CN111783846A - 一种智慧用能服务协同控制系统和方法 - Google Patents

Abstract

本申请公开了一种智慧用能服务协同控制系统和方法，系统包括能源控制器、边缘计算终端和云端服务平台；能源控制器捕捉设备运行特性、辨识设备运行工况，向设备弹性发送控制指令；边缘计算终端自适应组态用户能源系统，辨识用户用能行为特征，通过与该用户能源系统内各能源控制器的协同交互，自适应生成设备运行控制策略；云端服务平台根据需求要素为不同用户定制顶层运行控制策略并推送至用户侧边缘计算终端，并完成用户交互和后台维护。解决了传统能源监控终端控制能力不足，用户侧自适应控制策略生成能力不足，智慧用能云端服务平台无法实时控制用能设备的问题，为智慧用能体系创新性的提出了云‑边‑端系统构架。

Description

一种智慧用能服务协同控制系统和方法

技术领域

本发明属于智慧用能技术领域，涉及一种智慧用能服务协同控制系统和方法。

背景技术

随着我国能源转型和互联网技术的蓬勃发展，互联网理念在能源行业中的渗透与融合正逐步颠覆传统的能源生产、经营与消费模式。“互联网+智慧能源”在能源消费侧体现为发展智慧用能新模式，建设面向智能家居、智能楼宇、智能小区、智能工厂的能源综合服务中心，通过实时生成策略引导能源的生产消费行为，实现分布式能源生产、消费一体化。

云服务是一种数据中心，位于远程云端并以按需处理的模式，通过互联网来提供动态易扩展且经常虚拟化的资源。海量的计算资源和存储资源，使得云端可以为智慧用能中涉及的复杂计算提供强有力的后台支持。然而，海量的物联网终端设备直接访问云端的方式在带来计算便利的同时，也增加了网络负荷和数据传输延迟，这对用能设备的安全高效运行造成了影响。

边缘计算是继云计算之后的一种新型的计算模式，它通过在无线接入网侧提供IT和云计算能力，使得计算本地化，旨在减小延迟、提高网络运营效率、提高业务分发能力、优化终端体验质量。然而，用于边缘计算的服务器并没有像云计算的服务器那么强大，它只是进行中小型计算，而云端更倾向于全局非实时地复杂型计算。

用能设备种类繁多、信号各异，需要安装于设备测的能源控制器与其建立硬件关联交互，实现监测控制。基于智慧用能的与设备的关联交互包含用户用能行为画像、多目标实时动态优化等高级应用，需要海量信息存储、处理运算能力。边缘计算满足实时服务和隐私安全但会受到边缘端的计算资源的限制，云计算支持复杂计算但云端的数据延迟较大。因此，为了实现智慧用能系统解决方案，可以考虑以终端(即能源控制器)、边缘端和云端协同处理的方式，满足具有不同功能的智慧用能服务需求。

发明内容

为解决现有技术中的不足，本申请提供一种智慧用能服务协同控制系统和方法，通过云端、边缘端和设备端协同处理的方式，完成不同功能的服务需求，实现智慧用能。

为了实现上述目标，本申请采用如下技术方案：

一种智慧用能服务协同控制系统，包括能源控制器、边缘计算终端和云端服务平台；

一个用户能源系统对应设置一个边缘计算终端，能源系统内的每个用能设备对应设置一个能源控制器，边缘计算终端与能源系统内的各能源控制器交互，云端服务平台统筹控制不同用户的边缘计算终端；

所述能源控制器用于与用户用能设备的交互，捕捉设备运行特性、辨识设备运行工况；与边缘计算终端协同交互，根据设备运行工况和边缘计算终端发送的设备运行控制策略向设备弹性发送控制指令，实现设备控制；

所述边缘计算终端用于自适应组态用户能源系统，辨识用户用能行为特征，根据云端服务平台推送的顶层运行控制策略，通过与该用户能源系统内各能源控制器的协同交互，自适应生成设备运行控制策略并发送至各能源控制器；

