CN111915195A - 一种结合区块链及大数据的公共电力资源调配方法 - Google Patents
一种结合区块链及大数据的公共电力资源调配方法 Download PDFInfo
- Publication number
- CN111915195A CN111915195A CN202010785716.2A CN202010785716A CN111915195A CN 111915195 A CN111915195 A CN 111915195A CN 202010785716 A CN202010785716 A CN 202010785716A CN 111915195 A CN111915195 A CN 111915195A
- Authority
- CN
- China
- Prior art keywords
- data
- value
- power consumption
- power
- big data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000013468 resource allocation Methods 0.000 title claims abstract description 19
- 230000005611 electricity Effects 0.000 claims abstract description 59
- 230000008859 change Effects 0.000 claims description 24
- 238000005457 optimization Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 10
- 238000012417 linear regression Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 239000000203 mixture Substances 0.000 claims 1
- 239000002994 raw material Substances 0.000 claims 1
- 230000008569 process Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Biology (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Educational Administration (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Probability & Statistics with Applications (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Water Supply & Treatment (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
Abstract
本发明公开了一种结合区块链及大数据的公共电力资源调配方法,包括获取调控区域内每户居民就近一段时间内的电力用度数据,并建立曲线图;通过所述曲线图分别预测每户居民后续阶段的标准用电量;匹配所述调控区域内居民用电平均大数据,对每户居民的所述标准用电量分别进行修正;根据修正后的所述标准用电量进行电力资源的调配,首先预测每户居民的个人后续用电量,而后结合大数据进行用电量的修正,运用修正后的用电量进行调配,解决了现有电力调配方式没有进一步实现对用户后续阶段用电的精准预测,导致电量分配至一些非活跃用户,造成的分配调度不合理的问题。
Description
技术领域
本发明涉及电力资源调配的技术领域,尤其涉及一种结合区块链及大数据的公共电力资源调配方法。
背景技术
电力调度是为了保证电网安全稳定运行、对外可靠供电、各类电力生产工作有序进行而采用的一种有效管理手段。
随着人口的增长,电能资源也会出现供应不及时的状况,在现有专利一种直流微电网的控制系统中,虽然实现了调度模块在直流微电网产生的电量小于预设阀值情况下根据数据库内存储的分配值进行直流微电网的电量调度,从而对直流微电网系统产生的电量合理的调度和控制,为用户进行供电,但没有进一步实现对用户后续阶段用电的精准预测,导致电量分配至一些非活跃用户,造成分配调度不合理,电量没有合理分配给需要用电的用户,电力资源的调配存在缺陷,寻求一种更完善的公共电力资源调配方法符合社会和市场的需求。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有电力资源调配存在的问题,提出了本发明。
因此,本发明解决的技术问题是:解决现有电力调配方式没有进一步实现对用户后续阶段用电的精准预测,导致电量分配至一些非活跃用户,造成的分配调度不合理的问题。
