CN110245771A - 需量预测方法、需量控制方法及系统 - Google Patents

需量预测方法、需量控制方法及系统 Download PDF

Info

Publication number
CN110245771A
CN110245771A CN201810196385.1A CN201810196385A CN110245771A CN 110245771 A CN110245771 A CN 110245771A CN 201810196385 A CN201810196385 A CN 201810196385A CN 110245771 A CN110245771 A CN 110245771A
Authority
CN
China
Prior art keywords
electricity consumption
electricity
total amount
information
timing information
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
Application number
CN201810196385.1A
Other languages
English (en)
Other versions
CN110245771B (zh
Inventor
陈光濠
苏明
王春光
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.)
Yiqianyuan Science And Technology (shanghai) Co Ltd
Original Assignee
Yiqianyuan Science And Technology (shanghai) 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 Yiqianyuan Science And Technology (shanghai) Co Ltd filed Critical Yiqianyuan Science And Technology (shanghai) Co Ltd
Priority to CN201810196385.1A priority Critical patent/CN110245771B/zh
Priority to PCT/CN2018/084249 priority patent/WO2019169706A1/zh
Publication of CN110245771A publication Critical patent/CN110245771A/zh
Application granted granted Critical
Publication of CN110245771B publication Critical patent/CN110245771B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/418Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06Electricity, gas or water supply
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Abstract

本申请提供一种需量预测方法、需量控制方法及系统。其中,所述需量预测方法包括:获取一用电周期内的包含用电计划的用电相关信息;基于预设的多个用电系统各自的运行状态与用电量的对应关系,预测各所述用电系统在所述用电相关信息约束下执行所述用电计划的预期用电总量的时序信息;基于所述预期用电总量的时序信息确定所述用电周期的预期用电需量。本申请所提供的所述需量预测方法通过引入用电周期内的用电相关信息能够更准确地预测预期用电需量,以供企业更合理规划用电。