所述云端服务平台用于为不同用户定制顶层运行控制策略并推送至用户侧边缘计算终端，并完成用户交互和后台维护。

本发明进一步包括以下优选方案：

优选地，所述能源控制器包括边缘协同交互模块、设备监控交互模块、运行工况辨识模块和控制指令生成模块；

所述设备监控交互模块与设备实现交互，执行设备控制指令，并获取设备信息；

所述运行工况辨识模块根据设备信息判断设备实时运行工况；

所述边缘协同交互模块与边缘计算终端交互迭代对设备运行控制策略进行修正；

所述控制指令生成模块根据设备实时运行工况和设备运行控制策略生成设备控制指令，实现设备的闭环控制。

优选地，所述边缘协同交互模块通过与边缘计算终端的信息交互、数据交互与计算交互，分配存储与运算资源，一方面辨识设备类型、分析设备运行规律与特性；另一方面根据用户用能需求和习惯与边缘计算终端交互迭代对设备运行控制策略进行修正；

所述运行工况辨识模块内置数据筛选算法，接收设备监控交互模块传输来的数据，提取设备运行参数，并运用机器学习算法判断设备实时运行工况；

所述控制指令生成模块根据边缘协同交互模块修正得到的设备控制策略，自适应参照运行工况辨识模块所得到的设备实时运行工况，生成设备控制指令，发送至设备监控交互模块；

所述设备监控交互模块负责与所控设备的具体对接，根据设备控制指令控制所控设备，并通过与所控设备匹配的协议进行通讯，从设备硬件寄存器获取设备实时运行参数及额定功率和保护定制，并将因具体设备类型/型号所产生的差异化的工况信息和参数信息以标准的接口格式传递给运行工况辨识模块。

优选地，所述设备运行参数包括以设定频度获取的电气设备的电压、电流和功率；热工设备的工况和流量；用户与设备交互的指令信息；外部温度、光照和风速；以及设备报警、故障和保护信息。

优选地，所述运行工况辨识模块内置的数据筛选算法为主成分分析(PCA)算法与KMeans聚类算法，内置的机器学习算法为遗传算法。

优选地，所述边缘计算终端包括能源系统组态模块、用户用能行为画像模块、实时运行策略生成模块、边缘协同交互模块；

所述能源系统组态模块、用户用能行为画像模块利用能源控制器和云端服务平台同意开放的数据或者信息完成能源系统组态、用户用能行为画像任务；

所述实时运行策略生成模块根据云端服务平台推送的顶层运行控制策略，参考能源系统组态模块、用户用能行为画像模块的计算结果，生成能源系统总体运行策略并发送至边缘协同交互模块；

所述边缘计算终端的边缘协同交互模块解析能源系统总体运行策略得到设备运行控制策略，并与能源控制器间交互迭代对设备运行控制策略进行修正。

优选地，所述能源系统组态模块根据各能源控制器的设备类型/型号、功率容量、接入点位置，及自适应识别的基于用户指令、故障检修产生的设备状态变动信息，动态构建所辖能源系统的拓扑结构和该系统不同类型能源的产量、用量及依据能效等划分的产用能结构，实现用户能源系统的自动组态、配置修正；

所述用户用能行为画像模块基于各能源控制器的运行工况辨识模块所获取的设备实时运行工况，并基于智慧用电边缘计算终端所在能源系统的组态信息，通过用户用能行为标签及模糊聚类方法提取用户用能行为特征，发掘用户的用能需求、能耗漏洞，完成用户用能行为画像；

所述实时运行策略生成模块根据云端服务平台推送的顶层运行控制策略和优化依据，参考本能源系统的产用能要素配置、用户用能行为特性信息，运用多目标优化算法，生成该能源系统总体运行策略并发送至边缘协同交互模块；

所述边缘计算终端的边缘协同交互模块与能源控制器的边缘协同交互模块形成统一的信息共享触发机制、统一的数据交互格式和统一的底层运算环境，根据不同设备、不同工况协调分配存储与运算资源，一方面辨识本地能源系统的设备综合工况、分析能源系统运行规律与特性；另一方面解析能源系统总体运行策略得到设备运行控制策略，并根据用户用能需求和习惯在边缘计算终端与能源控制器间交互迭代对设备运行控制策略进行修正。

