个时间类别中各预设时间间隔对应的多个计划能耗数据以及分布数量，得到每一段预设能耗数据区间内的计划能耗数据的第二平均值以及每一段预设能耗数据区间内的计划能耗数据的数量在计划能耗数据的总数量的第二分布比例。
S304、根据第二平均值和第二分布比例，得到各预设时间类别下各预设能耗数据区间在计划预设时间段内能耗数据的第二累计值。
具体的，获取发电机组在计划预设时间段内按照预设时间间隔的计划用电负荷数据，按照时间类别从所述计划用电负荷数据中提取每一个时间类别中各预设时间间隔对应的计划用电负荷数据，并对每一个时间类别中各预设时间间隔对应的计划用电负荷数据按照预设用电负荷数据区间进行分类，得到每一段预设用电负荷数据区间内分布的每一个时间类别中各预设时间间隔对应的多个计划用电负荷数据以及分布数量；根据每一段预设用电负荷数据区间内分布的每一个时间类别中各预设时间间隔对应的多个计划用电负荷数据以及分布数量，得到每一段预设用电负荷数据区间内的计划用电负荷数据的第二平均值以及每一段预设用电负荷数据区间内的计划用电负荷数据的数量在计划用电负荷数据的总数量的第二分布比例；根据第二平均值和第二分布比例，得到各预设时间类别下各预设用电负荷数据区间在计划预设时间段内用电负荷数据的第二累计值，各预设时间类别下各预设用电负荷数据区间在计划预设时间段内供热流量数据的第二累计值计算方法与各预设时间类别下各预设用电负荷数据区间在计划预设时间段内用电负荷数据的第二累计值的计算方法类似，在此不一一赘述。
需要说明的是，获取计划预设时间段内用电负荷数据和计划预设时间段内供热流量数据时，删除对应出现用电负荷和供热流量中断的历史预设时间段，该操作可以保证预测用电负荷数据和供热流量数据的一致性和准确性。
在一种实施方式中，上述方法还包括：获取在计划预设时间段内预计运行时间和天气预测数据；根据预测计划预设时间段内的预设时间间隔的能耗数据、预计运行时间和天气预设数据得到在计划预设时间段内预测预计运行时间的能耗数据。
具体的，获取计划预设时间段内预计运行时间和天气预测数据，根据预测计划预设时间段内的预设时间间隔的用电负荷数据、预计运行时间和天气预设数据得到在计划预设时间段内预测预计运行时间的用电负荷数据，同样，获取计划预设时间段内预计运行时间和天气预测数据，根据预测计划预设时间段内的预设时间间隔的供热流量数据、预计运行时间和天气预设数据得到在计划预设时间段内预测预计运行时间的用电负荷数据。
图4为本发明实施例提供的能耗预测装置结构示意图，请参照图4，本发明实施例提供了一种能耗预测装置，包括：
获取模块101，用于获取火电机组在历史预设时间段内各预设时间间隔的历史能耗数据，对所述历史能耗数据进行预处理，得到符合预设条件的历史有效能耗数据。
分类模块102，用于根据所述历史有效能耗数据按照预设时间类别以及预设能耗数据区间，分别得到各所述预设时间类别下各预设能耗数据区间内的能耗数据的第一平均值和第一分布比例。
累计模块103，用于根据所述第一平均值和所述第一分布比例，得到各所述预设时间类别下各预设能耗数据区间在所述历史预设时间段内有效能耗数据的第一累计值。
偏差值模块104，用于获取各所述预设时间类别下各预设能耗数据区间在计划预设时间段内能耗数据的第二累计值，根据所述第一累计值、所述第二累计值以及单位时间，得到历史预设时间段内各预设时间间隔的历史有效能耗数据的偏差值。
修正模块105，根据所述预设时间间隔的历史有效能耗数据的偏差值对每个在历史预设时间段内各预设时间间隔的历史有效能耗数据进行修正，得到预测计划预设时间段内的预设时间间隔的能耗数据。
上述装置用于执行前述实施例提供的方法，其实现原理和技术效果类似，在此不再赘述。
本发明实施例提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器读取并运行时，实现第一实施例的能耗预测方法。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，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。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(英文： processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取存储器(英文：Random Access Memory，简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例提供了一种电子设备，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行时执行如第一实施例的能耗预测方法的步骤。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
Claims (10)
1.一种能耗预测方法，其特征在于，包括：
获取火电机组在历史预设时间段内各预设时间间隔的历史能耗数据，对所述历史能耗数据进行预处理，得到符合预设条件的历史有效能耗数据；
根据所述历史有效能耗数据按照预设时间类别以及预设能耗数据区间，分别得到各所述预设时间类别下各预设能耗数据区间内的能耗数据的第一平均值和第一分布比例；
根据所述第一平均值和所述第一分布比例，得到各所述预设时间类别下各预设能耗数据区间在所述历史预设时间段内有效能耗数据的第一累计值；
获取各所述预设时间类别下各预设能耗数据区间在计划预设时间段内能耗数据的第二累计值，根据所述第一累计值、所述第二累计值以及单位时间，得到历史预设时间段内各预设时间间隔的历史有效能耗数据的偏差值；