Description

需量预测方法、需量控制方法及系统
技术领域
本申请涉及工业控制技术领域,特别是涉及一种需量预测方法、需量控制方法及系统。
背景技术
对于商场、工矿厂区等高用电需求的企业,供电公司会与其签订契约,旨在预估下一用电周期的企业用电需求并限定企业的瞬时用电量不得超出契约中签订的契约需量,对于超额部分,供电公司将会给予惩罚性电费。
对于企业来说,合理预测下一用电周期的累计用电总量和用电总量峰值能够预测用电成本,藉由所预测的用电成本能够约束企业内部用电管理是一种节源方式。然而,目前企业大多依据历史实际用电总量来预测下一用电周期的用电量。然而根据不同的用电计划其用电预测的结果可能千差万别,所预测的契约需量过高会增加用电成本,所预测的契约需量过低会降低企业在供电公司的诚信。
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需量预测方法、需量控制方法及系统,用于解决现有技术中如何合理预测企业的用电需量,以及在所预测的用电需量基础上实现对实际用电的用电管理的问题。
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需量预测方法,包括:获取一用电周期内的包含用电计划的用电相关信息;基于预确定的多个用电系统各自的运行状态与用电量的对应关系,预测各所述用电系统在所述用电相关信息约束下执行所述用电计划的预期用电总量的时序信息;基于所述预期用电总量的时序信息确定所述用电周期的预期用电需量。
在本申请的第一方面的某些实施方式中,所述基于预设的多个用电系统各自的运行状态与用电量的对应关系,预测各所述用电系统在所述用电相关信息约束下执行用电计划期间的预期用电总量的时序信息的步骤包括:基于所述对应关系和所述用电相关信息中的至少第一排产信息,预测在一用电周期内执行所述用电计划的预期用电总量的第一时序信息。
在本申请的第一方面的某些实施方式中,所述基于预设的多个用电系统各自的运行状态与用电量的对应关系,预测各所述用电系统在所述用电相关信息约束下执行用电计划期间的预期用电总量的时序信息的步骤包括:基于所述对应关系调整基于所述用电相关信息而确定的至少第二排产信息;基于调整后的至少第二排产信息预测在一用电周期内执行所述用电计划的期间的预期用电总量的时序信息;重复上述调整用电相关信息和预测预期用电总量的时序信息的步骤直至得到优于所述第一时序信息的第二时序信息。
在本申请的第一方面的某些实施方式中,所述得到优于第一时序信息的第二时序信息的步骤包括:基于所述对应关系和所述用电相关信息中的至少用电计划和电价信息,按照所述用电相关信息中的至少用电计划,选取用电费用最低、预期用电总量的波动最小、和预期用电总量的峰值最大值最小中至少一种的时序信息作为第二时序信息。
在本申请的第一方面的某些实施方式中,所述需量预测方法还包括:基于所述用电相关信息预测自供电系统的供电量;以及利用所述供电量补偿所述时序信息内的预期用电总量,以便基于补偿后的所述时序信息确定所述预期用电需量。
在本申请的第一方面的某些实施方式中,所述基于预期用电总量的时序信息确定所述用电周期的预期用电需量的步骤包括以下至少一种:将所述预期用电时序信息中的峰值最大值作为所述预期用电需量;按照预设比例放大所述预期用电时序信息中的峰值最大值以得到所述预期用电需量;基于所述预期用电时序信息的波动情况自所述预期用电时序信息中选择预期用电需量。
在本申请的第一方面的某些实施方式中,所述需量预测方法还包括基于至少上一个用电周期内各所述用电系统的历史用电量更新多个用电系统各自的运行状态与用电量的对应关系的步骤。
在本申请的第一方面的某些实施方式中,所述用电相关信息还包括以下至少一种:人员信息、天气预测信息、排产信息、各用电系统的维护信息和电价信息。
在本申请的第一方面的某些实施方式中,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。
本申请第二方面提供一种需量控制方法,包括:在执行用电计划期间,监测所运行的多个用电系统的实际用电总量;基于所获取的包含用电计划的用电相关信息和所监测的实际用电总量,预测所述用电计划中尚未执行期间的用电总量时序信息;当所述用电总量时序信息接近或达到预设的预期用电需量时,根据当前所监测的实际用电总量进行用电量调控。
在本申请的第二方面的某些实施方式中,所述基于所获取的包含用电计划的用电相关信息和所监测的实际用电总量,预测所述用电计划中尚未执行期间的用电总量时序信息的步骤包括:根据所述用电相关信息和所监测的实际用电总量,预测后续至少一个单位预测时长的用电总量时序信息。
在本申请的第二方面的某些实施方式中,所述当用电总量时序信息接近或达到预设的预期用电需量时,根据当前所监测的实际用电总量进行用电量调控的步骤包括:确定所述用电总量时序信息中接近或达到预设的预期用电需量的用电总量相距当前时刻的预测时长;基于所述预测时长和当前所监测的实际用电总量进行用电量调控。
在本申请的第二方面的某些实施方式中,还包括持续监测各所述用电系统的实际用电量;以及基于所持续监测的实际用电量的时序信息和预设的用电系统的运行状态与用电量的对应关系,确定所述用电系统当前的运行状态的步骤。
在本申请的第二方面的某些实施方式中,所述根据当前所监测的实际用电总量进行用电量调控的步骤包括以下步骤:当所述用电总量时序信息接近或达到预设的预期用电需量时,根据各所述用电系统当前的运行状态调整至少一种用电系统的运行状态以降低相应时期的实际用电总量。
在本申请的第二方面的某些实施方式中,所述需量预测方法还包括基于已监测的各所述用电系统的历史用电量更新所述对应关系的步骤。
在本申请的第二方面的某些实施方式中,所述根据当前所监测的实际用电总量进行用电量调控的步骤包括:当所述用电总量时序信息接近或达到预设的预期用电需量时,控制自供电系统向各所述用电系统的供电线路补偿供电以降低相应时期的实际用电总量。
在本申请的第二方面的某些实施方式中,所述需量预测方法还包括基于所述用电相关信息预测所述自供电系统的供电量的步骤。
本申请第三方面提供一种需量预测系统,包括:获取模块,用于获取一用电周期内的包含用电计划的用电相关信息;预测模块,用于基于预确定的多个用电系统各自的运行状态与用电量的对应关系,预测各所述用电系统在所述用电相关信息约束下执行所述用电计划的预期用电总量的时序信息;以及用于基于所述预期用电总量的时序信息确定所述用电周期的预期用电需量,以便基于所述预期用电需量控制在所述用电周期内的用电量。
在本申请的第三方面的某些实施方式中,所述预测模块基于所述对应关系和所述用电相关信息中的至少第一排产信息,预测在一用电周期内执行所述用电计划的预期用电总量的第一时序信息。
在本申请的第三方面的某些实施方式中,所述预测模块还基于所述对应关系调整基于所述用电相关信息而确定的至少第二排产信息;基于调整后的至少第二排产信息预测在一用电周期内执行所述用电计划的期间的预期用电总量的时序信息;以及重复上述调整用电相关信息和预测预期用电总量的时序信息的步骤直至得到优于所述第一时序信息的第二时序信息。
在本申请的第三方面的某些实施方式中,所述预测模块得到优于第一时序信息的第二时序信息的方式包括:按照所述用电相关信息中的至少用电计划,选取用电费用最低、预期用电总量的波动最小、和预期用电总量的峰值最大值最小中至少一种的时序信息作为第二时序信息。
在本申请的第三方面的某些实施方式中,所述预测模块还用于基于所述用电相关信息预测自供电系统的供电量;以及用于利用所述供电量补偿所述时序信息内的预期用电总量,以便基于补偿后的所述时序信息确定所述预期用电需量。
在本申请的第三方面的某些实施方式中,所述预测模块基于预期用电总量的时序信息确定所述用电周期的预期用电需量的方式包括以下至少一种:将所述预期用电时序信息中的峰值最大值作为所述预期用电需量;或者按照预设比例放大所述预期用电时序信息中的峰值最大值以得到所述预期用电需量;基于所述预期用电时序信息的波动情况自所述预期用电时序信息中选择预期用电需量。
在本申请的第三方面的某些实施方式中,所述需量预测系统还包括更新模块,用于基于至少上一个用电周期内各所述用电系统的用电量更新多个用电系统各自的运行状态与用电量的对应关系。
在本申请的第三方面的某些实施方式中,所述用电相关信息包括:运行用电计划的用电系统信息、用电计划信息,以及以下至少一种:人员信息、天气预测信息、用电系统的维护信息、排产信息和电价信息。
在本申请的第三方面的某些实施方式中,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。
本申请第四方面提供一种服务端,包括:接口单元,用于获取一用电周期内的包含用电计划的用电相关信息;存储单元,用于存储至少一个程序;处理单元,用于调用所述至少一个程序以协调所述接口单元和存储单元执行如第一方面所述的需量预测方法。
本申请第五方面提供一种需量控制系统,包括:监测模块,用于在执行用电计划期间,监测所运行的多个用电系统的实际用电总量;预测模块,用于基于所获取的包含用电计划的用电相关信息和所监测的实际用电总量,预测所述用电计划未执行期间的用电总量时序信息;调控模块,用于当所述用电总量时序信息接近或达到预设的预期用电需量时,根据当前所监测的实际用电总量进行用电量调控。
在本申请的第五方面的某些实施方式中,所述预测模块根据所述用电相关信息和所监测的实际用电总量,预测后续至少一个单位预测时长的用电总量时序信息。
在本申请的第五方面的某些实施方式中,当所述用电总量时序信息接近或达到预设的预期用电需量时,所述调控模块根据当前所监测的实际用电总量进行用电量调控的方式包括:确定所述用电总量时序信息中接近或达到预设的预期用电需量的用电总量相距当前时刻的预测时长;基于所述预测时长和当前所监测的实际用电总量进行用电量调控。
在本申请的第五方面的某些实施方式中,所述监测模块还用于持续监测各所述用电系统的实际用电量的时序信息和预设的用电系统的运行状态与用电量的对应关系,确定所述用电系统当前的运行状态。
在本申请的第五方面的某些实施方式中,当所述用电总量时序信息接近或达到预设的预期用电需量时,所述调控模块根据各所述用电系统当前的运行状态调整至少一种用电系统的运行状态以降低相应时期的实际用电总量。
在本申请的第五方面的某些实施方式中,所述需量控制系统还包括更新模块,用于基于已监测的各所述用电系统的历史用电量更新所述对应关系。
在本申请的第五方面的某些实施方式中,所述调控模块根据当前所监测的实际用电总量进行用电量调控的方式还包括:当所述用电总量时序信息接近或达到预设的预期用电需量时,控制自供电系统向各所述用电系统的供电线路补偿供电以降低相应时期的实际用电总量。
在本申请的第五方面的某些实施方式中,所述预测模块还用于基于所述用电相关信息预测所述自供电系统的供电量。
本申请第六方面提供一种计算机设备,包括:接口单元,用于获取当前所执行的用电计划所对应的用电相关信息,以及;存储单元,用于存储至少一个程序;处理单元,用于调用所述至少一个程序以协调所述接口单元和存储单元执行如第二方面所述的需量预测方法。
本申请第七方面提供一种需量控制系统,包括:至少一个计量装置,用于计量所连接的用电系统的累积用电量;计算机设备,与各所述计量装置通信连接且具有接口单元,用于从所述计量装置获取各所述计量装置的累积用电量,从所述接口单元获取包含用电计划的用电相关信息,以及执行如第二方面所述的需量预测方法。
如上所述,本申请的需量预测方法、需量控制方法及系统,具有以下有益效果:本申请所提供的所述需量预测方法通过引入用电周期内的用电相关信息能够更准确地预测预期用电需量,以供企业更合理规划用电。另外,本申请还提供需量控制方法通过对执行用电计划的过程进行有效监控以利用企业内部资源予以及时调控使得企业的用电效率大幅提高。
附图说明
图1显示为在执行生产活动期间和未执行生产活动期间各用电系统的用电总量随时间的变化曲线示意图。
图2显示为本申请的服务端在一实施方式中的结构示意图。
图3显示为本申请的需量预测方法在一实施方式中的流程图。
图4显示为本申请的需量预测方法在又一实施方式中的流程图。
图5显示为本申请的基于用电相关信息中第一排产信息所预测的第一时序信息的示意图。
图6显示为本申请的需量预测方法在再一实施方式中的流程图。
图7显示为本申请的第一时序信息和第二时序信息的曲线的界面示意图。
图8显示为本申请的需量预测系统在一实施方式中的架构图。
图9显示为本申请的需量控制系统在一实施方式中的结构示意图。
图10显示为本申请的需量控制系统中计算机设备的结构示意图。
图11显示为本申请的需量控制方法在一实施方式中的流程图。
图12显示为利用本申请的需量控制方案所预测的用电总量时序信息上各用电总量与预期用电需量的示意图。
图13显示为本申请的需量控制系统在一实施方式中的架构图。
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。
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,第一预设阈值可以被称作第二预设阈值,并且类似地,第二预设阈值可以被称作第一预设阈值,而不脱离各种所描述的实施例的范围。第一预设阈值和预设阈值均是在描述一个阈值,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预设阈值。相似的情况还包括第一音量与第二音量。
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。
企业的用电量高峰与企业的生产计划、营业时长、企划活动等行为密不可分。请参阅图1所示,其显示为在执行生产活动期间和未执行生产活动期间各用电系统的用电总量随时间的变化曲线示意图。由图1中可见,企业的用电需量预测通常是预测企业执行生产经营行为期间所需的用电总量。该用电总量为企业的各用电系统短时用电量的总和(即能耗总量)。正是由于生产经营行为对企业用电量的重要影响,单依靠历史用电数据不能准确预测下一用电周期中的用电总量峰值。
为此,本申请提供一种需量预测方法。所述能量预测方法主要由能量预测系统来执行。其中,所述能量预测系统可以是配置在服务端的软件系统,其利用所配置服务端的硬件执行相应程序以为企业提供下一用电周期内执行相应生产活动所需的用电总量的时序信息,进而根据所预测的时序信息确定企业在相应用电周期的用电需量。其中,所述用电周期可与契约中所约定的用电周期相同,也可以根据生产活动来设置用电周期。所预测的用电需量可用来帮助企业申报契约用电需量以更加合理地设置用电成本。
在此,所述服务端包括但不限于单台服务器、服务器集群、分布式服务器群、云服务端等。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。
在此,所述服务端与企业的用电控制系统、生产活动的管理系统等通信连接,甚至还可以数据连接第三方系统,以及利用爬虫技术获取互联网中与企业用电相关的互联网数据等。其中,所述用电控制系统包括但不限于:安装在企业内的计量装置(如电度表)、电气设备控制系统等。所述管理系统包括但不限于:生产过程执行系统(MES,ManufacturingExecution System)、企业资源计划系统(ERP,Enterprise Resource Planning)等。所述第三方系统举例包括自有的用于存储历史用电数据服务器、用于获取企业用电计划的WEB服务器等。所述互联网数据举例包括天气预报数据等,其中,所述天气预报数据可以是基于从互联网获取的历史同期的天气数据预测而得的,或者从气象网站或其他网站直接获取的天气预报数据。所述需量预测系统利用所获取的各方用电相关信息执行以下各步骤以预测下一用电周期的预期用电需量,以便基于所述预期用电需量控制企业在所述用电周期内的用电总量。
另外,请参阅图2,其显示为服务端在一实施方式中的结构示意图。所述服务端包含接口单元11、存储单元12、和处理单元13。其中,所述存储单元12包含非易失性存储器、存储服务器等。其中,所述非易失性存储器举例为固态硬盘或U盘等。所述存储服务器用于存储所获取的各种用电相关信息。所述接口单元11包括网络接口、数据线接口等。其中所述网络接口包括但不限于: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、基于近距离通信(WiFi、蓝牙等)的网络接口装置等。所述数据线接口包括但不限于:USB接口、RS232等。所述接口单元与企业的各系统、第三方系统、互联网等数据连接。所述处理单元13连接接口单元和存储单元,其包含:CPU或集成有CPU的芯片、可编程逻辑器件(FPGA)和多核处理器中的至少一种。所述处理单元13还包括内存、寄存器等用于临时存储数据的存储器。请参阅图3,其显示为所述需量预测方法的流程图。所述处理单元13读取存储单元所存储的至少一个程序和用电相关信息以执行如下所述的需量预测方法。其中,所述用电相关信息是处理单元13预先自接口单元(未予图示)获取并保存在存储单元12中的。
