CN109934374B - 耗电量预测系统及其方法 - Google Patents

耗电量预测系统及其方法 Download PDF

Info

Publication number
CN109934374B
CN109934374B CN201810994172.3A CN201810994172A CN109934374B CN 109934374 B CN109934374 B CN 109934374B CN 201810994172 A CN201810994172 A CN 201810994172A CN 109934374 B CN109934374 B CN 109934374B
Authority
CN
China
Prior art keywords
data
power consumption
time
real
model
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.)
Active
Application number
CN201810994172.3A
Other languages
English (en)
Other versions
CN109934374A (zh
Inventor
李龙熙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Doosan Heavy Industries and Construction Co Ltd
Original Assignee
Doosan Heavy Industries and Construction Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Doosan Heavy Industries and Construction Co Ltd filed Critical Doosan Heavy Industries and Construction Co Ltd
Publication of CN109934374A publication Critical patent/CN109934374A/zh
Application granted granted Critical
Publication of CN109934374B publication Critical patent/CN109934374B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R21/00—Arrangements for measuring electric power or power factor
    • G01R21/133—Arrangements for measuring electric power or power factor by using digital technique
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/14—Payment architectures specially adapted for billing systems
    • 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
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/10—The network having a local or delimited stationary reach
    • H02J2310/12—The local stationary network supplying a household or a building
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Power Engineering (AREA)
  • Accounting & Taxation (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Public Health (AREA)
  • Human Resources & Organizations (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种耗电量预测系统及其方法。适用本发明之实施例的耗电量预测系统包括：电力测定部，按照一定的时间间隔对耗电量进行测定；建模部，将对上述耗电量进行测定的多个测定数据按照时间序列排序并对一定的数量的测定数据进行捆绑而生成多个数据集，将上述数据集中的每个数据集的最后一个测定数据作为模型输出进行保存，并将每个数据集中除上述模型输出之外的其他测定数据作为模型输入进行保存；以及，预测部，将上述电力测定部实时测定到的实时数据按照时间序列输入到上述建模部中，通过对上述多个数据集与上述实时数据进行对应而对上述实时数据之后的耗电量进行预测。