根据所述预设时间间隔的历史有效能耗数据的偏差值对每个在历史预设时间段内各预设时间间隔的历史有效能耗数据进行修正，得到预测计划预设时间段内的预设时间间隔的能耗数据。
2.根据权利要求1所述的能耗预测方法，其特征在于，所述能耗数据包括用电负荷和供电流量，所述火电机组包括发电机组和供热机组。
3.根据权利要求2所述的能耗预测方法，其特征在于，所述对所述历史能耗数据进行预处理，得到符合预设条件的历史有效能耗数据的步骤，包括：
删除所述历史能耗数据中出现历史能耗数据中断的时间段，以及所述历史能耗数据超过阈值或出现异常值的时间段，得到删除后的历史有效用电负荷数据和历史有效供热流量数据。
4.根据权利要求3所述的能耗预测方法，其特征在于，所述预设时间类别包括工作日、节假日和正常休假日中至少一种时间类别。
5.根据权利要求4所述的能耗预测方法，其特征在于，所述根据所述历史有效能耗数据按照预设时间类别以及预设能耗数据区间，分别得到各所述预设时间类别下各预设能耗数据区间内的能耗数据的第一平均值和第一分布比例的步骤，包括：
按照预设时间类别从所述历史有效能耗数据中提取每一个时间类别中各预设时间间隔对应的历史有效能耗数据，并对每一个时间类别中各预设时间间隔对应的历史有效能耗数据按照预设能耗数据区间进行分类，得到每一段预设能耗数据区间内分布的每一个时间类别中各预设时间间隔对应的多个历史有效能耗数据以及分布数量；
根据所述每一段预设能耗数据区间内分布的每一个时间类别中各预设时间间隔对应的多个历史有效能耗数据以及分布数量，得到每一段预设能耗数据区间内的历史有效能耗数据的第一平均值以及每一段预设能耗数据区间内的历史有效能耗数据的数量在所述历史有效能耗数据的总数量的第一分布比例。
6.根据权利要求5所述的能耗预测方法，其特征在于，所述获取各所述预设时间类别下各预设能耗数据区间在计划预设时间段内能耗数据的第二累计值的步骤，包括：
获取火电机组在计划预设时间段内按照预设时间间隔的计划能耗数据；
按照所述时间类别从所述计划能耗数据中提取每一个时间类别中各预设时间间隔对应的计划能耗数据，并对每一个时间类别中各预设时间间隔对应的计划能耗数据按照预设能耗数据的区间进行分类，得到每一段预设能耗数据区间内分布的每一个时间类别中各预设时间间隔对应的多个计划能耗数据以及分布数量；
根据所述每一段预设能耗数据区间内分布的每一个时间类别中各预设时间间隔对应的多个计划能耗数据以及分布数量，得到每一段预设能耗数据区间内的计划能耗数据的第二平均值以及每一段预设能耗数据区间内的计划能耗数据的数量在所述计划能耗数据的总数量的第二分布比例；
根据所述第二平均值和第二分布比例，得到各所述预设时间类别下各预设能耗数据区间在所述计划预设时间段内能耗数据的第二累计值。
7.根据权利要求1所述的能耗预测方法，其特征在于，所述方法还包括：
获取在计划预设时间段内预计运行时间和天气预测数据；
根据所述预测计划预设时间段内的预设时间间隔的能耗数据、预计运行时间和天气预设数据得到在所述计划预设时间段内预测预计运行时间的能耗数据。
8.一种能耗预测装置，其特征在于，包括：
获取模块，用于获取火电机组在历史预设时间段内各预设时间间隔的历史能耗数据，对所述历史能耗数据进行预处理，得到符合预设条件的历史有效能耗数据；
分类模块，用于根据所述历史有效能耗数据按照预设时间类别以及预设能耗数据区间，分别得到各所述预设时间类别下各预设能耗数据区间内的能耗数据的第一平均值和第一分布比例；
累计模块，用于根据所述第一平均值和所述第一分布比例，得到各所述预设时间类别下各预设能耗数据区间在所述历史预设时间段内有效能耗数据的第一累计值；
偏差值模块，用于获取各所述预设时间类别下各预设能耗数据区间在计划预设时间段内能耗数据的第二累计值，根据所述第一累计值、所述第二累计值以及单位时间，得到历史预设时间段内各预设时间间隔的历史有效能耗数据的偏差值；
修正模块，根据所述预设时间间隔的历史有效能耗数据的偏差值对每个在历史预设时间段内各预设时间间隔的历史有效能耗数据进行修正，得到预测计划预设时间段内的预设时间间隔的能耗数据。
9.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器读取并运行时，实现如权利要求1-7任一项所述的能耗预测方法。
10.一种电子设备，其特征在于，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行时执行如权利要求1-7任一所述的能耗预测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811653793.1A CN109726872B (zh) | 2018-12-29 | 2018-12-29 | 一种能耗预测方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811653793.1A CN109726872B (zh) | 2018-12-29 | 2018-12-29 | 一种能耗预测方法、装置、存储介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109726872A true CN109726872A (zh) | 2019-05-07 |
| CN109726872B CN109726872B (zh) | 2021-03-02 |
Family
ID=66298634