在步骤S110中,获取一用电周期内的包含用电计划的用电相关信息。其中,所述用电计划是指企业在相应用电周期内预知的生产计划、活动计划、经营计划中的至少一个。所述用电计划包括但不限于生产或活动时限、生产或活动所使用的用电设备等。除了上述用电计划之外,所述用电相关信息中还可以包含以下至少一种:排产信息、人员信息、天气预测信息、设备维护信息和电价信息等。
其中,所述企划活动信息是为配合企业庆典、节假日促销等而设定的包含活动日期、资源配置等信息。所述排产信息是基于生产订单、资源、班次、假日、例外班次、物料清单、作业优先级等而确定的包含排程计算日期和时间、和资源配置信息的信息。所述人员信息包括办公区域的人员数量、厂区人员数量、换班人员数量、企业活动预计人员数量等。所述电价信息包括各时段电价单价、契约需量的电价等。设备维护信息包括设备名称及所对应的用电系统等。
其中,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)。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、强弱电转换系统等。
在此,所述需量预测系统可藉由企业的MES系统(或ERP系统)所分享的数据库读取用电计划及与所述用电计划关联的其他用电相关信息。例如,根据可共享数据的需要,所述需量预测系统从MES系统所对应的数据库读取排产信息、人员信息、用电系统的维护信息和各用电系统执行顺序等。又如,所述需量预测系统可向企业提供可输入包含用电计划的用电相关信息的界面,并藉由所述界面获取相应的用电相关信息。根据设计需要,所述需量预测系统还从第三方或互联网上获取影响用电系统耗电的用电相关信息。例如所述需量预测系统获取天气预报信息等影响空调系统运行的用电信息。
在步骤S120中,基于预设的多个用电系统各自的运行状态与用电量的对应关系,预测各所述用电系统在所述用电相关信息约束下执行所述用电计划的预期用电总量的时序信息。
在此,所述需量预测系统中预存有企业内至少对用电量影响大的各用电系统各自的运行状态。其中,所述用电系统的运行状态中包含用电系统中所有用电设备的运行状态组合。所述用电设备的运行状态是指用电设备中的电机、控制器等在至少一种状态下运行并维持相应状态的运行。以所述用电系统中包含多个空调设备为例,所述空调设备包含待机模式、新风模式、制冷模式、制热模式等多种模式,根据出风量、制冷(热)温度等,每种模式包括至少一种运行状态,该用电系统的运行状态包含每个空调设备的合理的运行状态的组合。需要说明的是,上述用电系统仅为举例,并非每个用电设备一定具备多种模式,例如照明设备仅包含开状态和关状态,包含照明设备的用电系统为各照明设备开状态和关状态的组合,技术人员应根据用电设备实际维持运行能力而确定相应的运行状态。
另外,所述需量预测系统中还预存有各用电系统在相应运行状态下的用电量。在此,在一些实施方式中,各运行状态所对应的用电量可通过预先模拟用电设备各运行状态而确定的,或者根据用电设备的设备参数计算而得的。例如,利用用电设备的设备参数模拟用电设备在各运行状态下的用电量,其中,所述设备参数包括但不限于:额定功率、最大功率等电气参数,流量、压力、转速等物理参数,以及温度等环境参数。
在另一些实施方式中,各运行状态所对应的用电量是基于历史获取的各所述用电系统的历史用电量而确定的。为此,在进行需量预测前的一段时期,收集执行本次预测之前各用电系统各自的实际用电量或者实际用电总量,以通过机器学习方式确定各运行状态变化所对应的用电量变化量。其中,所述运行状态变化是指用电系统从运行状态A1调整为运行状态A2的变化过程,其包含运行状态A1和A2的先后顺序。例如,传送带设备从待机状态调整为传送状态为从待机状态至传送状态的运行状态变化。接着,在确定了运行状态变化所对应的用电量变化量的基础上,以用电设备停止状态下或运行极限状态所对应的实际用电量为基准,按照所述运行状态变化顺序确定用电设备的所有运行状态所对应的实际用电量。以用电系统包含两台传送带设备为例,在确定了每台传送带设备从待机状态至传送状态的运行状态变化所对应的实际用电量变化量的基础上,根据预先确定的传送带设备在停止状态时用电量为零,用电量从低到高的运行状态依次为停止状态、待机状态和传送状态,以及在发生传送带设备的各运行状态变化时所对应的用电量变化量,确定传送带设备待机状态和传送状态各自所对应的实际用电量;相应的用电系统的运行状态包含两台传送带设备各运行状态的组合,所述需量预测系统可根据所得到的每台传送带设备的运行状态及所对应的实际用电量确定所述用电系统的运行状态及所对应的用电量。
其中,所述通过机器学习方式确定各运行状态变化所对应的用电量变化量的方式包括但不限于以下示例:
在一些具体示例中,通过一段时间积累得到用电系统的变点序列以及对应各变点的实际用电量子序列;根据所监控的用电系统中各用电设备的用电参数、各用电设备中主要电器件的电特性等,对各实际用电量子序列进行特征分析,得到每个用电设备运行状态变化所对应的实际用电量变化量。
在另一些具体示例中,通过一段时间积累得到用电系统的变点序列以及对应各变点的实际用电量子序列;将各实际用电量子序列进行聚类分类,再对同一分类的实际用电量子序列进行特征分析得到实际用电量变化量;根据所监控的用电系统中各用电设备的用电参数、各用电设备中主要电器件的电特性等,将每个用电设备运行状态变化与各分类的实际用电量变化量进行匹配,如此得到每个用电运行状态变化所对应的实际用电量变化量。
在确定了各用电设备运行状态与实际用电量的对应关系后,所述对应关系被存储在包含数据库的存储服务器上,以供所述需量预测系统读取。在一些实施方式中,各用电系统的运行状态所对应的用电量并非为固定不变的,受用电系统损耗、维护等影响,所述各用电系统的运行状态所对应的用电量会被定期或在执行所述步骤S120之前被更新。为此,请参阅图4,其显示为所述需量预测方法在又一实施方式中的流程图。在执行所述步骤S120之前,所述需量预测方法还包括步骤S100,即基于至少上一个用电周期内各所述用电系统的历史用电量更新多个用电系统各自的运行状态与用电量的对应关系。在此,所述需量预测系统可按照前述各对应关系确定方式执行步骤S100以得到更新后的所述对应关系,在此不再详述。
在一些实施方式中,所述步骤S100可进一步包括基于至少上一个用电周期内各所述用电系统的历史用电量,以及预设的各用电系统的损耗参数、所述用电相关信息中的至少一种,确定多个用电系统各自的运行状态与用电量的对应关系的步骤。其中,所述用电相关信息中包含用电系统中用电设备的巡检维修保养信息、用电计划等。其中,用电设备自身的损耗参数,技术人员对其进行的维修操作,以及因用电计划而产生的用电系统各运行状态的持续时长和运行状态变化,参与用电计划的人员信息等均会影响包含产线设备和具有柔性负荷的用电设备在内多种用电系统各自的运行状态与用电量的对应关系。因此,所述需量预测系统将基于用电相关信息而确定的各中影响因素量化,并作为确定多个用电系统各自的运行状态所对应的用电量的约束参数,并利用最新的历史用电量对所述对应关系进行更新处理,以得到更贴近真实用电系统各自的运行状态所对应的用电量。其中各用电系统自身的损耗的量化数据可以基于损耗变化曲线而确定;各用电系统的巡检维修保养的量化参数可以是基于历史巡检维修保养之前和之后的用电量的变化而确定的;用电计划的量化参数可以是基于历史执行过的多个用电计划时用电量的变化而确定的。根据实际预测算法的设计需要,上述各量化参数可作为用于确定各用电量的权重、偏移量、参数区间门限中的至少一种。经上述至少一种量化参数的约束,在确定各用电系统的运行状态所对应的用电量后执行步骤S120,即利用所述对应关系预测各所述用电系统在所述用电相关信息约束下执行所述用电计划的预期用电总量的时序信信息。
在一些实施方式中,所述需量预测系统可按照所述用电计划中所提供的至少排产信息(以下称为第一排产信息)和所述对应关系,预测在一用电周期内执行所述用电计划的预期用电总量的第一时序信息。在此,所述需量预测系统按照所述第一排产信息所安排的各用电系统中用电设备的执行顺序确定相应用电设备的运行状态变化顺序;依据所确定的用电设备的运行状态变化顺序,确定属于同一用电系统中各用电设备的运行状态组合的顺序;再依据所述对应关系预测在一用电周期内执行所述用电计划的预期用电总量的第一时序信息。请参阅图5,其显示为基于用电相关信息中第一排产信息所预测的第一时序信息的示意图,所述示意图仅示意性地描述第一时序信息为所预测的各用电系统的预期用电量的总和,而非经准确测量得到的。其中,所述第一时序信息Pz是用电系统D1的预期用电量的时序信息Pd1和用电系统D2的预期用电量的时序信息Pd2的总和。
需要说明的是,上述预测第一时序信息的方式仅为举例,由于所述用电相关信息中还可以包含如照明系统、空调系统、电梯系统等作为柔性负荷的各用电系统的使用计划信息、天气预报信息、用电设备的维护信息、人员信息等与用电相关的其他信息,所述需量预测系统还基于上述各信息预测包含柔性负荷的各用电系统运行期间各硬性状态变化顺序的时序信息在内的第一时序信息。其中,所述天气预报信息包括气象部门发布的用电周期内的天气预报信息,或基于历史同时期的天气信息而预测的天气预报信息。所述人员信息包括直接参与排产的人员数量、和间接参与排产的人员数量(如办公人员数量)等。所述用电设备的维护信息包括当前已维护的维护信息、和/或在相应用电周期内的维护计划等。所述需量预测系统可根据上述各信息确定柔性负荷的用电系统的预期用电量的时序信息等,通过将所有得到的用电系统的时序信息叠加得到所预测的预期用电总量的第一时序信息。
在一些实施方式中,对于具有生产工序复杂、或生产产品多样的企业来说,各排产信息可能源自不同排产部门,而排产部门之间由于缺乏横向沟通,导致排产信息会集中到用电周期的一短期时段内,这使得所预测的第一时序信息在相应时段内具有过高的峰值最大值,而其他时段的用电总量过少。为此,请参阅图6,其显示为所述需量预测方法在又一实施方式中的流程图,与图3和图4不同的是,所述需量预测系统在进行预期用电总量预测时,还执行以下步骤:
在步骤S121中,基于所述对应关系调整基于所述用电相关信息而确定的至少第二排产信息。其中,所述用电相关信息所直接提供的排产信息为第一排产信息,所述需量预测系统根据用电计划而调整所述第一排产信息以得到第二排产信息。根据用电相关信息所提供的如人员信息、天气预报信息等其他信息,所述需量预测系统也可以推得如照明系统、空调系统等柔性负荷的用电系统的使用计划等。例如,根据用电相关信息中参与生产计划的人员数量、天气预报信息等制定生产区域的照明系统和空调系统的使用计划信息;根据用电相关信息中办公区域的人员数量、天气预报信息等制定办公区域的照明系统和空调系统的使用计划信息。又如,根据用电相关信息中上下班时间段、换班时间段等制定电梯系统的使用计划信息。
以基于所述用电相关信息而确定的第二排产信息、各用电系统的使用计划各自所对应的用电系统的运行状态变化顺序为输入信息执行步骤S122。
在步骤S122中,基于调整后的至少第二排产信息预测在一用电周期内执行所述用电计划的期间的预期用电总量的时序信息。在此,所述预测方式与前述预测第一时序信息的方式相同或相似,在此不再详述。
重复上述调整用电相关信息和预测预期用电总量的时序信息的步骤直至得到优于所述第一时序信息的第二时序信息。在此,所重复的次数依据预设的收敛条件或重复次数阈值而确定。其中,所述收敛条件包括但不限于所得到预期用电总量的时序信息所反映的用电费用最低、预期用电总量的波动最小、和预期用电总量的峰值最大值最小中至少一种。当将所得到的各预期用电总量的时序信息满足基于所述收敛条件时,将相应的预期用电总量的时序信息作为第二时序信息。或者当在所述重复次数达到所述重复次数阈值时,从所得到的所有预期用电总量的时序信息中选取最符合所述收敛条件的预期用电总量的时序信息,并将其作为第二时序信息。
例如,所述需量预测系统以所述用电计划为约束,调整排产信息、柔性负荷的使用计划信息等并按照调整后的各信息进行预期用电总量的时序信息,得到预期用电总量的波动最小和/或预期用电总量的峰值最大值最小的时序信息,并将其反馈给企业的相关人员,以供所述相关人员基于所预测的时序信息对排产信息进行调整。
又如,一些地域的电价标准按照累积用电量、用电高峰和低谷设置了多种电价梯度,所述需量预测系统可从第三方系统获取包含电价梯度的电价信息,再根据所获取的用电计划中的期限,预测为完成用电计划所对应的生产活动等各用电系统启动、档位调整、停止等所对应的运行状态变化顺序,并以包含电价梯度的电价信息为约束,从所预测的多组候选的各用电系统的运行状态变化顺序中选择其中一种使得电价最低的时序信息作为第二时序信息;同时还确定第二时序信息所对应调整的第二排产信息、各种使用计划信息等。
在上述各示例的基础上,本领域技术人员可将其中一种与其他预测方案相结合,以便在预期用电总量波动最小、降低预期用电总量的时序信息中峰值最大值和电价最低的基础上增加更多与实际生产活动相关的约束来预测实际用电总量的时序信息,并得到相应的排产信息和各柔性负载的使用计划信息的方式应视为本申请的具体示例在此不一一详述。
在又一些实施方式中,为防止供电意外,或为了减少能量浪费,企业内部具备自供电系统。所述自供电系统包括但不限于:光伏发电系统、热转换系统、储能系统、三联供系统、风能发电系统等。在进行用电预测时,还可以将企业的自供电系统纳入预测用电需量的考量范围。为此,所述需量预测方法还包括基于所述用电相关信息预测自供电系统的供电量,以及利用所述供电量补偿所述时序信息内的预期用电总量,以便基于补偿后的所述时序信息确定所述预期用电需量的步骤。
对于具有光伏发电系统和风能发电系统的企业来说,所述需量预测系统根据所述用电相关信息中的天气预报信息估计在已预测的时序信息的峰值及电价较高的时段自供电系统的供电量,并将所估计的供电量补偿在所述时序信息内的相应时段的预期用电总量,以得到补偿后的时序信息。
对于具有热转换系统的企业来说,所述需量预测系统根据已预测时序信息中用电系统排放热能的时段,并基于预设的热转换率估计在相应时段内所转换的供电量,并将所转换的供电量补偿到所述排放热能的时段内,以得到补偿后的时序信息。
对于具有热转换系统和储能系统的企业来说,所述需量预测系统可按照上述方式估计热转换系统所能转换的电能,并按照储能系统的存储损失率估计将所述电能存储在储能系统中电能;在已预测的时序信息的峰值及电价较高的时段自供电系统的供电量,并将所估计的供电量补偿在所述时序信息内的相应时段的预期用电总量,以得到补偿后的时序信息。另外,所述需量预测系统在预测预期用电总量的时序信息时还应考虑自供电系统中储能系统充电计划信息和放电计划信息,为此,在预测第一时序信息和第二时序信息时,还可以将储能系统的充电过程视为一用电系统的用电过程,并基于所述用电相关信息而确定的储能系统的充电计划信息,预测储能系统的用电量的时序信息,并将所预测的所有用电系统各用电量的时序信息的总和确定为所预测的预期用电总量的时序信息。
需要说明的是,上述各利用自供电系统的供电量预测预期用电总量的时序信息的方式仅为举例,而非对本申请的限制。事实上根据实际自供电系统的供电方式,所述需量预测系统所预测的供电量是直接或间接依据用电相关信息而确定的,在此技术思想的指导下,由此延伸出的基于所述用电相关信息预测自供电系统的供电量,以及利用所预测的供电量对已预测的时序信息进行补偿处理的方式应视为本申请的一个具体示例。
当预测了一用电周期内的时序信息后,所述需量预测系统执行步骤S130。
在步骤S130中,基于所述预期用电总量的时序信息确定所述用电周期的预期用电需量。
在此,当预测了一用电周期内的时序信息后,所述需量预测系统可进一步根据所述时序信息中的峰值最大值来帮助企业设定预期用电需量,企业可根据该预期用电需量向供电公司上报契约需量。为此,所述需量预测系统可将所预测的至少一个时序信息及各自所对应的排产信息提供给企业。例如,请参阅图7,其显示为显示第一时序信息和第二时序信息的曲线的界面示意图,所述需量预测系统将所预测的各时序信息绘制成曲线,以及将曲线上的峰值最大值的数值显示在相应的显示界面上。在所述显示界面上还可以显示按照各自时序信息所对应的预期用电需量。在此,所述预期用电需量可以为相应时序信息的峰值最大值或按照预设比例放大相应峰值最大值所得到的。