Description

耗电量预测系统及其方法
技术领域
本发明涉及一种耗电量预测系统及其方法，尤其涉及一种利用耗电量相关的模型数据对耗电量进行预测，并判断所预测出的耗电量是否达到阈值的耗电量预测系统及其方法。
背景技术
目前，韩国电力系统的电费体系采用将以15分钟为单位的峰值作为基础计算基本费用的方式。即，基本费用是根据1年中耗电量最高的15分钟进行确定。因此，即使是在日常的电力消耗管理做的比较好的情况下，只要在1年之内有15分钟的峰值管理出现问题，就会导致基本费用的明显升高。而且，峰值电力对于国家层面也有可能导致电力供应出现差池的重大问题发生。因此，无论对于个人还是对于国家，对峰值电力进行有效的管理显得非常重要。
为了解决如上所述的问题，目前采用按照一定的时间间隔对耗电量进行测定，然后直接由专业人士对所测定出的结果进行分析，从而判断耗电量是否会超出阈值的方式。
发明内容
本发明的目的在于解决如上所述的现有问题而提供一种能够对利用耗电量相关的模型数据预测出的耗电量是否会超出阈值进行判断的耗电量预测系统及其方法。
本发明的目的在于提供一种能够提升耗电量的预测准确度且能够在不额外使用其他变量的情况下对耗电量进行预测的耗电量预测系统及其方法。
除如上所述的本发明的技术课题之外，本发明的其他特征以及优点将在后续的内容中进行描述，具有本发明所属技术领域之一般知识的人员能够通过相应的描述以及说明进一步明确理解。
为了实现如上所述的目的，适用本发明之实施例的耗电量预测系统，包括：电力测定部，按照一定的时间间隔对耗电量进行测定；建模部，将对耗电量进行测定的多个测定数据按照时间序列排序并对一定的数量的测定数据进行捆绑而生成多个数据集，将每个数据集中的最后一个测定数据作为模型输出进行保存，并将每个数据集中除模型输出之外的其他测定数据作为模型输入进行保存；以及，预测部，将电力测定部实时测定到的实时数据按照时间序列输入到建模部中，通过对多个数据集与实时数据进行对应而对实时数据之后的耗电量进行预测。
为了实现如上所述的目的，适用本发明之实施例的耗电量预测方法，包括：将按照一定的时间间隔对耗电量进行测定的测定数据按照时间序列排序并对一定的数量的测定数据进行捆绑而生成多个数据集，将每个数据集中的最后一个测定数据作为模型输出进行保存，并将每个数据集中除模型输出之外的其他测定数据作为模型输入进行保存的步骤；以及，通过与实时地对耗电量进行测定的实时数据对应的数据集，对实时数据之后的耗电量进行预测的步骤。
适用本发明之实施例的耗电量预测系统及其方法，能够利用耗电量相关的模型数据以较高的准确度对耗电量进行预测。
此外，因为能够提升耗电量的预测准确度而且不需要额外使用其他变量即可进行模型，因此能够在没有专家协助的情况下对耗电量进行预测。
除此之外，通过本发明的实施例将能够进一步了解本发明的其他特征以及优点。
附图说明
图1是对适用本发明之实施例的耗电量预测系统的构成进行图示的块图。
图2是对适用本发明之实施例的数据集的构成进行图示的示意图。
图3是对适用本发明之实施例的模型输入以及子模型输入进行图示的示意图。
图4是对适用本发明之实施例的数据集生成方法进行图示的示意图。
图5是对适用本发明之实施例的耗电量预测方法进行图示的示意图。
符号说明
100：耗电量预测装置
110：电力测定部
120：建模部
130：预测部
10a：第1数据集
10b：第2数据集
10c：第3数据集
11、12、13、14、15、16、17：测定数据
21、22、23、24：子模型输入
30：模型输入之间的时间间隔
40：子模型输入之间的时间间隔
具体实施方式
接下来，将结合附图对适用本发明之实施例进行详细的说明，以便于具有本发明所属技术领域之一般知识的人员能够轻易地实施本发明。本发明能够以多种不同的形态实现，并不限定于在本说明书中进行说明的实施例。
为了能够对本发明进行更为明确的说明，与说明无关的部分将被省略，而且在整个说明书中对于相同或类似的构成要素将分配相同的参考符号。
在整个说明书中，当记载为某个部分与其他部分“连接”时，不仅包括“直接连接”的情况，还包括在中间介有其他元件而实现“电气连接”的情况。此外，当记载为某个部分“包括”某个构成要素时，除非另有明确的相反记载，否则并不代表排除其他构成要素，而是应该理解为还能够包括其他构成要素。
当记载为某个部分位于其他部分的“上方”时，不仅包括直接位于其他部分的上方的情况，还包括在两者之间介有其他部分的情况。与此相反，当记载为某个部分“直接”位于其他部分的“上方”时，两者之间不会介有其他部分。
在对不同的部分、成分、区域、层和/或部分进行区间进行说明，能够使用如第1、第2以及第3等术语，但是并不限定于此。这些术语只是用于对某个部分、成分、区域、层或区间与其他部分、成分、区域、层或区间进行区分。因此，在下述内容中进行说明的第1部分、成分、区域、层或区间，在不脱离本发明的主旨的范围内，也能够被记载为第2部分、成分、区域、层或区间。
在本说明书中所使用的专业术语只是用于对特定的实施例进行说明，并不是为了对本发明进行限定。除非另有明确的相反含义，否则在本说明书中所使用的单数形态的语句还包括复数形态的含义。在本说明书中所使用的术语“包括”，只是用于对特定的特征、区域、整数、步骤、动作、要素和/或成分进行具体化，并不是为了排除其他特征、区域、整数、步骤、动作、要素和/或成分存在或被附加的可能性。