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811653793.1A Active CN109726872B (zh) | 2018-12-29 | 2018-12-29 | 一种能耗预测方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109726872B (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110490639A (zh) * | 2019-07-22 | 2019-11-22 | 精硕科技（北京）股份有限公司 | 一种数据量监控方法、修正方法、系统和计算机设备 |
| CN111122963A (zh) * | 2019-12-03 | 2020-05-08 | 深圳供电局有限公司 | 一种计量自动化系统电表分时电量异常判断与修复方法 |
| CN111177651A (zh) * | 2019-12-03 | 2020-05-19 | 深圳供电局有限公司 | 一种计量自动化系统电表分时缺失表码拟合方法 |
| CN111339156A (zh) * | 2020-02-07 | 2020-06-26 | 京东城市(北京)数字科技有限公司 | 业务数据的长期确定方法、装置和计算机可读存储介质 |
| CN111915089A (zh) * | 2020-08-07 | 2020-11-10 | 青岛洪锦智慧能源技术有限公司 | 一种污水处理厂泵组能耗的预测方法及其装置 |
| CN112085301A (zh) * | 2019-06-12 | 2020-12-15 | 普天信息技术有限公司 | 一种评估企业能耗数据的方法及装置 |
| CN112163728A (zh) * | 2020-08-24 | 2021-01-01 | 珠海格力电器股份有限公司 | 一种能耗数据处理方法、装置、电子设备及存储介质 |
| CN112215444A (zh) * | 2020-12-09 | 2021-01-12 | 平安科技（深圳）有限公司 | 基于分布曲线的预测方法、装置、设备及存储介质 |
| CN112543536A (zh) * | 2020-12-14 | 2021-03-23 | 上海大学 | 一种教室照明设施自动关闭装置及方法 |
| CN113065979A (zh) * | 2021-03-22 | 2021-07-02 | 贵州电网有限责任公司 | 一种调度自动化系统负荷报表改善与自检方法 |
| CN113222403A (zh) * | 2021-05-10 | 2021-08-06 | 湖南省计量检测研究院 | 基于大数据的电力调节方法、装置、存储介质及电子设备 |
| CN114919459A (zh) * | 2022-05-24 | 2022-08-19 | 潍柴动力股份有限公司 | 一种续驶里程的确定方法、装置和计算机设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102760274A (zh) * | 2012-07-24 | 2012-10-31 | 深圳市中电电力技术股份有限公司 | 一种建筑物的能源管理和能耗数据评估系统及其方法 |
| CN103544544A (zh) * | 2013-10-29 | 2014-01-29 | 广东工业大学 | 一种能源消耗预测方法及装置 |
| CN104791903A (zh) * | 2015-04-30 | 2015-07-22 | 北京上庄燃气热电有限公司 | 一种热网智能调度系统 |
| CN107392381A (zh) * | 2017-07-27 | 2017-11-24 | 中车青岛四方车辆研究所有限公司 | 一种轨道车辆空调系统能耗预测方法、装置及计算机设备 |
| CN107918817A (zh) * | 2016-10-11 | 2018-04-17 | 华北电力大学 | 一种计及分布式电源接入的配电网设备利用率综合评估指标体系 |
| CN108921335A (zh) * | 2018-06-15 | 2018-11-30 | 山东大学 | 基于短期负荷预测的智能箱式变电站运行组合优化方法 |
-
2018
- 2018-12-29 CN CN201811653793.1A patent/CN109726872B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102760274A (zh) * | 2012-07-24 | 2012-10-31 | 深圳市中电电力技术股份有限公司 | 一种建筑物的能源管理和能耗数据评估系统及其方法 |
| CN103544544A (zh) * | 2013-10-29 | 2014-01-29 | 广东工业大学 | 一种能源消耗预测方法及装置 |
| CN104791903A (zh) * | 2015-04-30 | 2015-07-22 | 北京上庄燃气热电有限公司 | 一种热网智能调度系统 |
| CN107918817A (zh) * | 2016-10-11 | 2018-04-17 | 华北电力大学 | 一种计及分布式电源接入的配电网设备利用率综合评估指标体系 |
| CN107392381A (zh) * | 2017-07-27 | 2017-11-24 | 中车青岛四方车辆研究所有限公司 | 一种轨道车辆空调系统能耗预测方法、装置及计算机设备 |