优选地，所述实时运行策略生成模块的多目标优化算法采用带精英策略的非支配排序遗传算法，通过协调各个目标函数之间的关系，找出使得各个目标函数的函数值的最优解集。

优选地，所述用户用能行为画像模块基于用户用能行为标签并使用模糊聚类方法完成用户用能行为画像，具体为：

设定聚类标签和影响度因子；

随机初始化隶属度矩阵；

计算用户用能行为标签的聚类中心，计算用户用能行为标签与聚类中心的隶属度矩阵并将用户归于隶属度最高的聚类中心，直到目标函数的变化小于预设阈值，输出结果。

优选地，所述用户用能行为画像模块根据积累的历史数据规模，选取不同时间维度、不同类型的数据针对各用户用能行为标签进行聚类，并依据新近获取的数据对聚类进行迭代更新。

优选地，所述用户用能行为标签包括用能规模、用能类型、季节特性、温度敏感度、负荷稳定性、容量利用率、负荷增长率、峰谷特性和周休特性；

所述用能规模为用户的冷热电综合用能规模；

所述用能类型包括工业、商业、住宅、非工业、农业生产和临时接能；

所述季节特性为用户在不同季节的用能特性；

所述温度敏感度为客户在不同温度时的负荷变化趋势；

所述负荷稳定性为客户负荷的波动特性；

所述容量利用率为客户冷热电安装/合同容量的利用效率；

所述负荷增长率为用户负荷长期变化趋势；

所述峰谷特性为用户冷热电负荷单日不同时段的变化规律；

所述周休特性为用户冷热电负荷以周为单位的变化规律。

优选地，所述实时运行策略生成模块包含典型用能设备模型库和多目标非线性优化内核；

所述用能设备模型库为基于涵盖冷热电典型用能设备的基础模型库，并根据用户设备实际运行数据进行修正，形成用户定制用能设备模型库。

所述多目标非线性优化内核利用遗传算法的全局搜索能力，避免多目标优化算法在寻优过程中陷入局部最优解，使优化策略兼顾能源系统运行指标的多样性。

优选地，所述云端服务平台包括用户交互模块、决策要素征集模块、策略生成与推送模块、后台维护模块；

用户交互模块面向各个用户能源系统，通过能源系统所对应的用户边缘计算终端的能源系统组态模块获取该能源系统的设备信息、运行工况，通过统计实时的与累计的所述运行工况生成能效指标、完成能效评测，通过所对应的用户边缘计算终端的实时运行策略生成模块获取实时运行策略，通过所对应的用户边缘计算终端的用户用能行为画像模块筛选出同类用户并完成能效对标，最终将其获取的信息与各用户交互，提供智慧用能服务；

决策要素征集模块通过大数据算法自动获取能源价格趋势、节能减排指标、电力需求侧响应需求，作为云端服务平台生成顶层控制策略的决策依据；

策略生成与推送模块基于决策要素征集模块提供的决策依据，根据不同用户的能源系统优化运行需求，生成顶层运行控制策略并推送至用户所对应的边缘计算终端；

后台维护模块用于数据的存储、压缩、检索、用户信息的维护与更新以及系统权限与安全的维护。

优选地，所述用户交互模块以定时、主动推送或被动响应的方式与各用户交互。

优选地，所述决策要素征集模块采用的大数据算法为粒子群算法。

优选地，根据上述的一种智慧用能服务协同控制系统的智慧用能服务协同控制方法，其特征在于：

包括以下步骤：

步骤1：能源控制器与用户用能设备的交互，捕捉设备运行特性、辨识设备运行工况并将其发送至边缘计算终端；

步骤2：云端服务平台根据能源价格趋势、节能减排指标、电力需求侧响应需求要素为不同用户定制顶层运行控制策略并推送至用户侧边缘计算终端，并完成用户交互和后台维护；

步骤3：边缘计算终端自适应组态用户能源系统，辨识用户用能行为特征，根据云端服务平台推送的顶层运行控制策略，通过与该用户能源系统内各能源控制器的协同交互，自适应生成设备运行控制策略并发送至各能源控制器；