为了便于对附图中所图示的某个部分与其他部分之间的关系进行说明，能够使用如“下侧”、“上侧”等代表相对空间关系的术语。这些术语除了附图中的预期的含义之外，还能够包括使用中的装置的其他含义或动作。例如，当对附图中的装置进行翻转时，原来被说明为位于其他部分的“下侧”的部分，需要被说明为位于其他部分的“上侧”。因此，如“下侧”等示例性的术语同时包括上侧和下侧方向。装置能够以90°或其他角度进行旋转，此时用于指示相对空间关系的术语也应随之做出相应的解释。
虽未做出特殊的不同定义，但是在本说明书中所使用的包括技术术语以及科学术语在内的所有术语的含义，与具有本发明所属技术领域之一般知识的人员所通常理解的含义相同。通常所使用的已在词典中做出定义的术语的含义，应追加解释为具有与相关的技术文献以及当前所公开的内容一致的含义，除非另有明确的定义，否则不应解释为过于理想化或过于正式的含义。
接下来，将结合附图对适用本发明之实施例进行详细的说明，以便于具有本发明所属技术领域之一般知识的人员能够轻易地实施本发明。但是，本发明能够以多种不同的形态实现，并不限定于在本说明书中进行说明的实施例。
图1是对适用本发明之实施例的耗电量预测系统的构成进行图示的块图。
如图1所示，适用本发明之实施例的耗电量预测系统100，能够包括：电力测定部110；建模部120；以及，预测部130。
电力测定部110能够按照一定的时间间隔对耗电量进行测定。电力测定部110并不只是按照一定的时间间隔对耗电量进行测定，还能够在一定的时间内对耗电量进行测定并对其平均值进行输出，或在一定的时间内对耗电量进行测定并对其中最高的耗电量进行输出。电力测定部110能够对使用电力的各个负载中所消耗的电力进行测定，还能够在一定的范围内对使用电力的全部负载中所消耗的电力进行测定。电力测定部110能够将所测定出的耗电量传送到建模部120以及预测部130。
建模部120能够将对耗电量进行测定的多个测定数据按照时间序列排序并对一定的数量的测定数据进行捆绑而生成多个数据集，将每个数据集中的最后一个测定数据作为模型输出进行保存，并将每个数据集中除模型输出之外的其他测定数据作为模型输入进行保存。
具体来讲，当电力测定部110按照10分钟的时间间隔对耗电量进行测定时，建模部120能够对第10分钟的测定数据、第20分钟的测定数据、第30分钟的测定数据、第40分钟的测定数据等按照时间序列进行罗列并对一定的数量的测定数据进行捆绑而生成数据集。即，建模部120能够利用第10分钟的测定数据、第20分钟的测定数据、第30分钟的测定数据、第40分钟的测定数据构成一个数据集。建模部120能够将数据集中按照时间序列罗列的测定数据中的最后一个测定数据作为模型输出进行保存，并将除模型输出之外的其他测定数据作为模型输入进行保存。即，建模部120能够将第10分钟的测定数据、第20分钟的测定数据以及第30分钟的测定数据作为模型输入进行保存，并将第40分钟的测定数据作为模型输出进行保存。
此外，建模部120能够采用多个数据集中的至少一个数据集与多个数据集中的其他数据集的一部分测定数据重复的方式构成。具体来讲，当电力测定部110按照10分钟的时间间隔对耗电量进行测定时，建模部120能够将第10分钟的测定数据、第20分钟的测定数据、第30分钟的测定数据以及第40分钟的测定数据等多个测定数据按照一定的数量进行捆绑而生成数据集。即，建模部120能够利用第10分钟的测定数据、第20分钟的测定数据、第30分钟的测定数据、第40分钟的测定数据构成一个数据集。此外，建模部120能够利用第20分钟的测定数据、第30分钟的测定数据、第40分钟的测定数据以及第50分钟的测定数据构成一个数据集。此时，建模部120能够按照时间序列对所生成的多个数据集进行保存。
其中，在多个数据集之间能够保持一定的时间间隔。即，由第10分钟的测定数据、第20分钟的测定数据、第30分钟的测定数据以及第40分钟的测定数据构成的数据集与由第20分钟的测定数据、第30分钟的测定数据、第40分钟的测定数据以及第50分钟的测定数据构成的数据集之间能够保持一定的时间间隔。
此外，建模部120能够以构成数据集的模型输入之间的额外的测定数据为基础得出子模型输入。其中，子模型输入中能够包括在模型输入之间的时间点上测定到的耗电量相关的数据。具体来讲，电力测定部110还能够在测定数据之间的时间点上对测定数据进行额外的测定，而建模部120能够将额外测定到的测定数据作为子模型输入进行保存。作为一实例，电力测定部110能够在第10分钟的测定数据与第20分钟的测定数据之间的第15分钟对耗电量进行额外的测定。此时，建模部120能够将第15分钟的测定数据保存到由第10分钟的测定数据以及第20分钟的测定数据构成的数据集中。即，建模部120能够利用第10分钟的测定数据-第15分钟的测定数据-第20分钟的测定数据构成一个数据集，从而将第10分钟的测定数据以及第20分钟的测定数据作为模型输入进行保存，并将第15分钟的测定数据作为子模型输入进行保存。在在时间序列上相邻的模型输入之间能够存在至少一个子模型输入，建模部120能够根据所得出的模型输入的数量，对耗电量相关的模型的时间间隔进行调节。