在另一具体示例中,所述需量预测系统还基于所述预期用电时序信息的波动情况自所述预期用电时序信息中选择预期用电需量。其中,所述波动情况包括但不限于:所述预期用电时序信息中各峰值之间的偏差情况、所述预期用电时序信息中各波峰所持续的时长等。在此,所述预期用电需量可以为相应时序信息的峰值最大值或按照预设比例放大相应峰值最大值所得到的。所述需量预测系统还可根据波动情况并结合电价信息确定预期用电需量。例如,在所预测的预期用电时序信息中的峰值最大值相比其他峰值更尖锐、耗时更短,则可结合电价支付和惩罚标准、和预期用电时序信息的波动选择低于峰值最大值的用电量作为预期用电需量。
企业相关人员可根据所述需量预测系统所提供的依据用电成本而生成的各种信息调整相应的排产信息,并再将包含调整后的排产信息的用电相关信息反馈给所述需量预测系统,以供其再次执行步骤S110-S130。由此预测所述用电周期的预期用电需量。
本申请还提供一种需量预测系统。所述需量预测系统为配置在服务端的软件系统。请参阅图8,其显示为所述需量预测系统在一实施方式中的架构图。所述需量预测系统2包含获取模块21和预测模块22等程序模块。
所述获取模块21用于获取一用电周期内的包含用电计划的用电相关信息。其中,所述用电计划是指企业在相应用电周期内预知的生产计划、活动计划、经营计划中的至少一个。所述用电计划包括但不限于生产或活动时限、生产或活动所使用的用电设备等。除了上述用电计划之外,所述用电相关信息中还可以包含以下至少一种:排产信息、人员信息、天气预测信息、设备维护信息和电价信息等。
其中,所述排产信息是基于生产订单、资源、班次、假日、例外班次、物料清单、作业优先级等而确定的包含排程计算日期和时间、和资源配置信息的信息。除了用电计划之外,所述用电相关信息中还可以包含以下至少一种:人员信息、天气预测信息、用电系统的维护信息、电价信息和各用电系统执行顺序。其中,所述企划活动信息是为配合企业庆典、节假日促销等确定的包含活动日期、资源配置等信息。其中,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)。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,所述获取模块21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,所述获取模块21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、强弱电转换系统等。
在此,所述获取模块21可藉由企业的MES系统(或ERP系统)所分享的数据库读取用电计划及与所述用电计划关联的其他用电相关信息。例如,根据可共享数据的需要,所述获取模块21从MES系统所对应的数据库读取排产信息、人员信息、用电系统的维护信息和各用电系统执行顺序等。又如,所述获取模块21可向企业提供可输入包含用电计划的用电相关信息的界面,并藉由所述界面获取相应的用电相关信息。根据设计需要,所述获取模块21还从第三方或互联网上获取影响用电系统耗电的用电相关信息。例如所述获取模块21获取天气预报信息等影响空调系统运行的用电信息。
所述预测模块22用于基于预设的多个用电系统各自的运行状态与用电量的对应关系,预测各所述用电系统在所述用电相关信息约束下执行所述用电计划的预期用电总量的时序信息。
在此,所述预测模块22中预存有企业内至少对用电量影响大的各用电系统各自的运行状态。其中,所述用电系统的运行状态中包含用电系统中所有用电设备的运行状态组合。所述用电设备的运行状态是指用电设备中的电机、控制器等在至少一种状态下运行并维持相应状态的运行。以所述用电系统中包含多个空调设备为例,所述空调设备包含待机模式、新风模式、制冷模式、制热模式等多种模式,根据出风量、制冷(热)温度等,每种模式包括至少一种运行状态,该用电系统的运行状态包含每个空调设备的合理的运行状态的组合。需要说明的是,上述用电系统仅为举例,并非每个用电设备一定具备多种模式,例如照明设备仅包含开状态和关状态,包含照明设备的用电系统为各照明设备开状态和关状态的组合,技术人员应根据用电设备实际维持运行能力而确定相应的运行状态。
另外,所述预测模块22中还预存有各用电系统在相应运行状态下的用电量。在此,在一些实施方式中,各运行状态所对应的用电量可通过预先模拟用电设备各运行状态而确定的,或者根据用电设备的设备参数计算而得的。例如,利用用电设备的设备参数模拟用电设备在各运行状态下的用电量,其中,所述设备参数包括但不限于:额定功率、最大功率等电气参数,流量、压力、转速等物理参数,以及温度等环境参数。
在另一些实施方式中,各运行状态所对应的用电量是基于历史获取的各所述用电系统的历史用电量而确定的。为此,在进行需量预测前的一段时期,收集执行本次预测之前各用电系统各自的实际用电量或者实际用电总量,以通过机器学习方式确定各运行状态变化所对应的用电量变化量。其中,所述运行状态变化是指用电系统从运行状态A1调整为运行状态A2的变化过程,其包含运行状态A1和A2的先后顺序。例如,传送带设备从待机状态调整为传送状态为从待机状态至传送状态的运行状态变化。接着,在确定了运行状态变化所对应的用电量变化量的基础上,以用电设备停止状态下或运行极限状态所对应的实际用电量为基准,按照所述运行状态变化顺序确定用电设备的所有运行状态所对应的实际用电量。以用电系统包含两台传送带设备为例,在确定了每台传送带设备从待机状态至传送状态的运行状态变化所对应的实际用电量变化量的基础上,根据预先确定的传送带设备在停止状态时用电量为零,用电量从低到高的运行状态依次为停止状态、待机状态和传送状态,以及在发生传送带设备的各运行状态变化时所对应的用电量变化量,确定传送带设备待机状态传送状态各自所对应的实际用电量;相应的用电系统的运行状态包含两台传送带设备各运行状态的组合,所述需量预测系统可根据所得到的每台传送带设备的运行状态及所对应的实际用电量确定所述用电系统的运行状态及所对应的用电量。
其中,所述通过机器学习方式确定各运行状态变化所对应的用电量变化量的方式包括但不限于以下示例:
在一些具体示例中,通过一段时间积累得到用电系统的变点序列以及对应各变点的实际用电量子序列;根据所监控的用电系统中各用电设备的用电参数、各用电设备中主要电器件的电特性等,对各实际用电量子序列进行特征分析,得到每个用电设备运行状态变化所对应的实际用电量变化量。
在另一些具体示例中,通过一段时间积累得到用电系统的变点序列以及对应各变点的实际用电量子序列;将各实际用电量子序列进行聚类分类,再对同一分类的实际用电量子序列进行特征分析得到实际用电量变化量;根据所监控的用电系统中各用电设备的用电参数、各用电设备中主要电器件的电特性等,将每个用电设备运行状态变化与各分类的实际用电量变化量进行匹配,如此得到每个用电运行状态变化所对应的实际用电量变化量。
在确定了各用电设备运行状态与实际用电量的对应关系后,所述对应关系被存储在包含数据库的存储服务器上,以供所述预测模块22读取。在一些实施方式中,各用电系统的运行状态所对应的用电量并非为固定不变的,受用电系统损耗、维护等影响,所述各用电系统的运行状态所对应的用电量会被定期或在执行所述预测模块22之前被更新。为此,所述需量预测系统还包括更新模块(未予图示),即基于至少上一个用电周期内各所述用电系统的历史用电量更新多个用电系统各自的运行状态与用电量的对应关系。在此,所述更新模块可按照前述各对应关系确定方式得到更新后的所述对应关系,在此不再详述。
在一些实施方式中,所述更新模块还基于至少上一个用电周期内各所述用电系统的历史用电量,以及预设的各用电系统的损耗参数、所述用电相关信息中的至少一种,确定多个用电系统各自的运行状态与用电量的对应关系。其中,所述用电相关信息中包含用电系统中用电设备的巡检维修保养信息、用电计划等。其中,用电设备自身的损耗参数,技术人员对其进行的维修操作,以及因用电计划而产生的用电系统各运行状态的持续时长和运行状态变化,参与用电计划的人员信息等均会影响包含产线设备和具有柔性负荷的用电设备在内多种用电系统各自的运行状态与用电量的对应关系。因此,所述更新模块将基于用电相关信息而确定的各中影响因素量化,并作为确定多个用电系统各自的运行状态所对应的用电量的约束参数,并利用最新的历史用电量对所述对应关系进行更新处理,以得到更贴近真实用电系统各自的运行状态所对应的用电量。其中各用电系统自身的损耗的量化数据可以基于损耗变化曲线而确定;各用电系统的巡检维修保养的量化参数可以是基于历史巡检维修保养之前和之后的用电量的变化而确定的;用电计划的量化参数可以是基于历史执行过的多个用电计划时用电量的变化而确定的。根据实际预测算法的设计需要,上述各量化参数可作为用于确定各用电量的权重、偏移量、参数区间门限中的至少一种。经上述至少一种量化参数的约束,在确定各用电系统的运行状态所对应的用电量后启动预测模块22,即利用所述对应关系预测各所述用电系统在所述用电相关信息约束下执行所述用电计划的预期用电总量的时序信信息。
在一些实施方式中,所述预测模块22可按照所述用电计划中所提供的至少排产信息(以下称为第一排产信息)和所述对应关系,预测在一用电周期内执行所述用电计划的预期用电总量的第一时序信息。在此,所述预测模块22按照所述第一排产信息所安排的各用电系统中用电设备的执行顺序确定相应用电设备的运行状态变化顺序;依据所确定的用电设备的运行状态变化顺序,确定属于同一用电系统中各用电设备的运行状态组合的顺序;再依据所述对应关系预测在一用电周期内执行所述用电计划的预期用电总量的第一时序信息。如图4所示,所述第一时序信息Pz是用电设备D1的预期用电量的时序信息Pd1和用电设备D2的预期用电量的时序信息Pd2的总和。
需要说明的是,上述预测第一时序信息的方式仅为举例,由于所述用电相关信息中还可以包含如照明系统、空调系统、电梯系统等作为柔性负荷的各用电系统的使用计划信息、天气预报信息、用电设备的维护信息、人员信息等与用电相关的其他信息,所述预测模块22还基于上述各信息预测包含柔性负荷的各用电系统运行期间各硬性状态变化顺序的时序信息在内的第一时序信息。其中,所述天气预报信息包括气象部门发布的用电周期内的天气预报信息,或基于历史同时期的天气信息而预测的天气预报信息。所述人员信息包括直接参与排产的人员数量、和间接参与排产的人员数量(如办公人员数量)等。所述用电设备的维护信息包括当前已维护的维护信息、和/或在相应用电周期内的维护计划等。所述预测模块22可根据上述各信息确定柔性负荷的用电系统的预期用电量的时序信息等,通过将所有得到的所有类型的用电系统的时序信息叠加得到所预测的预期用电总量的第一时序信息。
在一些实施方式中,对于具有生产工序复杂、或生产产品多样的企业来说,各排产信息可能源自不同排产部门,而排产部门之间由于缺乏横向沟通,导致排产信息会集中到用电周期的一短期时段内,这使得所预测的第一时序信息在相应时段内具有过高的峰值最大值,而其他时段的用电总量过少。为此,所述预测模块22在进行预期用电总量预测时,还执行以下步骤:
在步骤S121中,基于所述对应关系调整基于所述用电相关信息而确定的至少第二排产信息。其中,所述用电相关信息所直接提供的排产信息为第一排产信息,所述预测模块22根据用电计划而调整所述第一排产信息以得到第二排产信息。根据用电相关信息所提供的如人员信息、天气预报信息等其他信息,所述预测模块22也可以推得如照明系统、空调系统等柔性负荷的用电系统的使用计划等。例如,根据用电相关信息中参与生产计划的人员数量、天气预报信息等制定生产区域的照明系统和空调系统的使用计划信息;根据用电相关信息中办公区域的人员数量、天气预报信息等制定办公区域的照明系统和空调系统的使用计划信息。又如,根据用电相关信息中上下班时间段、换班时间段等制定电梯系统的使用计划信息。
以基于所述用电相关信息而确定的第二排产信息、各用电系统的使用计划各自所对应的用电系统的运行状态变化顺序为输入信息执行步骤S122。
在步骤S122中,基于调整后的至少第二排产信息预测在一用电周期内执行所述用电计划的期间的预期用电总量的时序信息。在此,所述预测方式与前述预测第一时序信息的方式相同或相似,在此不再详述。
重复上述调整用电相关信息和预测预期用电总量的时序信息的步骤直至得到优于所述第一时序信息的第二时序信息。在此,所重复的次数依据预设的收敛条件或重复次数阈值而确定。其中,所述收敛条件包括但不限于所得到预期用电总量的时序信息所反映的用电费用最低、预期用电总量的波动最小、和预期用电总量的峰值最大值最小中至少一种。当将所得到的各预期用电总量的时序信息满足基于所述收敛条件时,将相应的预期用电总量的时序信息作为第二时序信息。或者当在所述重复次数达到所述重复次数阈值时,从所得到的所有预期用电总量的时序信息中选取最符合所述收敛条件的预期用电总量的时序信息,并将其作为第二时序信息。
例如,所述预测模块22以所述用电计划为约束,调整排产信息、柔性负荷的使用计划信息等并按照调整后的各信息进行预期用电总量的时序信息,得到预期用电总量的波动最小和/或预期用电总量的峰值最大值最小的时序信息,并将其反馈给企业的相关人员,以供所述相关人员基于所预测的时序信息对排产信息进行调整。
又如,一些地域的电价标准按照累积用电量、用电高峰和低谷设置了多种电价梯度,所述预测模块22可从第三方系统获取包含电价梯度的电价信息,再根据所获取的用电计划中的期限,预测为完成用电计划所对应的生产活动等各用电系统启动、档位调整、停止等所对应的运行状态变化顺序,并以包含电价梯度的电价信息为约束,从所预测的多组候选的各用电系统的运行状态变化顺序中选择其中一种使得电价最低的时序信息作为第二时序信息;同时还确定第二时序信息所对应调整的第二排产信息、各种使用计划信息等。
在上述各示例的基础上,本领域技术人员可将其中一种与其他预测方案相结合,以便在预期用电总量波动最小、降低预期用电总量的时序信息中峰值最大值和电价最低的基础上增加更多与实际生产活动相关的约束来预测实际用电总量的时序信息,并得到相应的排产信息和各柔性负载的使用计划信息的方式应视为本申请的具体示例在此不一一详述。
在又一些实施方式中,为防止供电意外,或为了减少能量浪费,企业内部具备自供电系统。所述自供电系统包括但不限于:光伏发电系统、热转换系统、储能系统、三联供系统、风能发电系统等。在进行用电预测时,还可以将企业的自供电系统纳入预测用电需量的考量范围。为此,所述需量预测方法还包括基于所述用电相关信息预测自供电系统的供电量,以及利用所述供电量补偿所述时序信息内的预期用电总量,以便基于补偿后的所述时序信息确定所述预期用电需量的步骤。
对于具有光伏发电系统和风能发电系统的企业来说,所述预测模块22根据所述用电相关信息中的天气预报信息估计在已预测的时序信息的峰值及电价较高的时段自供电系统的供电量,并将所估计的供电量补偿在所述时序信息内的相应时段的预期用电总量,以得到补偿后的时序信息。另外,所述需量预测系统在预测预期用电总量的时序信息时还应考虑自供电系统中储能系统充电计划信息和放电计划信息,为此,在预测第一时序信息和第二时序信息时,还可以将储能系统的充电过程视为一用电系统的用电过程,并基于所述用电相关信息而确定的储能系统的充电计划信息,预测储能系统的用电量的时序信息,并将所预测的所有用电系统各用电量的时序信息的总和确定为所预测的预期用电总量的时序信息。
对于具有热转换系统的企业来说,所述预测模块22根据已预测时序信息中用电系统排放热能的时段,并基于预设的热转换率估计在相应时段内所转换的供电量,并将所转换的供电量补偿到所述排放热能的时段内,以得到补偿后的时序信息。
对于具有热转换系统和储能系统的企业来说,所述预测模块22可按照上述方式估计热转换系统所能转换的电能,并按照储能系统的存储损失率估计将所述电能存储在储能系统中电能;在已预测的时序信息的峰值及电价较高的时段自供电系统的供电量,并将所估计的供电量补偿在所述时序信息内的相应时段的预期用电总量,以得到补偿后的时序信息。
需要说明的是,上述各利用自供电系统的供电量预测预期用电总量的时序信息的方式仅为举例,而非对本申请的限制。事实上根据实际自供电系统的供电方式,所述预测模块22所预测的供电量是直接或间接依据用电相关信息而确定的,在此技术思想的指导下,由此延伸出的基于所述用电相关信息预测自供电系统的供电量,以及利用所预测的供电量对已预测的时序信息进行补偿处理的方式应视为本申请的一个具体示例。
当预测了一用电周期内的时序信息后,所述预测模块22还用于基于所述预期用电总量的时序信息确定所述用电周期的预期用电需量。
在此,当预测了一用电周期内的时序信息后,所述预测模块22可进一步根据所述时序信息中的峰值最大值来帮助企业设定预期用电需量,企业可根据该预期用电需量向供电公司上报契约需量。为此,所述预测模块22可将所预测的至少一个时序信息及各自所对应的排产信息提供给企业。例如,请参阅图7,其显示为显示第一时序信息和第二时序信息的曲线的界面示意图,所述预测模块22将所预测的各时序信息绘制成曲线,以及将曲线上的峰值最大值的数值显示在相应的显示界面上。在所述显示界面上还可以显示按照各自时序信息所对应的预期用电需量。在此,所述预期用电需量可以为相应时序信息的峰值最大值或按照预设比例放大相应峰值最大值所得到的。