步骤4：能源控制器根据设备运行工况和边缘计算终端发送的设备运行控制策略向设备弹性发送控制指令，实现设备的闭环控制。

本申请所达到的有益效果：

1.本申请通过设备端、边缘端和云端的协同计算，可以解决单方面的设备端计算能力不足、边缘端计算资源受限和云端的数据延迟较大等问题，从而提高计算效率、优化用户体验；

2.本申请可以通过开放计算或委托计算，以协同处理的方式执行任务，在云边端三处安装开放计算产品，提高计算效率，保护数据隐私、确保计算过程的安全性；

3.本申请明确系统解决方案的功能结构，提高智慧用能服务协同处理的可执行性和有效性。

附图说明

图1是本申请一种智慧用能服务协同控制系统的结构图；

图2是本申请实施例中的用户用能行为画像流程图。

具体实施方式

下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本申请的保护范围。

如图1所示，本申请的一种智慧用能服务协同控制系统，包括能源控制器、边缘计算终端和云端服务平台；

一个用户(园区)能源系统对应设置一个边缘计算终端，能源系统内的每个用能设备对应设置一个能源控制器，边缘计算终端与能源系统内的各能源控制器交互，云端服务平台统筹控制不同用户的边缘计算终端；

所述能源控制器用于与用户用能设备的交互，捕捉设备运行特性、辨识设备运行工况；与边缘计算终端协同交互，根据设备运行工况和边缘计算终端发送的设备运行控制策略向设备弹性发送控制指令，实现设备控制；

所述边缘计算终端用于自适应组态用户能源系统，辨识用户用能行为特征，根据云端服务平台推送的顶层运行控制策略，通过与该用户能源系统内各能源控制器的协同交互，自适应生成设备运行控制策略并发送至各能源控制器；

所述云端服务平台用于根据能源价格趋势、节能减排指标、电力需求侧响应需求等要素为不同用户定制顶层运行控制策略并推送至用户侧边缘计算终端，并完成用户交互和后台维护等功能。

本申请具体实施时，所述能源控制器包括边缘协同交互模块、设备监控交互模块、运行工况辨识模块和控制指令生成模块；

所述设备监控交互模块与设备实现交互，执行设备控制指令，并获取设备信息；

所述运行工况辨识模块根据设备信息判断设备实时运行工况；

所述边缘协同交互模块与边缘计算终端交互迭代对设备运行控制策略进行修正；

所述控制指令生成模块根据设备实时运行工况和设备运行控制策略生成设备控制指令，实现设备的闭环控制。

所述边缘协同交互模块作为一对多边-端交互中多个下端之一，通过与边缘计算终端的信息交互、数据交互与计算交互，合理分配存储与运算资源，一方面辨识设备类型、分析设备运行规律与特性；另一方面根据用户用能需求和习惯与边缘计算终端交互迭代对设备运行控制策略进行修正。

所述运行工况辨识模块内置数据筛选算法，接收设备监控交互模块传输来的数据，提取设备运行关键参数，并运用机器学习算法判断设备运行状态；

所述运行工况辨识模块内置的数据筛选算法为主成分分析(PCA)算法与KMeans聚类算法，内置的机器学习算法为遗传算法。

所述运行工况辨识模块内置数据筛选算法的目的是为了提高所收集数据的可用性，利于后期数据分析，可采用主成分分析(PCA)算法进行数据筛选。PCA是一种广泛的降维算法，在数据异常检测过程中有很好的效果。在海量数据中找出异常也即离群的点，通常计算难度会比较大。可先采用CPA对特征进行降维并结合KMeans等聚类算法找出离群点，计算简单且高效。

所述运行工况辨识模块内置机器学习算法采用遗传算法基于历史运行参数构建神经网络，将筛选后的数据作为神经网络的输入，检测设备能效并判断设备运行状态。

所述控制指令生成模块根据边缘协同交互模块修正得到的设备控制策略，自适应参照运行工况辨识模块所得到的设备实时运行工况，生成设备控制指令，发送至设备监控交互模块；设备实时运行工况包括但不限于设备运行效率、启停间歇等要素，运行效率主要考虑如冷热电联控设备，如何参照设备的综合效率选择某一种能源的生产时段，启停时间主要是考虑一些设备的启停顺控条件等，在满足要求的时候进行输出。

所述设备监控交互模块负责与所控设备的具体对接，根据设备控制指令控制所控设备，并通过与所控设备匹配的协议进行通讯，从设备硬件寄存器获取设备实时运行参数及额定功率和保护定制等相关外围参数，并将因具体设备类型/型号所产生的差异化的工况信息和参数信息以标准的接口格式传递给运行工况辨识模块。