预测部130能够将从电力测定部110实时测定到的实时数据按照时间序列输入到建模部120中，并通过对多个数据集与实时数据进行对应而对实时数据之后的耗电量进行预测。
具体来讲，电力测定部110实时地按照一定的时间间隔对耗电量进行测定，而预测部130将从电力测定部110测定到的实时数据按照时间序列输入到建模部120中。预测部130能够从保存在建模部120中的数据集中得出具有与实时数据对应的模型输入的数据集。预测部130能够利用所得出的数据集的模型输出对实时数据之后的耗电量进行预测。即，因为构成数据集的测定数据是按照时间序列罗列且模型输出为数据集中的最后一个测定数据，因此当预测部130测定到与模型输出之前时间的数据即模型输入相同的实时数据时，能够预测出在实时数据之后将测定到与模型输出相同的耗电量。
此外，预测部130能够通过与实时测定到的实时数据以及子实时数据对应的数据集的模型输出对耗电量进行预测。其中，子实时数据中能够包括在时间序列上相邻的实时数据之间的时间点上测定到的耗电量相关的数据。子实时数据能够在电力测定部110中进行测定。作为一实例，电力测定部110能够在第10分钟的实时数据与第20分钟的实时数据之间的第15分钟对耗电量进行额外的测定。此时，预测部130能够将第10分钟的实时数据-第15分钟的实时数据-第20分钟的实时数据按照时间序列输入到建模部120中。预测部130能够得出具有与第10分钟的实时数据以及第20分钟的实时数据对应的模型输入的数据集，然后将第15分钟的子实时数据与所得出的数据集中的子模型输入进行比较。即，能够对与第10分钟的实时数据以及第20分钟的实时数据对应的时间序列上的两个模型输入之间的子模型输入与第15分钟的子实时数据进行比较。其中，子模型输入以及子实时数据的目的在于更为准确地对耗电量进行预测，并不一定要求相同。预测部130能够通过体现出子模型输入与子实时数据之间的差异而更为准确地对耗电量进行预测。
预测部130能够判断所预测出的耗电量是否超出预先设定的阈值。在使用电力的过程中会有预先设定的阈值，当耗电量超出上述阈值时，会导致耗电量相关的费用急剧增加或需要支付处罚金的问题发生。因此，预测部130能够对所预测出的耗电量是否超出预先设定的阈值进行判断，并在判断出耗电量会超出预先设定的阈值时采取相应的措施。当判断出耗电量会超出预先设定的阈值时，作为所采取的相应的措施，能够选择断开正在使用电力的负载的电源，或替代使用被储藏在能源储藏装置(未图示)中的电能。其中，能源储藏装置(未图示)能够对通过如太阳能、光伏发电、生物质能、风能、小水电、地热能、海洋能、废物能等可再生能源以及如燃料电池、煤炭液化气化能、氢气能等新可再生能源生成的电能进行储藏。
图2是对适用本发明之实施例的数据集的构成进行图示的示意图。
如图1以及图2所示，电力测定部110能够按照一定的时间间隔对耗电量进行测定。建模部120能够将对耗电量进行测定的多个测定数据11、12、13、14、15、16、17按照时间序列排序并对一定的数量的测定数据进行捆绑而生成多个数据集10a、10b、10c。
具体来讲，建模部120能够通过对测定数据11、12、13、14进行捆绑而生成第1数据集10a。此时，建模部120能够将时间序列上的最后一个测定数据14作为模型输出进行保存，并将除模型输出之外的其他测定数据11、12、13作为模型输入进行保存。其中，当在电力测定部110中实时测定到的实时数据与测定数据11、12、13对应时，预测部130能够以模型输出即测定数据14为基础对实时数据之后的耗电量进行预测。
此外，建模部120能够生成排除掉第1数据集10a中时间序列上的最前一个测定数据11并包括第1数据集10a中时间序列上的最后一个测定数据14之后紧跟的下一个测定数据15的新的数据集。即，建模部120能够通过对测定数据12、13、14、15进行捆绑而生成第2数据集10b。此时，建模部120能够将时间序列上的最后一个测定数据15作为模型输出进行保存，并将除模型输出之外的其他测定数据12、13、14作为模型输入进行保存。其中，当在电力测定部110中实时测定到的实时数据与测定数据12、13、14对应时，预测部130能够以模型输出即测定数据15为基础对实时数据之后的耗电量进行预测。
此外，建模部120能够生成排除掉第2数据集10b中时间序列上的最前一个测定数据12并包括第2数据集10b中时间序列上的最后一个测定数据15之后紧跟的下一个测定数据16的新的数据集。即，建模部120能够通过对测定数据13、14、15、16进行捆绑而生成第3数据集10c。此时，建模部120能够将时间序列上的最后一个测定数据16作为模型输出进行保存，并将除模型输出之外的其他测定数据13、14、15作为模型输入进行保存。建模部120能够通过生成多个数据集而更为准确地对耗电量进行预测。
图3是对适用本发明之实施例的模型输入以及子模型输入进行图示的示意图。
如图1以及图3所示，建模部120能够利用构成数据集的模型输入之间的额外的测定数据，得出包括在模型输入之间的时间点上测定到的耗电量相关数据的子模型输入。