在另一具体示例中,所述需量预测系统还基于所述预期用电时序信息的波动情况自所述预期用电时序信息中选择预期用电需量。其中,所述波动情况包括但不限于:所述预期用电时序信息中各峰值之间的偏差情况、所述预期用电时序信息中各波峰所持续的时长等。在此,所述预期用电需量可以为相应时序信息的峰值最大值或按照预设比例放大相应峰值最大值所得到的。所述预测模块22还可根据波动情况并结合电价信息确定预期用电需量。例如,在所预测的预期用电时序信息中的峰值最大值相比其他峰值更尖锐、耗时更短,则预测模块22可结合电价支付和惩罚标准、和预期用电时序信息的波动选择低于峰值最大值的用电量作为预期用电需量。
企业相关人员可根据所述需量预测系统所提供的依据用电成本而生成的各种信息调整相应的排产信息,并再将包含调整后的排产信息的用电相关信息反馈给所述需量预测系统,以供获取模块21和预测模块22再次预测所述用电周期的预期用电需量以获取准确的契约需量的参考值。
对于企业来说,准确预测预期用电需量能够避免过高或过低估计契约需量,进而节约用电成本。然而在实际生产中,受临时加产、天气、人员操作等多种不确定因素的影响,还需要对执行用电计划的过程进行有效监控,以便在不确定因素影响下尽可能确保用电需量不高于契约需量。为此,本申请还提供一种需量控制方法。所述需量控制方法可由需量控制系统来执行。其中,请参阅图9,其显示为所述需量控制系统的结构示意图。所述需量控制系统可以包含用于执行以下各步骤的计算机设备31和用以项所述计算机设备31提供累积用电量的至少一个计量装置32。所述计算机设备31利用各计量装置32获取与之连接的用电系统的累积用电量,并通过每次所获取的累积用电量计算所监控的所有用电系统各自的瞬时的实际用电量和/或实际用电总量。所述计算机设备31基于所配置的软件和硬件而执行在实际用电总量接近或达到预期用电需量时,给予适当调控使得用电系统的实际用电总量低于预期用电需量,如此有效降低企业生产活动时的用电成本。其中,所述预期用电需量可为前述各示例中所提及的契约需量或所述需量预测方法所预测的预期用电需量。
其中,所述计算机设备可以是位于企业的用电调控机房的设备,或为互联网中一服务端。所述服务端包括但不限于单台服务器、服务器集群、分布式服务器群、云服务端等。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。
所述计算机设备与企业的用电控制系统、生产活动的管理系统等通信连接,甚至还可以数据连接第三方系统,以及利用爬虫技术获取互联网中与企业用电相关的互联网数据等。其中,所述用电控制系统包括但不限于:安装在企业内的计量装置(如电度表)、电气设备控制系统等。所述管理系统包括但不限于:生产过程执行系统(MES,ManufacturingExecution System)、企业资源计划系统(ERP,Enterprise Resource Planning)等。所述第三方系统举例包括自有的用于存储历史用电数据服务器、用于获取企业用电计划的WEB服务器等。所述互联网数据举例包括天气预报数据等,其中,所述天气预报数据从气象网站或其他网站获取的。具体地,请参阅图10,其显示为所述计算机设备的结构示意图。所述计算机设备包括接口单元41、存储单元42和处理单元43。与图10所对应的服务端中所描述的各单元硬件类似,在此不再赘述。其中,结合图9和图10,所述计算机设备31中的接口单元41与企业中各系统、第三方系统和互联网数据连接以获取当前所执行的用电计划所对应的用电相关信息;处理单元43连接接口单元41和存储单元42,通过接口单元41将所获取的用电相关信息存储在存储单元中,并且所述存储单元42中还存有至少一个程序;所述处理单元43调用所述至少一个程序以协调所述接口单元41和存储单元42执行如下需量控制方法。
请参阅图11,其显示为所述需量控制方法在一实施方式中的流程图。所述需量控制系统利用所获取的各方用电相关信息执行以下各步骤以实时监测各用电系统的实际用电总量,并基于所述预期用电需量调控企业内各用电系统和/或自供电系统以尽可能地将实际用电总量限制在预期用电需量以下。
其中,为准确地确定企业中所能调控的用电系统和自供电系统,所述计算机设备中预存储有包含用电计划的用电相关信息。其中,所述用电计划是指企业在相应用电周期内预知的生产计划、活动计划、经营计划中的至少一个。所述用电计划包括但不限于生产或活动时限、生产或活动所使用的用电设备等。除了上述用电计划之外,所述用电相关信息中还可以包含以下至少一种:排产信息、人员信息、天气预测信息、设备维护信息和电价信息等。其中,所述排产信息是基于生产订单、资源、班次、假日、例外班次、物料清单、作业优先级等而确定的包含排程计算日期和时间、和资源配置信息的信息。除了用电计划之外,所述用电相关信息中还可以包含以下至少一种:人员信息、天气预测信息、用电系统的维护信息、电价信息和各用电系统执行顺序。其中,所述企划活动信息是为配合企业庆典、节假日促销等确定的包含活动日期、资源配置等信息。除了上述用电相关信息之外,
在步骤S210中,在执行用电计划期间,监测所运行的多个用电系统的实际用电总量。其中,在执行用电计划期间,企业的用电系统不仅包含直接执行生产活动的用电系统,还包括为生产活动提供照明、温控的用电系统,以及为企业办公生活区域提供用电的用电系统。
在此,所述需量控制系统与企业的计量装置(如电度表)、或者用电总控制系统数据连接,并获取企业内所有用电系统的实际用电总量。其中所述实际用电总量为单位采样时长内的瞬时用电总量。在一些具体示例中,每一个或一个区域的用电系统连接计量装置,所述需量控制系统通过间隔地读取计量装置的实际用电累计值,并根据两次读取的实际用电累计值及所读取的时间间隔计算用电系统在单位采样时长的实际用电量,将所有实际用电量取和得到所述实际用电总量。在又一些具体示例中,所有用电系统连接同一个计量装置,所述需量控制系统根据两次读取的实际用电累计值及所读取的时间间隔计算各用电系统在单位采样时长的实际用电总量。
在步骤S220中,基于所获取的包含用电计划的用电相关信息和所监测的实际用电总量,预测所述用电计划中尚未执行期间的用电总量时序信息。
在此,所述需量控制系统根据所述用电相关信息中的排产信息确定当前用于执行用电计划的各用电系统及其运行状态,并依据已执行的用电计划部分预测未执行的用电计划部分的用电总量时序信息。其中,所述用电总量时序信息是指各用电系统的用电总量随时间的序列信息。
在此,所述需量控制系统可通过解析排产信息得到以下信息:用电计划的起始和结束的日期和具体时间,执行用电计划的用电系统、执行期间各用电系统的运行状态变化顺序和变化时间。在持续监测期间,所述需量控制系统通过比对系统时间与排产信息确定当前和后续各用电系统及其运行状态;根据预设的各用电系统的运行状态与用电量的对应关系、所述运行状态变化顺序和变化时间,预测后续待执行的用电计划部分期间的用电总量的时序信息。
其中,所述用电系统的运行状态中包含用电系统中所有用电设备的运行状态组合。所述用电设备的运行状态是指用电设备中的电机、控制器等在至少一种状态下运行并维持相应状态的运行。以所述用电系统中包含多个空调设备为例,所述空调设备包含待机模式、新风模式、制冷模式、制热模式等多种模式,根据出风量、制冷(热)温度等,每种模式包括至少一种运行状态,该用电系统的运行状态包含每个空调设备的合理的运行状态的组合。需要说明的是,上述用电系统仅为举例,并非每个用电设备一定具备多种模式,例如照明设备仅包含开状态和关状态,包含照明设备的用电系统为各照明设备开状态和关状态的组合。技术人员应根据用电设备维持运行能力而确定相应的运行状态。
另外,所述需量控制系统中预存的各用电系统在相应运行状态下的用电量,在一些具体示例中是预先通过模拟用电设备各运行状态而得到的,或者根据设备用电参数计算而得的。例如,利用用电设备的参数模拟用电设备在各运行状态下的用电量,其中,所述参数包括但不限于:额定功率、最大功率等电气参数,流量、压力、转速等物理参数,以及温度等环境参数。
在另一些具体示例中,各运行状态所对应的用电量是基于历史获取的各所述用电系统的历史用电量而确定的。为此,在进行需量控制前的一段时期,收集执行本次控制之前各用电系统各自的用电量或者用电总量,以通过机器学习方式确定各运行状态变化所对应的用电量变化量。其中,所述运行状态变化是指用电设备从运行状态A1调整为运行状态A2的变化过程,其包含运行状态A1和A2的先后顺序。例如,传送带设备从待机状态调整为传送状态为从待机状态至传送状态的运行状态变化。接着,在确定了运行状态变化所对应的用电量变化量的基础上,以用电设备停止状态下所对应的用电量为基准,按照运行状态变化顺序确定用电设备的所有运行状态所对应的用电量。例如,在确定了传送带设备从待机状态至传送状态的运行状态变化所对应的用电量变化量的基础上,根据预先确定的传送带设备在停止状态时用电量为零,用电量从低到高的运行状态依次为停止状态、待机状态和传送状态,以及在发生所述运行状态变化之前及之后所获取的各自用电量确定传送带设备待机状态和传送状态给子所对应的用电量。
其中,所述通过机器学习方式确定各运行状态变化所对应的用电量变化量的方式包括但不限于以下示例:
在一些具体示例中,通过一段时间积累得到用电系统的变点序列以及对应各变点的用电量子序列;根据所监控的用电系统中各用电设备的用电参数、各用电设备中主要电器件的电特性等,对各用电量子序列进行特征分析,得到每个用电设备运行状态变化所对应的用电量变化量。
在另一些具体示例中,通过一段时间积累得到用电系统的变点序列以及对应各变点的用电量子序列;将各用电量子序列进行聚类分类,再对同一分类的用电量子序列进行特征分析得到用电量变化量;根据所监控的用电系统中各用电设备的用电参数、各用电设备中主要电器件的电特性等,将每个用电设备运行状态变化与各分类的用电量变化量进行匹配,如此得到每个用电运行状态变化所对应的用电量变化量。
在实际应用中企业并非一定会提供详细的排产信息,为此所述需量控制系统需要估计各用电系统的运行状运行状态变化顺序和变化时间。在一具体示例中,所述需量控制系统持续监测各所述用电系统的实际用电量;基于所持续监测的实际用电量的时序信息和预设的用电系统的运行状态与用电量的对应关系,确定所述用电系统当前的运行状态。
在此,所述需量控制系统可依据预先所确定的各运行状态变化所对应的用电量变化量,检测经持续监测一段时间的实际用电量的时序信息中所包含的运行状态变化;接着,按照所确定的用电系统的运行状态与用电量的对应关系确定用电系统的运行状态变化之前和之后的运行状态,由此确定用电系统当前的运行状态。以用电系统包含传送带设备为例,在确定了传送带设备从待机状态至传送状态的运行状态变化所对应的实际用电量变化量的基础上,根据预先确定的传送带设备在停止状态时用电量为零,用电量从低到高的运行状态依次为停止状态、待机状态和传送状态,以及在发生各传送带设备的运行状态变化时所对应的用电量变化量,确定传送带设备当前处于待机状态和所对应的实际用电量。
接着,按照所预获取的各用电系统的运行状态与用电量的对应关系,以及所获取的用电相关信息,预测后续待执行的用电计划期间的用电总量的时序信息。在此,所述需量控制系统根据所述用电相关信息中的粗略的排产信息预测后续待执行的用电计划期间与生产活动直接相关的用电系统的用电量时序信息B1,根据天气预报信息、人员数量等预测为了维持厂区和办公生活区的室内温度而对应的用电系统的用电量时序信息B2等;将多个用电量时序信息B1和B2等叠加得到预期用电总量的时序信信息。
在一些实施方式中,为了提高实时性,所述步骤S220包括根据所述用电相关信息和所监测的实际用电总量,预测后续至少一个单位预测时长的用电总量时序信息的步骤。其中,所述单位预测时长是指预测的最小间隔。例如,所述单位预测时长为五分钟(或其他任意时长),则所述需量控制系统预测至少一个五分钟之内的用电总量时序信息。
在此,所述需量控制系统预测至少一个单位预测时长的用电总量时序信息的方式与前述预测所述用电计划未执行期间的用电总量时序信息的方式相通或相似,在此不再赘述。当预测了用电总量的时序信息后,所述需量控制系统执行步骤S230。
在步骤S230中,当所预测的用电总量时序信息接近或达到预设的预期用电需量时,根据当前所监测的实际用电总量进行用电量调控。
请参阅图12,其显示为所预测的用电总量时序信息上各用电总量与预期用电需量的示意图。所述需量控制系统逐个比较所预测的各用电总量和预期用电需量;当所预测的用电总量时序信息中存在一用电总量与预期用电需量之间的差距小于预设警戒偏差阈值,或者存在一用电总量大于预期用电需量时,所述需量控制系统根据当前所监测的实际用电总量进行用电量调控。
在此,所述根据当前所监测的所述实际用电总量进行用电量调控的方式包括以下至少一种示例:
在一些具体示例中,根据各所述用电系统当前的运行状态调整至少一种用电系统的运行状态以降低相应时期的实际用电总量。当所预测的用电总量时序信息接近或达到预设的预期用电需量时可按照预设的优先级,调整优先级最低的用电系统的运行状态;所述需量控制系统直至监测到实际的用电总量、或再次预测到用电总量时序信息未接近预设的预期用电需量为止。
在间隔预设时长后所述需量控制系统还可以重新依优先级又高到低回调被调整过的用电系统的运行状态。例如,需量控制系统按照预设的优先级将优先级最低的空调系统从制热(或制冷)状态调整至省电模式的运行状态、待机状态或断电状态,并再次监测实际的用电总量,若实际的用电总量与预期的用电需量的差距大于预设的警戒偏差阈值,则重新回调空调系统至制热(或制冷)状态。
在另一些具体示例中,对于具有自供电系统的企业来说,所述需量控制系统还可以控制自供电系统向各所述用电系统的供电线路补偿供电以降低相应时期的实际用电总量。其中,所述自供电系统包括但不限于:光伏发电系统、热转换系统、储能系统、三联供系统、风能发电系统等。所述需量控制系统控制自供电系统向各所述用电系统的供电线路补偿供电以降低相应时期的实际用电总量。例如,当需量控制系统确定所预测的用电总量时序信息接近、达到或者超出预设的预期用电需量时,根据相应的补偿缺口、各自供电系统的供电量选择控制至少一个自供电系统向各用电系统所在供电线路供电,以降低相应时期的实际用电总量。
其中,各自供电系统可被视为能稳定提供供电量的系统。在实际应用中,受天气、换能率、储能损耗等影响,各自供电系统所提供的实际供电量会出现波动。为此,所述需量控制方法还包括基于所述用电相关信息预测所述自供电系统的供电量的步骤。例如,若自供电系统包含光伏发电系统、风能发电系统中的至少一种,则所述需量预测系统根据所述用电相关信息中的天气预报信息估计在已预测的时序信息的峰值及电价较高的时段自供电系统的供电量,并将所估计的供电量补偿在所述时序信息内的相应时段的预期用电总量,以得到补偿后的时序信息。又如,所述自供电系统包含热转换系统、储能系统中的至少一种,所述需量预测系统根据已预测时序信息中用电系统排放热能的时段,估计热转换系统所能转换的电能,以及按照储能系统的存储损失率估计存储在储能系统中的电能;当基于上述预测确定控制自供电系统供电时,控制至少一个自供电系统向各用电系统的供电线路提供供电。
对于包含储能系统的企业来说,所述需量控制系统所监控实际用电总量还包括储能系统充电过程所消耗的用电量。为此,所述需量控制系统在确定所述用电总量时序信息接近或达到预设的预期用电需量时,还根据用电相关信息中充电计划信息选择暂缓储能系统的充电过程,直至再次预测的用电总量时序信息的峰值最大值相距所述预期用电需量大于预设的警戒偏差阈值。
需要说明的是,上述各利用自供电系统的供电量进行供电补偿的方式仅为举例,而非对本申请的限制。事实上根据实际自供电系统的供电方式,所述需量控制系统所预测的供电量是直接或间接依据用电相关信息而确定的,在此技术思想的指导下,由此延伸出的基于所述用电相关信息预测自供电系统的供电量,以及利用所预测的供电量进行供电补偿的方式应视为本申请的一个具体示例。
在又一具体示例中,所述需量控制系统还可以在确定所述用电总量时序信息中接近或达到预设的预期用电需量的基础上,进一步确定所述用电总量时序信息中的符合上述条件的用电总量相距当前时刻的预测时长;以及基于所述预测时长和当前所监测的实际用电总量进行用电量调控。