所述设备运行参数包括以设定频度获取的电气设备的电压、电流和功率；热工设备的工况和流量；用户与设备交互的指令信息；外部温度、光照和风速；以及设备报警、故障和保护信息等。

所述边缘计算终端包括能源系统组态模块、用户用能行为画像模块、实时运行策略生成模块、边缘协同交互模块；

所述能源系统组态模块、用户用能行为画像模块利用能源控制器和云端服务平台同意开放的数据或者信息完成能源系统组态、用户用能行为画像任务；

所述实时运行策略生成模块根据云端服务平台推送的顶层运行控制策略，参考能源系统组态模块、用户用能行为画像模块的计算结果，生成能源系统总体运行策略并发送至边缘协同交互模块；

所述边缘计算终端的边缘协同交互模块解析能源系统总体运行策略得到设备运行控制策略，并与能源控制器间交互迭代对设备运行控制策略进行修正。

所述能源系统组态模块根据各能源控制器的设备类型/型号、功率容量、接入点位置等基本信息，及自适应识别的基于用户指令、故障检修等产生的设备状态变动信息，动态构建所辖能源系统的拓扑结构和该系统的冷/热/电/汽等不同类型能源的产量、用量及依据能效等划分的产用能结构等要素配置信息，实现用户能源系统的自动组态、配置修正；综合能源系统的组态信息作为边缘计算终端在冷热电多种能源形态之间、跨时空多用能场景之间进行智慧用能优化的底层依据；

所述用户用能行为画像模块基于各能源控制器的运行工况辨识模块所获取的设备实时运行工况，并基于智慧用电边缘计算终端所在能源系统的组态信息，通过用户用能行为标签及模糊聚类方法提取用户用能行为特征，发掘用户的用能需求、能耗漏洞，完成用户用能行为画像；为实时运行策略生成模块定制符合该用户自身需求与特性的运行策略提供依据；

所述实时运行策略生成模块根据云端服务平台推送的顶层运行控制策略和优化依据，参考本能源系统的产用能要素配置、用户用能行为特性等信息，运用多目标优化算法，生成该能源系统总体运行策略并发送至边缘协同交互模块；

所述实时运行策略生成模块的多目标优化算法采用带精英策略的非支配排序遗传算法，通过协调各个目标函数之间的关系，找出使得各个目标函数都尽可能达到比较大的(或比较小的)函数值的最优解集。

所述边缘计算终端的边缘协同交互模块与能源控制器的边缘协同交互模块形成统一的信息共享触发机制、统一的数据交互格式和统一的底层运算环境，根据不同设备、不同工况协调分配存储与运算资源，一方面辨识本地能源系统的设备综合工况、分析能源系统运行规律与特性；另一方面解析能源系统总体运行策略得到设备运行控制策略，并根据用户用能需求和习惯在边缘计算终端与能源控制器间交互迭代对设备运行控制策略进行修正。

如图2所示，所述用户用能行为画像模块基于用户用能行为标签(即客户标签)并使用模糊聚类方法完成用户用能行为画像，具体为：

设定聚类标签和影响度因子；

随机初始化隶属度矩阵；

计算用户用能行为标签的聚类中心，计算用户用能行为标签与聚类中心的隶属度矩阵并将用户归于隶属度最高的聚类中心，直到目标函数的变化小于预设阈值，输出结果。

所述用户用能行为画像模块根据积累的历史数据规模，选取不同时间维度、不同类型的数据针对各用户用能行为标签进行聚类，并依据新近获取的数据对聚类进行迭代更新。

用户用能行为标签聚类的目标是快速掌握不同用户群体的用能特征，从而实现不同用能群体的差异化策略生成。因此，考虑选择如表1所示最能反映用户用能特征的标签。

所述实时运行策略生成模块包含典型用能设备模型库和多目标非线性优化内核；

所述用能设备模型库为基于涵盖冷热电典型用能设备的基础模型库，并根据用户设备实际运行数据进行修正，形成用户定制用能设备模型库。

所述多目标非线性优化内核利用遗传算法的全局搜索能力，避免传统的多目标优化算法在寻优过程中陷入局部最优解，可以使优化策略兼顾能源系统运行指标的多样性。

所述云端服务平台包括用户交互模块、决策要素征集模块、策略生成与推送模块、后台维护模块；

用户交互模块面向各个用户能源系统，通过能源系统所对应的用户边缘计算终端的能源系统组态模块获取该能源系统的设备信息、运行工况，通过统计实时的与累计的所述运行工况生成能效指标、完成能效评测，通过所对应的用户边缘计算终端的实时运行策略生成模块获取实时运行策略，通过所对应的用户边缘计算终端的用户用能行为画像模块筛选出同类用户并完成能效对标，最终将其获取的信息与各用户交互，提供智慧用能服务；