具体来讲，电力测定部110还能够在测定数据11与测定数据12之间的时间点上对耗电量进行额外的测定，而建模部120能够将额外测定到的测定数据作为子模型输入21、22进行保存。此时，子模型输入21、22之间的时间间隔40相同，而子模型输入的数量并不限定于两个，能够是至少一个以上。其中，子模型输入之间的时间间隔40能够是比模型输入之间的时间间隔30更短的时间间隔，子模型输入中在时间序列上的最前一个子模型输入21和与在时间序列上的最前一个子模型输入21最为临近的模型输入11之间的时间间隔能够与子模型输入之间的时间间隔40相同。此外，子模型输入中在时间序列上的最后一个子模型输入22和与在时间序列上的最后一个子模型输入22最为临近的模型输入12之间的时间间隔能够与子模型输入之间的时间间隔40相同。
此外，建模部120能够将在电力测定部110中额外测定到的测定数据作为子模型输入23、24进行保存。此时，子模型输入23、24之间的时间间隔40相同，而自模型输入之间的时间间隔40能够是比模型输入之间的时间间隔30更短的时间间隔。此外，子模型输入中在时间序列上的最前一个子模型输入23和与在时间序列上的最前一个子模型输入23最为临近的模型输入12之间的时间间隔能够与子模型输入之间的时间间隔40相同。此外，子模型输入中在时间序列上的最后一个子模型输入24和与在时间序列上的最后一个子模型输入24最为临近的模型输入13之间的时间间隔能够与子模型输入之间的时间间隔40相同。预测部130能够利用子模型输入更为准确地对实时数据之后的耗电量进行预测。
图4是对适用本发明之实施例的数据集生成方法进行图示的示意图。
如图1以及图4所示，在步骤S10中，电力测定部110能够按照一定的时间间隔对耗电量进行测定。电力测定部110能够按照一定的时间间隔对耗电量进行测定，还能够在对耗电量进行测定的测定数据之间的时间点上再额外地对测定数据进行测定。其中，额外测定的测定数据能够是多个。
在步骤S21中，建模部120能够将测定数据按照时间序列排列并对一定的数量的测定数据进行捆绑而生成多个数据集。建模部120能够将在电力测定部110中测定到的测定数据按照时间序列进行罗列并对一定的数量的测定数据进行捆绑而生成数据集。此外，建模部120能够生成排除掉所生成的数据集中时间序列上的最前一个测定数据并包括所生成的数据集中时间序列上的最后一个测定数据之后紧跟的下一个测定数据的新的数据集。此时，建模部120能够生成包括在测定数据之间的时间点上额外测定到的测定数据的新的数据集。能够生成多个数据集，建模部120能够将数据集按照时间序列进行保存。
在步骤S22中，建模部120能够将数据集中的最后一个测定数据作为模型输出进行保存，并将其他测定数据作为模型输入进行保存。建模部120能够将数据集中按照时间序列罗列的测定数据中的最后一个测定数据作为模型输出进行保存，并将除模型输出之外的其他测定数据作为模型输入进行保存。此时，建模部120能够生成包括在测定数据之间的时间点上额外测定到的测定数据的新的数据集。
图5是对适用本发明之实施例的耗电量预测方法进行图示的示意图。
如图1以及图5所示，在步骤S20中，电力测定部110能够实时地按照一定的时间间隔对耗电量进行测定。电力测定部110能够按照一定的时间间隔对耗电量进行测定，还能够在对耗电量进行测定的实时数据之间的时间点上再额外地对实时数据进行测定。其中，额外测定的实时数据能够是多个。
在步骤S21中，预测部130能够得出与在电力测定部110中实时测定出的实时数据对应的数据集。预测部130能够从保存在建模部120中的数据集中得出具有与实时数据对应的模型输入的数据集。此时，预测部130能够通过将在实时数据之间的时间点上额外测定到的实时数据与子模型输入进行比较而得出更为精确的数据集。
在步骤S22中，预测部130能够利用所得出的数据集的模型输出对实时数据之后的耗电量进行预测。预测部130能够利用所得出的数据集中在时间序列上的最后一个测定数据即模型输出对实时数据之后的耗电量进行预测。即，因为构成数据集的测定数据是按照时间序列罗列且模型输出为数据集中的最后一个测定数据，因此当预测部130测定到与模型输出之前时间的数据即模型输入相同的实时数据时，能够预测出在实时数据之后将测定到与模型输出相同的耗电量。
在步骤S23中，预测部130能够判断所预测出的耗电量是否超出阈值。在使用电力的过程中超出上述预先设定的阈值时，会导致耗电量相关的费用急剧增加或需要支付处罚金的问题发生。因此，预测部130能够判断所预测出的耗电量是否超出预先设定的阈值。
在步骤S24中，预测部130能够在所预测出的耗电量超出阈值时替代使用预先储藏的能源。通过使用预先储藏的电能，能够防止耗电量超出阈值。其中，当耗电量超出阈值时，除了使用预先储藏的能源的方式之外，还能够采取断开正在使用电力的负载的电源的方式。
通过如上所述的适用本发明的实施例，能够实现利用耗电量相关的模型数据对耗电量进行预测并对所预测出的耗电量是否到达阈值进行判断的耗电量预测系统机器方法。
本发明所属技术领域的从业人员能够在不对本发明的技术思想以及必要特征进行变更的情况下以其他具体形态实施，因此在上述内容中进行说明的实施例在所有方面仅为示例性目的而非限定。本发明的权利要求范围应通过后续说明的权利要求书做出定义而非上述说明，从权利要求书的含义和范围及其等价概念得出的所有变更或变形形态均应解释为包含在本发明的范围之内。