在此,所述需量控制系统将所预测的用电总量时序信息中的各用电总量与预期用电需量进行比较,当确定某一个用电总量与所述预期用电需量的差距小于预设的警戒偏差阈值时,确定从当前时刻到达经预测的相应用电总量的预测时长。当所述预测时长小于一时长阈值时,通常认为很快达到预期用电需量,则控制自供电系统进行供电补偿;反之,通常认为还有具备可调控的时间,则通过调整至少一个用电系统的运行状态以降低相应时期的实际用电总量。
需要说明的是,上述基于预测时长的调控方式仅为举例,而非对本申请的限制。事实上,根据实际预测得到的用电缺口和预测时长,可采用暂不予调控继续预测、同时调控自供电系统和用电系统的运行状态、或者单独调控自供电系统和用电系统的运行状态中的任一种等多种方式进行需量控制处理。在此技术思想指示下,本领域技术人员采用上述任一种调控方式或者对上述任一种调控方式的改进应视为本申请的具体示例。
还需要说明的是,上述任一种调控用电量的方式既可以利用需量控制系统与企业的用电控制系统的数据连接直接调控相应用电系统和自供电系统;又可以将所需调整的用电系统和自供电系统以界面提示的方式提供给企业的技术人员,以供企业的技术人员按照所述提示执行调控操作。
针对前述描述的所述对应关系是基于历史获取的各所述用电系统的历史用电量而确定的各种实现方式,为了更准确地从一个或多个计量装置所获取的实际用电量中分析出各用电系统的运行状态,在获取了所监测的各用电系统的用电量后,不必然与前述S220和S230有先后执行顺序地,所述需量控制方法还包括基于已监测各所述用电系统的历史用电量更新所述对应关系的步骤。在此,所述需量控制系统还将所监测到的实际用电量及实际用电总量存入相应的数据库中。所述需量控制系统利用预设的用于确定各用电系统的各运行状态与用电量的对应关系的算法,将所积累的实际用电量及实际用电总量,甚至还可以包含所获取的用电相关信息等数据输入所述算法中,以得到更新后的对应关系。所述需量控制系统还可以在存储数据之后向运行所述算法的系统发出相应的更新指令,以供其执行更新操作。更新后的对应关系将在所述需量控制系统实时调控时被调取使用,在此不再详述。
本申请还提供一种需量控制系统。所述需量控制系统为安装在计算机设备中的软件系统。请参阅图13,其显示为需量控制系统在一实施方式中的架构图。所述需量控制系统5包括监测模块51、预测模块52和调控模块53等程序模块。
其中,为准确地确定企业中所能调控的用电系统和自供电系统,所述需量控制系统中预设包含用电计划的用电相关信息。其中,所述用电计划是指企业在相应用电周期内预知的生产计划、活动计划、经营计划中的至少一个。所述用电计划包括但不限于生产或活动时限、生产或活动所使用的用电设备等。除了上述用电计划之外,所述用电相关信息中还可以包含以下至少一种:排产信息、人员信息、天气预测信息、设备维护信息和电价信息等。其中,所述排产信息是基于生产订单、资源、班次、假日、例外班次、物料清单、作业优先级等而确定的包含排程计算日期和时间、和资源配置信息的信息。除了用电计划之外,所述用电相关信息中还可以包含以下至少一种:人员信息、天气预测信息、用电系统的维护信息、电价信息和各用电系统执行顺序。其中,所述企划活动信息是为配合企业庆典、节假日促销等确定的包含活动日期、资源配置等信息。
所述监测模块51在执行用电计划期间,监测所运行的多个用电系统的实际用电总量。其中,在执行用电计划期间,企业的用电系统不仅包含直接执行生产活动的用电系统,还包括为生产活动提供照明、温控的用电系统,以及为企业办公生活区域提供用电的用电系统。
在此,所述监测模块51与企业的计量装置(如电度表)、或者用电总控制系统数据连接,并获取企业内所有用电系统的实际用电总量。其中所述实际用电总量为单位采样时长内的瞬时用电总量。在一些具体示例中,每一个或一个区域的用电系统连接计量装置,所述监测模块51通过间隔地读取计量装置的实际用电累计值,并根据两次读取的实际用电累计值及所读取的时间间隔计算用电系统在单位采样时长的实际用电量,将所有实际用电量取和得到所述实际用电总量。在又一些具体示例中,所有用电系统连接同一个计量装置,所述监测模块51根据两次读取的实际用电累计值及所读取的时间间隔计算各用电系统在单位采样时长的实际用电总量。
预测模块52用于基于所获取的包含用电计划的用电相关信息和所监测的实际用电总量,预测所述用电计划中尚未执行期间的用电总量时序信息。
在此,所述预测模块52根据所述用电相关信息中的排产信息确定当前用于执行用电计划的各用电系统及其运行状态,并依据已执行的用电计划部分预测未执行的用电计划部分的用电总量时序信息。其中,所述用电总量时序信息是指各用电系统的用电总量随时间的序列信息。
在此,所述预测模块52可通过解析排产信息得到以下信息:用电计划的起始和结束的日期和具体时间,执行用电计划的用电系统、执行期间各用电系统的运行状态变化顺序和变化时间。在持续监测期间,所述预测模块52通过比对系统时间与排产信息确定当前和后续各用电系统及其运行状态;根据预设的各用电系统的运行状态与用电量的对应关系、所述运行状态变化顺序和变化时间,预测后续待执行的用电计划部分期间的用电总量的时序信息。
其中,所述用电系统的运行状态中包含用电系统中所有用电设备的运行状态组合。所述用电设备的运行状态是指用电设备中的电机、控制器等在至少一种状态下运行并维持相应状态的运行。以所述用电系统中包含多个空调设备为例,所述空调设备包含待机模式、新风模式、制冷模式、制热模式等多种模式,根据出风量、制冷(热)温度等,每种模式包括至少一种运行状态,该用电系统的运行状态包含每个空调设备的合理的运行状态的组合。需要说明的是,上述用电系统仅为举例,并非每个用电设备一定具备多种模式,例如照明设备仅包含开状态和关状态,包含照明设备的用电系统为各照明设备开状态和关状态的组合。技术人员应根据用电设备维持运行能力而确定相应的运行状态。
另外,所述预测模块52中预存的各用电系统在相应运行状态下的用电量,在一些具体示例中是预先通过模拟用电设备各运行状态而得到的,或者根据设备用电参数计算而得的。例如,利用用电设备的参数模拟用电设备在各运行状态下的用电量,其中,所述参数包括但不限于:额定功率、最大功率等电气参数,流量、压力、转速等物理参数,以及温度等环境参数。
在另一些具体示例中,各运行状态所对应的用电量是基于历史获取的各所述用电系统的历史用电量而确定的。为此,在进行需量控制前的一段时期,收集执行本次控制之前各用电系统各自的用电量或者用电总量,以通过机器学习方式确定各运行状态变化所对应的用电量变化量。其中,所述运行状态变化是指用电设备从运行状态A1调整为运行状态A2的变化过程,其包含运行状态A1和A2的先后顺序。例如,传送带设备从待机状态调整为传送状态为从待机状态至传送状态的运行状态变化。接着,在确定了运行状态变化所对应的用电量变化量的基础上,以用电设备停止状态下所对应的用电量为基准,按照运行状态变化顺序确定用电设备的所有运行状态所对应的用电量。例如,在确定了传送带设备从待机状态至传送状态的运行状态变化所对应的用电量变化量的基础上,根据预先确定的传送带设备在停止状态时用电量为零,用电量从低到高的运行状态依次为停止状态、待机状态和传送状态,以及在发生所述运行状态变化之前及之后所获取的各自用电量确定传送带设备待机状态和传送状态给子所对应的用电量。
其中,所述通过机器学习方式确定各运行状态变化所对应的用电量变化量的方式包括但不限于以下示例:
在一些具体示例中,通过一段时间积累得到用电系统的变点序列以及对应各变点的用电量子序列;根据所监控的用电系统中各用电设备的用电参数、各用电设备中主要电器件的电特性等,对各用电量子序列进行特征分析,得到每个用电设备运行状态变化所对应的用电量变化量。
在另一些具体示例中,通过一段时间积累得到用电系统的变点序列以及对应各变点的用电量子序列;将各用电量子序列进行聚类分类,再对同一分类的用电量子序列进行特征分析得到用电量变化量;根据所监控的用电系统中各用电设备的用电参数、各用电设备中主要电器件的电特性等,将每个用电设备运行状态变化与各分类的用电量变化量进行匹配,如此得到每个用电运行状态变化所对应的用电量变化量。
在实际应用中企业并非一定会提供详细的排产信息,为此所述预测模块52需要估计各用电系统的运行状运行状态变化顺序和变化时间。在一具体示例中,所述预测模块52持续监测各所述用电系统的实际用电量;基于所持续监测的实际用电量的时序信息和预设的用电系统的运行状态与用电量的对应关系,确定所述用电系统当前的运行状态。
在此,所述预测模块52可依据预先所确定的各运行状态变化所对应的用电量变化量,检测经持续监测一段时间的实际用电量的时序信息中所包含的运行状态变化;接着,按照所确定的用电系统的运行状态与用电量的对应关系确定用电系统的运行状态变化之前和之后的运行状态,由此确定用电系统当前的运行状态。以用电系统包含传送带设备为例,在确定了传送带设备从待机状态至传送状态的运行状态变化所对应的实际用电量变化量的基础上,根据预先确定的传送带设备在停止状态时用电量为零,用电量从低到高的运行状态依次为停止状态、待机状态和传送状态,以及在发生各传送带设备的运行状态变化时所对应的用电量变化量,确定传送带设备当前处于待机状态和所对应的实际用电量。
接着,按照所预获取的各用电系统的运行状态与用电量的对应关系,以及所获取的用电相关信息,预测后续待执行的用电计划期间的用电总量的时序信息。在此,所述预测模块52根据所述用电相关信息中的粗略的排产信息预测后续待执行的用电计划期间与生产活动直接相关的用电系统的用电量时序信息B1,根据天气预报信息、人员数量等预测为了维持厂区和办公生活区的室内温度而对应的用电系统的用电量时序信息B2等;将多个用电量时序信息B1和B2等叠加得到预期用电总量的时序信信息。
在一些实施方式中,为了提高实时性,所述步骤S220包括根据所述用电相关信息和所监测的实际用电总量,预测后续至少一个单位预测时长的用电总量时序信息的步骤。其中,所述单位预测时长是指预测的最小间隔。例如,所述单位预测时长为五分钟(或其他任意时长),则所述预测模块52预测至少一个五分钟之内的用电总量时序信息。
在此,所述预测模块52预测至少一个单位预测时长的用电总量时序信息的方式与前述预测所述用电计划未执行期间的用电总量时序信息的方式相通或相似,在此不再赘述。当预测了用电总量的时序信息后,所述预测模块52将所预测的用电总量时序信息交由调控模块53。
所述调控模块53当所预测的用电总量时序信息接近或达到预设的预期用电需量时,根据当前所监测的实际用电总量进行用电量调控。
请参阅图12,其显示为所预测的用电总量时序信息上各用电总量与预期用电需量的示意图。所述调控模块53逐个比较所预测的各用电总量和预期用电需量;当所预测的用电总量时序信息中存在一用电总量与预期用电需量之间的差距小于预设警戒偏差阈值,或者存在一用电总量大于预期用电需量时,所述调控模块53根据当前所监测的实际用电总量进行用电量调控。
在此,所述根据当前所监测的所述实际用电总量进行用电量调控的方式包括以下至少一种示例:
在一些具体示例中,根据各所述用电系统当前的运行状态调整至少一种用电系统的运行状态以降低相应时期的实际用电总量。当所预测的用电总量时序信息接近或达到预设的预期用电需量时可按照预设的优先级,调整优先级最低的用电系统的运行状态;所述调控模块53直至监测到实际的用电总量、或再次预测到用电总量时序信息未接近预设的预期用电需量为止;在间隔预设时长后重新依优先级又高到底回调被调整过的用电系统的运行状态。例如,需量控制系统按照预设的优先级将优先级最低的空调系统从制热(或制冷)状态调整至省电模式的运行状态、待机状态或断电状态,并再次监测实际的用电总量,若实际的用电总量与预期的用电需量的差距大于预设的警戒偏差阈值,则重新回调空调系统至制热(或制冷)状态。在另一些具体示例中,对于具有自供电系统的企业来说,所述调控模块53还可以控制自供电系统向各所述用电系统的供电线路补偿供电以降低相应时期的实际用电总量。其中,所述自供电系统包括但不限于:光伏发电系统、热转换系统、储能系统、三联供系统、风能发电系统等。所述调控模块53控制自供电系统向各所述用电系统的供电线路补偿供电以降低相应时期的实际用电总量。例如,当调控模块53确定所预测的用电总量时序信息接近、达到或者超出预设的预期用电需量时,根据相应的补偿缺口、各自供电系统的供电量选择控制至少一个自供电系统向各用电系统所在供电线路供电,以降低相应时期的实际用电总量。
其中,各自供电系统可被视为能稳定提供供电量的系统。在实际应用中,受天气、换能率、储能损耗等影响,各自供电系统所提供的实际供电量会出现波动。为此,所述需量控制方法还包括基于所述用电相关信息预测所述自供电系统的供电量的步骤。例如,若自供电系统包含光伏发电系统、风能发电系统中的至少一种,则所述需量预测系统根据所述用电相关信息中的天气预报信息估计在已预测的时序信息的峰值及电价较高的时段自供电系统的供电量,并将所估计的供电量补偿在所述时序信息内的相应时段的预期用电总量,以得到补偿后的时序信息。又如,所述自供电系统包含热转换系统、储能系统中的至少一种,所述需量预测系统根据已预测时序信息中用电系统排放热能的时段,估计热转换系统所能转换的电能,以及按照储能系统的存储损失率估计存储在储能系统中的电能;当基于上述预测确定控制自供电系统供电时,控制至少一个自供电系统向各用电系统的供电线路提供供电。
对于包含储能系统的企业来说,所述需量控制系统所监控实际用电总量还包括储能系统充电过程所消耗的用电量。为此,所述需量控制系统在确定所述用电总量时序信息接近或达到预设的预期用电需量时,还根据用电相关信息中充电计划信息选择暂缓储能系统的充电过程,直至再次预测的用电总量时序信息的峰值最大值相距所述预期用电需量大于预设的警戒偏差阈值。
需要说明的是,上述各利用自供电系统的供电量进行供电补偿的方式仅为举例,而非对本申请的限制。事实上根据实际自供电系统的供电方式,所述调控模块53所预测的供电量是直接或间接依据用电相关信息而确定的,在此技术思想的指导下,由此延伸出的基于所述用电相关信息预测自供电系统的供电量,以及利用所预测的供电量进行供电补偿的方式应视为本申请的一个具体示例。
在又一具体示例中,所述调控模块53还可以在确定所述用电总量时序信息中接近或达到预设的预期用电需量的基础上,进一步确定所述用电总量时序信息中的符合上述条件的用电总量相距当前时刻的预测时长;以及基于所述预测时长和当前所监测的实际用电总量进行用电量调控。
在此,所述调控模块53将所预测的用电总量时序信息中的各用电总量与预期用电需量进行比较,当确定某一个用电总量与所述预期用电需量的差距小于预设的警戒偏差阈值时,确定从当前时刻到达经预测的相应用电总量的预测时长。当所述预测时长小于一时长阈值时,通常认为很快达到预期用电需量,则控制自供电系统进行供电补偿;反之,通常认为还有具备可调控的时间,则通过调整至少一个用电系统的运行状态以降低相应时期的实际用电总量。
需要说明的是,上述基于预测时长的调控方式仅为举例,而非对本申请的限制。事实上,根据实际预测得到的用电缺口和预测时长,可采用暂不予调控继续预测、同时调控自供电系统和用电系统的运行状态、或者单独调控自供电系统和用电系统的运行状态中的任一种等多种方式进行需量控制处理。在此技术思想指示下,本领域技术人员采用上述任一种调控方式或者对上述任一种调控方式的改进应视为本申请的具体示例。
还需要说明的是,上述任一种调控用电量的方式既可以利用调控模块53与企业的用电控制系统的数据连接直接调控相应用电系统和自供电系统;又可以将所需调整的用电系统和自供电系统以界面提示的方式提供给企业的技术人员,以供企业的技术人员按照所述提示执行调控操作。
针对前述描述的所述对应关系是基于历史获取的各所述用电系统的历史用电量而确定的各种实现方式,为了更准确地从一个或多个计量装置所获取的实际用电量中分析出各用电系统的运行状态,在获取了所监测的各用电系统的用电量后,不必然与前述预测模块和调控模块有先后执行顺序地,所述需量控制他还包括更新模块,用于基于已监测各所述用电系统的历史用电量更新所述对应关系。在此,所述监测模块还将所监测到的实际用电量及实际用电总量存入相应的数据库中。所述更新模块利用预设的用于确定各用电系统的各运行状态与用电量的对应关系的算法,将所积累的实际用电量及实际用电总量,甚至还可以包含所获取的用电相关信息等数据输入所述算法中,以得到更新后的对应关系。所述更新模块还可以在存储数据之后向运行所述算法的系统发出相应的更新指令,以供其执行更新操作。更新后的对应关系将在所述预测模块实时调控时被调取使用,在此不再详述。
综上所述,本申请所提供的所述需量预测方法通过引入用电周期内的用电相关信息能够更准确地预测预期用电需量,以供企业更合理规划用电。另外,本申请还提供需量控制方法通过对执行用电计划的过程进行有效监控以利用企业内部资源予以及时调控使得企业的用电效率大幅提高。
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 (37)