所述用户交互模块以定时、主动推送或被动响应的方式与各用户交互。

决策要素征集模块通过大数据算法自动获取能源价格趋势、节能减排指标、电力需求侧响应需求等用能要素，作为云端服务平台生成顶层控制策略的决策依据；

所述决策要素征集模块采用的大数据算法为粒子群算法。

所述决策要素征集模块的大数据算法如粒子群算法在参数辨识和优化设计等方面有很大作用，可用于节能减排指标的制定；回归预测与时间序列预测已在电网负荷预测中存在实际案例，可将其应用在能源价格趋势获取及电力需求响应中。

策略生成与推送模块基于决策要素征集模块提供的决策依据，根据在平台中录入的不同用户的依据合同能源管理等分解得出的能源系统优化运行需求，生成顶层运行控制策略并推送至用户所对应的边缘计算终端；

后台维护模块用于数据的存储、压缩、检索、用户信息的维护与更新以及系统权限与安全的维护等。

一种智慧用能服务协同控制系统的智慧用能服务协同控制方法，包括以下步骤：

步骤1：能源控制器与用户用能设备的交互，捕捉设备运行特性、辨识设备运行工况并将其发送至边缘计算终端；

步骤2：云端服务平台根据能源价格趋势、节能减排指标、电力需求侧响应需求等要素为不同用户定制顶层运行控制策略并推送至用户侧边缘计算终端，并完成用户交互和后台维护等功能；

步骤3：边缘计算终端自适应组态用户能源系统，辨识用户用能行为特征，根据云端服务平台推送的顶层运行控制策略，通过与该用户能源系统内各能源控制器的协同交互，自适应生成设备运行控制策略并发送至各能源控制器；

步骤4：能源控制器根据设备运行工况和边缘计算终端发送的设备运行控制策略向设备弹性发送控制指令，实现设备的闭环控制。

本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。

Claims (16)

1.一种智慧用能服务协同控制系统，包括能源控制器、边缘计算终端和云端服务平台；其特征在于：

一个用户能源系统对应设置一个边缘计算终端，能源系统内的每个用能设备对应设置一个能源控制器，边缘计算终端与能源系统内的各能源控制器交互，云端服务平台统筹控制不同用户的边缘计算终端；

所述能源控制器用于与用户用能设备的交互，捕捉设备运行特性、辨识设备运行工况；与边缘计算终端协同交互，根据设备运行工况和边缘计算终端发送的设备运行控制策略向设备弹性发送控制指令，实现设备控制；

所述边缘计算终端用于自适应组态用户能源系统，辨识用户用能行为特征，根据云端服务平台推送的顶层运行控制策略，通过与该用户能源系统内各能源控制器的协同交互，自适应生成设备运行控制策略并发送至各能源控制器；

所述云端服务平台用于为不同用户定制顶层运行控制策略并推送至用户侧边缘计算终端，并完成用户交互和后台维护。

2.根据权利要求1所述的一种智慧用能服务协同控制系统，其特征在于：

所述能源控制器包括边缘协同交互模块、设备监控交互模块、运行工况辨识模块和控制指令生成模块；

所述设备监控交互模块与设备实现交互，执行设备控制指令，并获取设备信息；

所述运行工况辨识模块根据设备信息判断设备实时运行工况；

所述边缘协同交互模块与边缘计算终端交互迭代对设备运行控制策略进行修正；

所述控制指令生成模块根据设备实时运行工况和设备运行控制策略生成设备控制指令，实现设备的闭环控制。

3.根据权利要求2所述的一种智慧用能服务协同控制系统，其特征在于：

所述边缘协同交互模块通过与边缘计算终端的信息交互、数据交互与计算交互，分配存储与运算资源，一方面辨识设备类型、分析设备运行规律与特性；另一方面根据用户用能需求和习惯与边缘计算终端交互迭代对设备运行控制策略进行修正；