Claims (12)

1.一种耗电量预测系统，其特征在于，包括：
电力测定部，按照一定的时间间隔对耗电量进行测定；
建模部，将对上述耗电量进行测定的多个测定数据按照时间序列排列并对一定数量的测定数据进行捆绑而生成多个数据集，将上述多个数据集中的每个数据集的最后一个测定数据作为模型输出进行保存，并将每个数据集中除上述模型输出之外的其它测定数据作为模型输入进行保存；以及，
预测部，将上述电力测定部实时测定到的实时数据按照时间序列输入到上述建模部中，通过对上述多个数据集与上述实时数据进行对应而对上述实时数据之后的耗电量进行预测，
其中，上述建模部基于构成数据集的在时间序列上相邻的模型输入之间的额外的测定数据得出子模型输入，并且
上述子模型输入包括在上述模型输入之间的特定时间点上测定到的耗电量相关的数据。
2.根据权利要求1所述的耗电量预测系统，其特征在于：
上述多个数据集中的至少一个数据集的一部分测定数据与上述多个数据集中的其它数据集的一部分测定数据重复。
3.根据权利要求1所述的耗电量预测系统，其特征在于：
上述建模部将上述多个数据集按照时间序列进行保存，并且
上述预测部从上述多个数据集中得出具有与上述实时数据对应的模型输入的数据集，并利用所得出的数据集的模型输出对耗电量进行预测。
4.根据权利要求1所述的耗电量预测系统，其特征在于：
上述多个数据集之间维持上述一定的时间间隔。
5.根据权利要求1所述的耗电量预测系统，其特征在于：
在时间序列上相邻的模型输入之间存在至少一个上述子模型输入，并且
上述建模部根据所得出的上述子模型输入的数量对上述子模型输入之间的时间间隔进行调节。
6.根据权利要求5所述的耗电量预测系统，其特征在于：
上述电力测定部在时间序列上相邻的实时数据之间的时间点上对子实时数据进行测定，并且
上述预测部通过与上述实时数据以及上述子实时数据对应的数据集的模型输出对上述耗电量进行预测。
7.根据权利要求1所述的耗电量预测系统，其特征在于：
上述预测部对所预测出的上述耗电量是否超出预先设定的阈值进行判断。
8.根据权利要求7所述的耗电量预测系统，其特征在于：
所述耗电量预测系统包括用于对电能进行储藏的能源储藏装置，
其中，当判定为在上述预测部中预测出的上述耗电量超出预先设定的阈值时，替代使用预先储藏在上述能源储藏装置中的电能。
9.一种耗电量预测方法，其特征在于，包括：
将按照一定的时间间隔对耗电量进行测定的测定数据按照时间序列排列并对一定数量的测定数据进行捆绑而生成多个数据集，将上述多个数据集中的每个数据集的最后一个测定数据作为模型输出进行保存，并将每个数据集中除上述模型输出之外的其它测定数据作为模型输入进行保存的步骤；以及，
通过与实时地对耗电量进行测定的实时数据对应的数据集，对上述实时数据之后的耗电量进行预测的步骤，
其中，所述耗电量预测方法还包括：基于构成数据集的在时间序列上相邻的模型输入之间的额外的测定数据，得出包括在上述模型输入之间的时间点上测定到的耗电量相关数据的子模型输入。
10.根据权利要求9所述的耗电量预测方法，其特征在于，所述耗电量预测方法还包括：
将上述多个数据集按照时间序列进行保存；以及
从上述多个数据集中得出具有与实时数据对应的模型输入的数据集，并利用所得出的数据集的模型输出对耗电量进行预测。
11.根据权利要求10所述的耗电量预测方法，其特征在于，所述耗电量预测方法还包括：
在时间序列上相邻的实时数据之间的时间点上对子实时数据进行测定；以及
通过与上述实时数据以及上述子实时数据对应的数据集的模型输出对上述耗电量进行预测。
12.根据权利要求10所述的耗电量预测方法，其特征在于：
在上述对耗电量进行预测的步骤中，
对所预测出的上述耗电量是否超出预先设定的阈值进行判断。
CN201810994172.3A 2017-12-18 2018-08-29 耗电量预测系统及其方法 Active CN109934374B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020170174257A KR102089772B1 (ko) 2017-12-18 2017-12-18 전력 사용량 예측 시스템 및 방법
KR10-2017-0174257 2017-12-18