| CN108921335A (zh) * | 2018-06-15 | 2018-11-30 | 山东大学 | 基于短期负荷预测的智能箱式变电站运行组合优化方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王宽: "《中国博士学位论文全文数据库 工程科技Ⅱ辑》", 15 July 2018 * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112085301A (zh) * | 2019-06-12 | 2020-12-15 | 普天信息技术有限公司 | 一种评估企业能耗数据的方法及装置 |
| CN110490639A (zh) * | 2019-07-22 | 2019-11-22 | 精硕科技（北京）股份有限公司 | 一种数据量监控方法、修正方法、系统和计算机设备 |
| CN111122963A (zh) * | 2019-12-03 | 2020-05-08 | 深圳供电局有限公司 | 一种计量自动化系统电表分时电量异常判断与修复方法 |
| CN111177651A (zh) * | 2019-12-03 | 2020-05-19 | 深圳供电局有限公司 | 一种计量自动化系统电表分时缺失表码拟合方法 |
| CN111339156B (zh) * | 2020-02-07 | 2023-09-26 | 京东城市(北京)数字科技有限公司 | 业务数据的长期确定方法、装置和计算机可读存储介质 |
| CN111339156A (zh) * | 2020-02-07 | 2020-06-26 | 京东城市(北京)数字科技有限公司 | 业务数据的长期确定方法、装置和计算机可读存储介质 |
| CN111915089A (zh) * | 2020-08-07 | 2020-11-10 | 青岛洪锦智慧能源技术有限公司 | 一种污水处理厂泵组能耗的预测方法及其装置 |
| CN112163728A (zh) * | 2020-08-24 | 2021-01-01 | 珠海格力电器股份有限公司 | 一种能耗数据处理方法、装置、电子设备及存储介质 |
| CN112163728B (zh) * | 2020-08-24 | 2024-06-11 | 珠海格力电器股份有限公司 | 一种能耗数据处理方法、装置、电子设备及存储介质 |
| CN112215444A (zh) * | 2020-12-09 | 2021-01-12 | 平安科技（深圳）有限公司 | 基于分布曲线的预测方法、装置、设备及存储介质 |
| CN112543536A (zh) * | 2020-12-14 | 2021-03-23 | 上海大学 | 一种教室照明设施自动关闭装置及方法 |
| CN113065979A (zh) * | 2021-03-22 | 2021-07-02 | 贵州电网有限责任公司 | 一种调度自动化系统负荷报表改善与自检方法 |
| CN113222403A (zh) * | 2021-05-10 | 2021-08-06 | 湖南省计量检测研究院 | 基于大数据的电力调节方法、装置、存储介质及电子设备 |
| CN113222403B (zh) * | 2021-05-10 | 2023-10-27 | 湖南省计量检测研究院 | 基于大数据的电力调节方法、装置、存储介质及电子设备 |
| CN114919459A (zh) * | 2022-05-24 | 2022-08-19 | 潍柴动力股份有限公司 | 一种续驶里程的确定方法、装置和计算机设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109726872B (zh) | 2021-03-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109726872A (zh) | 一种能耗预测方法、装置、存储介质及电子设备 | |
| Lebotsa et al. | Short term electricity demand forecasting using partially linear additive quantile regression with an application to the unit commitment problem | |
| He et al. | Environmental economic dispatch of integrated regional energy system considering integrated demand response | |
| Hu et al. | Dynamic economic and emission dispatch model considering wind power under Energy Market Reform: A case study | |
| Alabdulwahab et al. | Stochastic security-constrained scheduling of coordinated electricity and natural gas infrastructures | |
| Liu et al. | Security-constrained unit commitment with natural gas transmission constraints | |
| JP6109631B2 (ja) | 情報処理システム | |
| Keller et al. | Electricity system and emission impact of direct and indirect electrification of heavy-duty transportation | |