所述运行工况辨识模块内置数据筛选算法，接收设备监控交互模块传输来的数据，提取设备运行参数，并运用机器学习算法判断设备实时运行工况；

所述控制指令生成模块根据边缘协同交互模块修正得到的设备控制策略，自适应参照运行工况辨识模块所得到的设备实时运行工况，生成设备控制指令，发送至设备监控交互模块；

所述设备监控交互模块负责与所控设备的具体对接，根据设备控制指令控制所控设备，并通过与所控设备匹配的协议进行通讯，从设备硬件寄存器获取设备实时运行参数及额定功率和保护定制，并将因具体设备类型/型号所产生的差异化的工况信息和参数信息以标准的接口格式传递给运行工况辨识模块。

4.根据权利要求3所述的一种智慧用能服务协同控制系统，其特征在于：

所述设备运行参数包括以设定频度获取的电气设备的电压、电流和功率；热工设备的工况和流量；用户与设备交互的指令信息；外部温度、光照和风速；以及设备报警、故障和保护信息。

5.根据权利要求3所述的一种智慧用能服务协同控制系统，其特征在于：

所述运行工况辨识模块内置的数据筛选算法为主成分分析算法与KMeans聚类算法，内置的机器学习算法为遗传算法。

6.根据权利要求3所述的一种智慧用能服务协同控制系统，其特征在于：

所述边缘计算终端包括能源系统组态模块、用户用能行为画像模块、实时运行策略生成模块、边缘协同交互模块；

所述能源系统组态模块、用户用能行为画像模块利用能源控制器和云端服务平台同意开放的数据或者信息完成能源系统组态、用户用能行为画像任务；

所述实时运行策略生成模块根据云端服务平台推送的顶层运行控制策略，参考能源系统组态模块、用户用能行为画像模块的计算结果，生成能源系统总体运行策略并发送至边缘协同交互模块；

所述边缘计算终端的边缘协同交互模块解析能源系统总体运行策略得到设备运行控制策略，并与能源控制器间交互迭代对设备运行控制策略进行修正。

7.根据权利要求6所述的一种智慧用能服务协同控制系统，其特征在于：

所述能源系统组态模块根据各能源控制器的设备类型/型号、功率容量、接入点位置，及自适应识别的基于用户指令、故障检修产生的设备状态变动信息，动态构建所辖能源系统的拓扑结构和该系统不同类型能源的产量、用量及依据能效等划分的产用能结构，实现用户能源系统的自动组态、配置修正；

所述用户用能行为画像模块基于各能源控制器的运行工况辨识模块所获取的设备实时运行工况，并基于智慧用电边缘计算终端所在能源系统的组态信息，通过用户用能行为标签及模糊聚类方法提取用户用能行为特征，发掘用户的用能需求、能耗漏洞，完成用户用能行为画像；

所述实时运行策略生成模块根据云端服务平台推送的顶层运行控制策略和优化依据，参考本能源系统的产用能要素配置、用户用能行为特性信息，运用多目标优化算法，生成该能源系统总体运行策略并发送至边缘协同交互模块；

所述边缘计算终端的边缘协同交互模块与能源控制器的边缘协同交互模块形成统一的信息共享触发机制、统一的数据交互格式和统一的底层运算环境，根据不同设备、不同工况协调分配存储与运算资源，一方面辨识本地能源系统的设备综合工况、分析能源系统运行规律与特性；另一方面解析能源系统总体运行策略得到设备运行控制策略，并根据用户用能需求和习惯在边缘计算终端与能源控制器间交互迭代对设备运行控制策略进行修正。