Publications (2)

Publication Number Publication Date
CN109934374A CN109934374A (zh) 2019-06-25
CN109934374B true CN109934374B (zh) 2023-04-18

Family

ID=64277569

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810994172.3A Active CN109934374B (zh) 2017-12-18 2018-08-29 耗电量预测系统及其方法

Country Status (5)

Country Link
US (1) US11092628B2 (zh)
EP (1) EP3499671B1 (zh)
JP (1) JP6677396B2 (zh)
KR (1) KR102089772B1 (zh)
CN (1) CN109934374B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
NO346605B1 (en) * 2020-12-03 2022-10-24 Sikom Connect As Methods and systems relating to the regulation of electrical power consumption
US11921480B2 (en) * 2021-03-31 2024-03-05 Hygge Energy Inc. Optimizing distributed energy resource value
KR102576947B1 (ko) * 2021-10-21 2023-09-11 주식회사 스마트에버 다중 에이전트를 가지는 심층 강화학습 기반의 전력 사용량 예측 방법 및 장치

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100025483A1 (en) * 2008-07-31 2010-02-04 Michael Hoeynck Sensor-Based Occupancy and Behavior Prediction Method for Intelligently Controlling Energy Consumption Within a Building
JP2011118786A (ja) * 2009-12-04 2011-06-16 Sony Corp 情報処理装置、観測値予測方法、及びプログラム
US20150371151A1 (en) * 2014-06-20 2015-12-24 The Regents Of The University Of California Energy infrastructure sensor data rectification using regression models
US20120158631A1 (en) * 2010-12-15 2012-06-21 Scientific Conservation, Inc. Analyzing inputs to an artificial neural network
EP2787438A4 (en) * 2011-08-26 2016-06-29 Hitachi Ltd PREDICTIVE SEQUENTIAL CALCULATION DEVICE
AU2012344680B2 (en) * 2011-11-29 2017-10-12 Generac Power Systems, Inc. Method and system for forecasting power requirements using granular metrics
JP5915313B2 (ja) * 2012-03-28 2016-05-11 富士通株式会社 電力制御支援プログラム、電力制御支援装置、および電力制御支援方法
KR101364495B1 (ko) * 2012-12-14 2014-02-20 주식회사정도엔지니어링 전력사용량 예측기술을 활용한 전력 관리 시스템 및 그 방법
JP6148119B2 (ja) * 2013-08-29 2017-06-14 京セラ株式会社 エネルギー管理装置、エネルギー管理方法及びエネルギー管理システム
US9639642B2 (en) * 2013-10-09 2017-05-02 Fujitsu Limited Time series forecasting ensemble
JP6221714B2 (ja) * 2013-12-11 2017-11-01 住友電気工業株式会社 電力消費管理装置、電力消費管理方法および電力消費管理プログラム
US10540606B2 (en) * 2014-06-30 2020-01-21 Amazon Technologies, Inc. Consistent filtering of machine learning data
JP2016081471A (ja) * 2014-10-22 2016-05-16 日本電信電話株式会社 消費電力の予測装置および方法
JP2016086521A (ja) * 2014-10-24 2016-05-19 日本電信電話株式会社 消費電力予測方法および装置
CN104462793A (zh) * 2014-11-25 2015-03-25 北京数迅科技有限公司 时间序列实时预测方法及装置
US9705327B2 (en) * 2015-07-14 2017-07-11 Restore Nv Self-learning, real-time, data-driven power metering system
JP6746946B2 (ja) * 2016-02-25 2020-08-26 中国電力株式会社 電力需要予測装置、及び電力需要予測方法
US10263462B2 (en) * 2016-04-27 2019-04-16 Demand Energy Networks, Inc. Electrical system control using simulation-based setpoint determination, and related systems, apparatuses, and methods
KR101827108B1 (ko) * 2016-05-04 2018-02-07 두산중공업 주식회사 플랜트 이상 감지 학습 시스템 및 방법
US10873209B2 (en) * 2016-11-29 2020-12-22 Peak Power Inc. System and method for dynamic energy storage system control
CN106875033B (zh) * 2016-12-26 2020-06-02 华中科技大学 一种基于动态自适应的风电集群功率预测方法
US10330081B2 (en) * 2017-02-07 2019-06-25 International Business Machines Corporation Reducing curtailment of wind power generation
US10598157B2 (en) * 2017-02-07 2020-03-24 International Business Machines Corporation Reducing curtailment of wind power generation
US20190115753A1 (en) * 2017-10-13 2019-04-18 Schneider Electric It Corporation Method for automatic cloud control of energy storage systems