1.一种需量预测方法,其特征在于,包括:
获取一用电周期内的包含用电计划的用电相关信息;
基于预确定的多个用电系统各自的运行状态与用电量的对应关系,预测各所述用电系统在所述用电相关信息约束下执行所述用电计划的预期用电总量的时序信息;
基于所述预期用电总量的时序信息确定所述用电周期的预期用电需量。
2.根据权利要求1所述的需量预测方法,其特征在于,所述基于预设的多个用电系统各自的运行状态与用电量的对应关系,预测各所述用电系统在所述用电相关信息约束下执行用电计划期间的预期用电总量的时序信息的步骤包括:
基于所述对应关系和所述用电相关信息中的至少第一排产信息,预测在一用电周期内执行所述用电计划的预期用电总量的第一时序信息。
3.根据权利要求2所述的需量预测方法,其特征在于,所述基于预设的多个用电系统各自的运行状态与用电量的对应关系,预测各所述用电系统在所述用电相关信息约束下执行用电计划期间的预期用电总量的时序信息的步骤包括:
基于所述对应关系调整基于所述用电相关信息而确定的至少第二排产信息;
基于调整后的至少第二排产信息预测在一用电周期内执行所述用电计划的期间的预期用电总量的时序信息;
重复上述调整用电相关信息和预测预期用电总量的时序信息的步骤直至得到优于所述第一时序信息的第二时序信息。
4.根据权利要求3所述的需量预测方法,其特征在于,所述得到优于第一时序信息的第二时序信息的步骤包括:
按照所述用电相关信息中的至少用电计划,选取用电费用最低、预期用电总量的波动最小、和预期用电总量的峰值最大值最小中至少一种的时序信息作为第二时序信息。
5.根据权利要求1所述的需量预测方法,其特征在于,还包括:
基于所述用电相关信息预测自供电系统的供电量;以及
利用所述供电量补偿所述时序信息内的预期用电总量,以便基于补偿后的所述时序信息确定所述预期用电需量。
6.根据权利要求1所述的需量预测方法,其特征在于,所述基于预期用电总量的时序信息确定所述用电周期的预期用电需量的步骤包括以下至少一种:
将所述预期用电时序信息中的峰值最大值作为所述预期用电需量;
按照预设比例放大所述预期用电时序信息中的峰值最大值以得到所述预期用电需量;
基于所述预期用电时序信息的波动情况自所述预期用电时序信息中选择预期用电需量。
7.根据权利要求1所述的需量预测方法,其特征在于,还包括基于至少上一个用电周期内各所述用电系统的历史用电量更新多个用电系统各自的运行状态与用电量的对应关系的步骤。
8.根据权利要求1所述的需量预测方法,其特征在于,所述用电相关信息还包括以下至少一种:人员信息、天气预测信息、排产信息、各用电系统的维护信息和电价信息。
9.根据权利要求1所述的需量预测方法,其特征在于,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。
10.一种需量控制方法,其特征在于,包括:
在执行用电计划期间,监测所运行的多个用电系统的实际用电总量;
基于所获取的包含用电计划的用电相关信息和所监测的实际用电总量,预测所述用电计划中尚未执行期间的用电总量时序信息;
当所述用电总量时序信息接近或达到预设的预期用电需量时,根据当前所监测的实际用电总量进行用电量调控。
11.根据权利要求10所述的需量控制方法,其特征在于,所述基于所获取的包含用电计划的用电相关信息和所监测的实际用电总量,预测所述用电计划中尚未执行期间的用电总量时序信息的步骤包括:根据所述用电相关信息和所监测的实际用电总量,预测后续至少一个单位预测时长的用电总量时序信息。
12.根据权利要求10或11所述的需量控制方法,其特征在于,所述当用电总量时序信息接近或达到预设的预期用电需量时,根据当前所监测的实际用电总量进行用电量调控的步骤包括:
确定所述用电总量时序信息中接近或达到预设的预期用电需量的用电总量相距当前时刻的预测时长;
基于所述预测时长和当前所监测的实际用电总量进行用电量调控。
13.根据权利要求10或11所述的需量控制方法,其特征在于,还包括持续监测各所述用电系统的实际用电量;以及基于所持续监测的实际用电量的时序信息和预设的用电系统的运行状态与用电量的对应关系,确定所述用电系统当前的运行状态的步骤。
14.根据权利要求13所述的需量控制方法,其特征在于,所述根据当前所监测的实际用电总量进行用电量调控的步骤包括以下步骤:当所述用电总量时序信息接近或达到预设的预期用电需量时,根据各所述用电系统当前的运行状态调整至少一种用电系统的运行状态以降低相应时期的实际用电总量。
15.根据权利要求13所述的需量控制方法,其特征在于,还包括基于已监测的各所述用电系统的历史用电量更新所述对应关系的步骤。
16.根据权利要求10所述的需量控制方法,其特征在于,所述根据当前所监测的实际用电总量进行用电量调控的步骤包括:
当所述用电总量时序信息接近或达到预设的预期用电需量时,控制自供电系统向各所述用电系统的供电线路补偿供电以降低相应时期的实际用电总量。
17.根据权利要求16所述的需量控制方法,其特征在于,还包括基于所述用电相关信息预测所述自供电系统的供电量的步骤。
18.一种需量预测系统,其特征在于,包括:
获取模块,用于获取一用电周期内的包含用电计划的用电相关信息;
预测模块,用于基于预确定的多个用电系统各自的运行状态与用电量的对应关系,预测各所述用电系统在所述用电相关信息约束下执行所述用电计划的预期用电总量的时序信息;以及用于基于所述预期用电总量的时序信息确定所述用电周期的预期用电需量,以便基于所述预期用电需量控制在所述用电周期内的用电量。
19.根据权利要求18所述的需量预测系统,其特征在于,所述预测模块基于所述对应关系和所述用电相关信息中的至少第一排产信息,预测在一用电周期内执行所述用电计划的预期用电总量的第一时序信息。
20.根据权利要求19所述的需量预测系统,其特征在于,所述预测模块还基于所述对应关系调整基于所述用电相关信息而确定的至少第二排产信息;基于调整后的至少第二排产信息预测在一用电周期内执行所述用电计划的期间的预期用电总量的时序信息;以及重复上述调整用电相关信息和预测预期用电总量的时序信息的步骤直至得到优于所述第一时序信息的第二时序信息。
21.根据权利要求20所述的需量预测系统,其特征在于,所述预测模块得到优于第一时序信息的第二时序信息的方式包括:
按照所述用电相关信息中的至少用电计划,选取用电费用最低、预期用电总量的波动最小、和预期用电总量的峰值最大值最小中至少一种的时序信息作为第二时序信息。
22.根据权利要求21所述的需量预测系统,其特征在于,所述预测模块还用于基于所述用电相关信息预测自供电系统的供电量;以及用于利用所述供电量补偿所述时序信息内的预期用电总量,以便基于补偿后的所述时序信息确定所述预期用电需量。
23.根据权利要求18所述的需量预测系统,其特征在于,所述预测模块基于预期用电总量的时序信息确定所述用电周期的预期用电需量的方式包括以下至少一种:
将所述预期用电时序信息中的峰值最大值作为所述预期用电需量;
按照预设比例放大所述预期用电时序信息中的峰值最大值以得到所述预期用电需量;
基于所述预期用电时序信息的波动情况自所述预期用电时序信息中选择预期用电需量。
24.根据权利要求18所述的需量预测系统,其特征在于,还包括更新模块,用于基于至少上一个用电周期内各所述用电系统的用电量更新多个用电系统各自的运行状态与用电量的对应关系。
25.根据权利要求18所述的需量预测系统,其特征在于,所述用电相关信息还包括以下至少一种:人员信息、天气预测信息、排产信息、各用电系统的维护信息和电价信息。
26.根据权利要求18所述的需量预测系统,其特征在于,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。
27.一种服务端,其特征在于,包括:
接口单元,用于获取一用电周期内的包含用电计划的用电相关信息;
存储单元,用于存储至少一个程序;
处理单元,用于调用所述至少一个程序以协调所述接口单元和存储单元执行如权利要求1-9中任一所述的方法。
28.一种需量控制系统,其特征在于,包括:
监测模块,用于在执行用电计划期间,监测所运行的多个用电系统的实际用电总量;
预测模块,用于基于所获取的包含用电计划的用电相关信息和所监测的实际用电总量,预测所述用电计划中尚未执行期间的用电总量时序信息;
调控模块,用于当所述用电总量时序信息接近或达到预设的预期用电需量时,根据当前所监测的实际用电总量进行用电量调控。
29.根据权利要求28所述的需量控制系统,其特征在于,所述预测模块根据所述用电相关信息和所监测的实际用电总量,预测后续至少一个单位预测时长的用电总量时序信息。
30.根据权利要求28或29所述的需量控制系统,其特征在于,当所述用电总量时序信息接近或达到预设的预期用电需量时,所述调控模块根据当前所监测的实际用电总量进行用电量调控的方式包括:
确定所述用电总量时序信息中接近或达到预设的预期用电需量的用电总量相距当前时刻的预测时长;
基于所述预测时长和当前所监测的实际用电总量进行用电量调控。
31.根据权利要求28或29所述的需量控制系统,其特征在于,所述监测模块还用于持续监测各所述用电系统的实际用电量的时序信息和预设的用电系统的运行状态与用电量的对应关系,确定所述用电系统当前的运行状态。
32.根据权利要求31所述的需量控制系统,其特征在于,当所述用电总量时序信息接近或达到预设的预期用电需量时,所述调控模块根据各所述用电系统当前的运行状态调整至少一种用电系统的运行状态以降低相应时期的实际用电总量。
33.根据权利要求31所述的需量控制系统,其特征在于,还包括更新模块,用于基于已监测的各所述用电系统的历史用电量更新所述对应关系。
34.根据权利要求28所述的需量控制系统,其特征在于,所述调控模块根据当前所监测的实际用电总量进行用电量调控的方式还包括:
当所述用电总量时序信息接近或达到预设的预期用电需量时,控制自供电系统向各所述用电系统的供电线路补偿供电以降低相应时期的实际用电总量。
35.根据权利要求34所述的需量控制系统,其特征在于,所述预测模块还用于基于所述用电相关信息预测所述自供电系统的供电量。
36.一种计算机设备,其特征在于,包括:
接口单元,用于获取当前所执行的用电计划所对应的用电相关信息,以及;
存储单元,用于存储至少一个程序;
处理单元,用于调用所述至少一个程序以协调所述接口单元和存储单元执行如权利要求10-17中任一所述的方法。
37.一种需量控制系统,其特征在于,包括:
至少一个计量装置,用于计量所连接的用电系统的累积用电量;
计算机设备,与各所述计量装置通信连接且具有接口单元,用于从所述计量装置获取各所述计量装置的累积用电量,从所述接口单元获取包含用电计划的用电相关信息,以及执行如权利要求10-17中任一所述的方法。
CN201810196385.1A 2018-03-09 2018-03-09 需量预测方法、需量控制方法及系统 Active CN110245771B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810196385.1A CN110245771B (zh) 2018-03-09 2018-03-09 需量预测方法、需量控制方法及系统
PCT/CN2018/084249 WO2019169706A1 (zh) 2018-03-09 2018-04-24 需量预测方法、需量控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810196385.1A CN110245771B (zh) 2018-03-09 2018-03-09 需量预测方法、需量控制方法及系统