8.根据权利要求7所述的一种智慧用能服务协同控制系统，其特征在于：

所述实时运行策略生成模块的多目标优化算法采用带精英策略的非支配排序遗传算法，通过协调各个目标函数之间的关系，找出使得各个目标函数的函数值的最优解集。

9.根据权利要求7所述的一种智慧用能服务协同控制系统，其特征在于：

所述用户用能行为画像模块基于用户用能行为标签并使用模糊聚类方法完成用户用能行为画像，具体为：

设定聚类标签和影响度因子；

随机初始化隶属度矩阵；

计算用户用能行为标签的聚类中心，计算用户用能行为标签与聚类中心的隶属度矩阵并将用户归于隶属度最高的聚类中心，直到目标函数的变化小于预设阈值，输出结果。

10.根据权利要求9所述的一种智慧用能服务协同控制系统，其特征在于：

所述用户用能行为画像模块根据积累的历史数据规模，选取不同时间维度、不同类型的数据针对各用户用能行为标签进行聚类，并依据新近获取的数据对聚类进行迭代更新。

11.根据权利要求10所述的一种智慧用能服务协同控制系统，其特征在于：

所述用户用能行为标签包括用能规模、用能类型、季节特性、温度敏感度、负荷稳定性、容量利用率、负荷增长率、峰谷特性和周休特性；

所述用能规模为用户的冷热电综合用能规模；

所述用能类型包括工业、商业、住宅、非工业、农业生产和临时接能；

所述季节特性为用户在不同季节的用能特性；

所述温度敏感度为客户在不同温度时的负荷变化趋势；

所述负荷稳定性为客户负荷的波动特性；

所述容量利用率为客户冷热电安装/合同容量的利用效率；

所述负荷增长率为用户负荷长期变化趋势；

所述峰谷特性为用户冷热电负荷单日不同时段的变化规律；

所述周休特性为用户冷热电负荷以周为单位的变化规律。

12.根据权利要求7所述的一种智慧用能服务协同控制系统，其特征在于：

所述实时运行策略生成模块包含典型用能设备模型库和多目标非线性优化内核；

所述用能设备模型库为基于涵盖冷热电典型用能设备的基础模型库，并根据用户设备实际运行数据进行修正，形成用户定制用能设备模型库；

所述多目标非线性优化内核利用遗传算法的全局搜索能力，避免多目标优化算法在寻优过程中陷入局部最优解，使优化策略兼顾能源系统运行指标的多样性。

13.根据权利要求7所述的一种智慧用能服务协同控制系统，其特征在于：

所述云端服务平台包括用户交互模块、决策要素征集模块、策略生成与推送模块、后台维护模块；

用户交互模块面向各个用户能源系统，通过能源系统所对应的用户边缘计算终端的能源系统组态模块获取该能源系统的设备信息、运行工况，通过统计实时的与累计的所述运行工况生成能效指标、完成能效评测，通过所对应的用户边缘计算终端的实时运行策略生成模块获取实时运行策略，通过所对应的用户边缘计算终端的用户用能行为画像模块筛选出同类用户并完成能效对标，最终将其获取的信息与各用户交互，提供智慧用能服务；

决策要素征集模块通过大数据算法自动获取能源价格趋势、节能减排指标、电力需求侧响应需求，作为云端服务平台生成顶层控制策略的决策依据；

策略生成与推送模块基于决策要素征集模块提供的决策依据，根据不同用户的能源系统优化运行需求，生成顶层运行控制策略并推送至用户所对应的边缘计算终端；

后台维护模块用于数据的存储、压缩、检索、用户信息的维护与更新以及系统权限与安全的维护。

14.根据权利要求13所述的一种智慧用能服务协同控制系统，其特征在于：

所述用户交互模块以定时、主动推送或被动响应的方式与各用户交互。

15.根据权利要求13所述的一种智慧用能服务协同控制系统，其特征在于：

所述决策要素征集模块采用的大数据算法为粒子群算法。

16.根据权利要求1-15任一项所述的一种智慧用能服务协同控制系统的智慧用能服务协同控制方法，其特征在于：

包括以下步骤：

步骤1：能源控制器与用户用能设备交互，捕捉设备运行特性、辨识设备运行工况并将其发送至边缘计算终端；

步骤2：云端服务平台根据能源价格趋势、节能减排指标、电力需求侧响应需求要素为不同用户定制顶层运行控制策略并推送至用户侧边缘计算终端，并完成用户交互和后台维护；

步骤3：边缘计算终端自适应组态用户能源系统，辨识用户用能行为特征，根据云端服务平台推送的顶层运行控制策略，通过与该用户能源系统内各能源控制器的协同交互，自适应生成设备运行控制策略并发送至各能源控制器；

步骤4：能源控制器根据设备运行工况和设备运行控制策略向设备弹性发送控制指令，实现设备控制。

Images