Also Published As

Publication number Publication date
EP3499671B1 (en) 2020-12-23
CN109934374A (zh) 2019-06-25
KR102089772B1 (ko) 2020-03-17
US20190187193A1 (en) 2019-06-20
JP6677396B2 (ja) 2020-04-08
EP3499671A1 (en) 2019-06-19
KR20190088083A (ko) 2019-07-26
JP2019110740A (ja) 2019-07-04
US11092628B2 (en) 2021-08-17

Similar Documents

Publication Publication Date Title
Ju et al. A two-layer energy management system for microgrids with hybrid energy storage considering degradation costs
JP5537304B2 (ja) 情報処理装置およびそのプログラム
Yao et al. Determination of short-term power dispatch schedule for a wind farm incorporated with dual-battery energy storage scheme
CN109934374B (zh) 耗电量预测系统及其方法
CN108365822B (zh) 光伏电池在不同光照温度条件下工作特性的预测方法及系统
Capizzi et al. Recurrent neural network-based control strategy for battery energy storage in generation systems with intermittent renewable energy sources
CN102097808A (zh) 一种含分布式风电、光伏及储能的配电系统可靠性评估方法
González et al. Estimation of the state-of-charge of gel lead-acid batteries and application to the control of a stand-alone wind-solar test-bed with hydrogen support
CN111697625A (zh) 基于分布鲁棒优化的孤岛微电网机会约束能量调度方法
US9871396B2 (en) System and method for controlling charge of an energy storage device from a renewable energy source
KR101305584B1 (ko) 에너지 발전량 예측 시스템 및 방법
Dahmane et al. Power management strategy based on weather prediction for hybrid stand-alone system
Liu et al. A MILP-based battery degradation model for economic scheduling of power system
Cano et al. Comparative analysis of HESS (battery/supercapacitor) for power smoothing of PV/HKT, simulation and experimental analysis
CN112803491B (zh) 一种耦合弃电风险的风光水多能互补短期优化调度方法
CN109829599A (zh) 基于高比例可再生能源的配电网的集群划分方法及装置
CN112736899A (zh) 一种微电网规划方案评价指标计算方法以及装置
Ioli et al. A smart grid energy management problem for data-driven design with probabilistic reachability guarantees
KR102257965B1 (ko) 에너지 저장 시스템에 대한 용량 산정 시스템 및 그 산정 방법
Jongerden et al. Assessing the cost of energy independence
Li et al. A chance-constrained programming based energy storage system sizing model considering uncertainty of wind power
Wee et al. Design of a renewable—Hybrid energy storage power scheme for short-term power dispatch
CN115618616A (zh) 一种源、网、荷资源的混合储能可靠性评估模型构建方法
Hooshmand et al. A power management system for planned & unplanned grid electricity outages
Cheng The management of a utility-scale battery storage system for renewable energy applications

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