| Fathtabar et al. | Dynamic long-term expansion planning of generation resources and electric transmission network in multi-carrier energy systems | |
| Xu et al. | Optimal planning for wind power capacity in an electric power system | |
| Li et al. | Investment optimization of grid-scale energy storage for supporting different wind power utilization levels | |
| Wang et al. | Multi-period energy procurement policies for smart-grid communities with deferrable demand and supplementary uncertain power supplies | |
| Liu et al. | Online short-term reliability evaluation using a fast sorting technique | |
| Liu et al. | Optimal planning of internet data centers decarbonized by hydrogen-water-based energy systems | |
| Yu et al. | A hybrid fuzzy-stochastic technique for planning peak electricity management under multiple uncertainties | |
| CN111523949A (zh) | 一种综合能源系统电-热产品联合定价方法、装置及设备 | |
| Diagoupis et al. | Reliability assessment of natural gas transmission systems and their impact on the operational performance of electric power systems | |
| Sánchez-Pérez et al. | California's vision for reaching zero-carbon emissions | |
| Chang et al. | The use of the peak-clipping method for energy management in households with energy storage equipment | |
| Cruickshank et al. | Estimating the value of jointly optimized electric power generation and end use: a study of ISO-scale load shaping applied to the residential building stock | |
| Lee et al. | Adaptive fuel allocation using pseudo fuel prices | |
| Shah et al. | Optimization solutions for demand side management and monitoring | |
| Firestone et al. | Integrated energy system dispatch optimization | |
| Deakin et al. | Calculations of system adequacy considering heat transition pathways | |
| Gabbar | Design and planning support tool for interconnected micro energy grids |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240328 Address after: 518066 Room 201, building A, No. 1, Qian Wan Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong (Shenzhen Qianhai business secretary Co., Ltd.) Patentee after: Shenzhen goes out new knowledge property right management Co.,Ltd. Country or region after: China Address before: 523000 Room 302, building 18, songkeyuan, Songshanhu high tech Industrial Development Zone, Dongguan City, Guangdong Province Patentee before: CR POWER TECHNOLOGY INSTITUTE Co.,Ltd. Country or region before: China |
|
| TR01 | Transfer of patent right |