Publications (2)

Publication Number Publication Date
CN110245771A true CN110245771A (zh) 2019-09-17
CN110245771B CN110245771B (zh) 2021-08-20

Family

ID=67846897

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810196385.1A Active CN110245771B (zh) 2018-03-09 2018-03-09 需量预测方法、需量控制方法及系统

Country Status (2)

Country Link
CN (1) CN110245771B (zh)
WO (1) WO2019169706A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111583063A (zh) * 2020-05-11 2020-08-25 国网四川省电力公司电力科学研究院 基于标准模板营业起始和终止时间检测方法和存储介质
CN112465454A (zh) * 2020-11-25 2021-03-09 宁波金田铜业(集团)股份有限公司 一种应用于订单生产过程的排产系统和方法
CN114154707A (zh) * 2021-11-29 2022-03-08 深圳市旅行家科技有限公司 一种户外电源智能供能方法、系统、设备及存储介质
CN116485441A (zh) * 2023-06-20 2023-07-25 深圳市拓普瑞电子有限公司 一种多设备能耗记录的分析方法、系统、终端及存储介质
CN117250874A (zh) * 2023-09-26 2023-12-19 湖南朗赫科技有限公司 一种智能家居的能源监控管理系统

Citations (11)

* Cited by examiner, † Cited by third party
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
US20130245850A1 (en) * 2012-03-14 2013-09-19 Kabushiki Kaisha Toshiba Electric power supply-and-demand control apparatus
CN103997044A (zh) * 2014-05-29 2014-08-20 中冶京诚工程技术有限公司 电力负荷控制方法及系统
US20140257582A1 (en) * 2013-03-08 2014-09-11 Hitachi, Ltd. Electricity demand regulating system and demand adjustment executive system
CN104714501A (zh) * 2013-12-13 2015-06-17 台达电子工业股份有限公司 即时需量控制系统及其控制方法
CN105701559A (zh) * 2015-12-31 2016-06-22 国网上海市电力公司 一种基于时间序列的短期负荷预测方法
US20160239032A1 (en) * 2013-10-30 2016-08-18 Jiangsu Electric Power Company Nanjing Power Supply Company A progressive optimization dispatching method of smart distribution system
US20160294186A1 (en) * 2015-03-31 2016-10-06 Enernoc, Inc. Apparatus and method for employing weather induced facility energy consumption characterizations in a demand response dispatch system
CN106651200A (zh) * 2016-12-29 2017-05-10 中国西电电气股份有限公司 一种工业企业聚合用户电力负荷管理方法和系统
CN107153883A (zh) * 2017-03-09 2017-09-12 国家电网公司 一种配电网规划项目库项目自动生成方法
CN107292455A (zh) * 2017-07-31 2017-10-24 华自科技股份有限公司 用电量预测方法、装置、可读存储介质和计算机设备

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101345420B (zh) * 2005-06-01 2011-03-02 三洋电机株式会社 请求控制装置以及消耗功率预测方法与程序
WO2015087470A1 (ja) * 2013-12-10 2015-06-18 パナソニックIpマネジメント株式会社 需要予測装置、プログラム
WO2016088370A1 (ja) * 2014-12-05 2016-06-09 日本電気株式会社 情報処理装置、モデル構築方法及びプログラム記録媒体
CN105137756B (zh) * 2015-08-31 2017-10-27 南京南瑞继保电气有限公司 钢铁企业电网协调控制方法及系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
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
US20130245850A1 (en) * 2012-03-14 2013-09-19 Kabushiki Kaisha Toshiba Electric power supply-and-demand control apparatus
US20140257582A1 (en) * 2013-03-08 2014-09-11 Hitachi, Ltd. Electricity demand regulating system and demand adjustment executive system
US20160239032A1 (en) * 2013-10-30 2016-08-18 Jiangsu Electric Power Company Nanjing Power Supply Company A progressive optimization dispatching method of smart distribution system
CN104714501A (zh) * 2013-12-13 2015-06-17 台达电子工业股份有限公司 即时需量控制系统及其控制方法
CN103997044A (zh) * 2014-05-29 2014-08-20 中冶京诚工程技术有限公司 电力负荷控制方法及系统
US20160294186A1 (en) * 2015-03-31 2016-10-06 Enernoc, Inc. Apparatus and method for employing weather induced facility energy consumption characterizations in a demand response dispatch system
CN105701559A (zh) * 2015-12-31 2016-06-22 国网上海市电力公司 一种基于时间序列的短期负荷预测方法
CN106651200A (zh) * 2016-12-29 2017-05-10 中国西电电气股份有限公司 一种工业企业聚合用户电力负荷管理方法和系统
CN107153883A (zh) * 2017-03-09 2017-09-12 国家电网公司 一种配电网规划项目库项目自动生成方法
CN107292455A (zh) * 2017-07-31 2017-10-24 华自科技股份有限公司 用电量预测方法、装置、可读存储介质和计算机设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘威 等: "电力系统中长期负荷预测模型研究及应用", 《中国工程咨询》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111583063A (zh) * 2020-05-11 2020-08-25 国网四川省电力公司电力科学研究院 基于标准模板营业起始和终止时间检测方法和存储介质
CN111583063B (zh) * 2020-05-11 2022-07-01 国网四川省电力公司电力科学研究院 基于标准模板营业起始和终止时间检测方法和存储介质
CN112465454A (zh) * 2020-11-25 2021-03-09 宁波金田铜业(集团)股份有限公司 一种应用于订单生产过程的排产系统和方法
CN112465454B (zh) * 2020-11-25 2022-06-03 宁波金田铜业(集团)股份有限公司 一种应用于订单生产过程的排产系统和方法
CN114154707A (zh) * 2021-11-29 2022-03-08 深圳市旅行家科技有限公司 一种户外电源智能供能方法、系统、设备及存储介质
CN116485441A (zh) * 2023-06-20 2023-07-25 深圳市拓普瑞电子有限公司 一种多设备能耗记录的分析方法、系统、终端及存储介质
CN117250874A (zh) * 2023-09-26 2023-12-19 湖南朗赫科技有限公司 一种智能家居的能源监控管理系统
CN117250874B (zh) * 2023-09-26 2024-04-23 湖南朗赫科技有限公司 一种智能家居的能源监控管理系统

Also Published As

Publication number Publication date
CN110245771B (zh) 2021-08-20
WO2019169706A1 (zh) 2019-09-12

Similar Documents

Publication Publication Date Title
CN110245771A (zh) 需量预测方法、需量控制方法及系统
US11334036B2 (en) Power grid aware machine learning device
US11159022B2 (en) Building energy optimization system with a dynamically trained load prediction model
US11163271B2 (en) Cloud based building energy optimization system with a dynamically trained load prediction model
CN113614460B (zh) 空调系统的管理方法、控制方法及系统、存储介质
WO2020103048A1 (zh) 储能管理及控制方法、系统、计算机设备、存储介质
Choobineh et al. Optimal energy management in an industrial plant using on-site generation and demand scheduling
CN104635684A (zh) 一种空压机集群优化控制系统
CN112332404B (zh) 采暖服务智能管理系统及方法
Yu et al. An intelligent energy management system for large-scale charging of electric vehicles
JP2023504564A (ja) 分散型エネルギーリソースをアグリゲーションするシステム及び装置
Nammouchi et al. Integration of AI, IoT and edge-computing for smart microgrid energy management
CN111492552B (zh) 储能管理及控制方法、系统、计算机设备、存储介质
CN108346009A (zh) 一种基于用户模型自学习的电力生产配置方法和装置
US11695298B2 (en) Electrical system control with user input, and related systems, apparatuses, and methods
CN117200184B (zh) 一种虚拟电厂负荷侧资源多时段调控潜力评估预测方法
Reddy et al. Load optimization and forecasting for microgrids
Celik et al. Analysis of demand response for datacenter energy management using GA and time-of-use prices
Klaimi et al. Energy management algorithms in smart grids: State of the art and emerging trends
Tazi et al. Demand and energy management in smart grid: Techniques and implementation
KR102136195B1 (ko) 복수의 수용가를 대상으로 전력을 효율적으로 공급하고 남는 전력을 매전할 수 있도록 하는 예측 시스템 및 방법
KR101581684B1 (ko) 에너지 저장장치의 방전심도 제어를 통한 충방전 스케줄링 장치 및 방법
Pei et al. Production analytics for renewable energy portfolio management: A comparative study of active and passive strategies in digital twin
Lebedev et al. Modelling of electricity spot price and load forecast based new energy management system for households
Ramos et al. Energy forecast in buildings addressing computation consumption in a green computing approach

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