为解决上述技术问题,本发明提供如下技术方案:一种结合区块链及大数据的公共电力资源调配方法,包括获取调控区域内每户居民就近一段时间内的电力用度数据,并建立曲线图;通过所述曲线图分别预测每户居民后续阶段的标准用电量;匹配所述调控区域内居民用电平均大数据,对每户居民的所述标准用电量分别进行修正;根据修正后的所述标准用电量进行电力资源的调配。
作为本发明所述的结合区块链及大数据的公共电力资源调配方法的一种优选方案,其中:通过所述曲线图预测每户居民后续阶段的所述标准用电量包括选取所述曲线图上的节点作为参考点;依据所述参考点顺序获取所述曲线图的导数变化值范围;依据后续用电曲线导数变化值处于所述导数变化值范围内进行后续阶段用电曲线的预测;根据预测的所述后续用电曲线获取所述标准用电量范围。
作为本发明所述的结合区块链及大数据的公共电力资源调配方法的一种优选方案,其中:选取所述曲线图的首尾点,并在所述曲线图中依照平均截取原则选取其余所述节点作为所述参考点。
作为本发明所述的结合区块链及大数据的公共电力资源调配方法的一种优选方案,其中:在所述曲线图中依照平均截取原则选取的其余所述节点的数量依照以下公式,
式中,N为其余所述节点的数量,个;t为所选取的就近一段参考时间的长度,s;Amax及Amin分别为所选取的所述参考时间内的用电最大值数据及用电最小值数据,A;t'为所述用电最大值数据及所述用电最小值数据之间相隔的长度,s。
作为本发明所述的结合区块链及大数据的公共电力资源调配方法的一种优选方案,其中:定义所述后续用电曲线导数变化值处于所述导数变化值范围内包括建立寻优迭代模型,输入所述导数变化值范围进行寻优训练,输出训练值;构建线性回归模型,输入所述训练值,并判断后续节点间相关性对线性回归的影响是否超出选择阈值;获取不超出所述选择阈值的所述后续节点作为所述后续用电曲线导数变化值的参考节点;依次求取所述参考节点对应的导数值作为所述后续用电曲线导数变化值。
作为本发明所述的结合区块链及大数据的公共电力资源调配方法的一种优选方案,其中:所述寻优迭代模型中的寻优迭代公式为,
W(i+1)=W(i+1)·||W(i+1)||
式中,W(i)和W(i+1)为迭代前和迭代后的所述导数变化值范围;Amax及Amin分别为所选取的所述参考时间内的所述用电最大值数据及所述用电最小值数据,A;t'为所述用电最大值数据及所述用电最小值数据之间相隔的长度,s;A为每个节点的导数值。
作为本发明所述的结合区块链及大数据的公共电力资源调配方法的一种优选方案,其中:所述选择阈值设定为矢量一。
作为本发明所述的结合区块链及大数据的公共电力资源调配方法的一种优选方案,其中:匹配区域内居民用电平均大数据,对所述标准用电量进行修正包括构建所述调控区域内所有居民就近一段时间内的整体电力用度的数据集;清洗所述数据集;构建分组模型进行所述数据集的分组;获取分组后的每一组数据的均值,并定义均值比值最小的所述均值为平均大数据用电量;依据修正公式修正所述标准用电量,获取修正后的所述标准用电量的范围。
作为本发明所述的结合区块链及大数据的公共电力资源调配方法的一种优选方案,其中:所述修正公式为,
式中,S为修正后的所述标准用电量,A;S标为每户居民的所述标准用电量,A;S均为所述平均大数据用电量,A;t为所选取的就近一段参考时间的长度,s。
本发明的有益效果:本发明提供的结合区块链及大数据的公共电力资源调配方法,首先预测每户居民的个人后续用电量,而后结合大数据进行用电量的修正,运用修正后的用电量进行调配,解决了现有电力调配方式没有进一步实现对用户后续阶段用电的精准预测,导致电量分配至一些非活跃用户,造成的分配调度不合理的问题。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明提供的结合区块链及大数据的公共电力资源调配方法的方法流程图;
图2为本发明提供的预测方法预测的其中一条后续示意曲线图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
随着人口的增长,电能资源也会出现供应不及时的状况,现有技术中没有进一步实现对用户后续阶段用电的精准预测,导致电量分配至一些非活跃用户,造成分配调度不合理,电量没有合理分配给需要用电的用户,电力资源的调配存在缺陷。
故此,请参阅图1和图2,本发明提供一种结合区块链及大数据的公共电力资源调配方法,包括:
S1:获取调控区域内每户居民就近一段时间内的电力用度数据,并建立曲线图;
不难理解的是:为了提高后续用电量的预测准确性,本发明获取就近一段时间内的电力用度数据。优选的,为了保证预测结果的准确性,所选的就近一段参考时间的长度t与后续需预测时间段的长度T的关系为:
T=γ·t;[γ∈(0.8-1.2)]
式中,γ为预测系数。
当获取每户居民就近一段时间内的电力数据后,以日为计量单位分别统计每户居民每日的电力用度,而后以平滑的曲线连接各点(相邻连接点之间以一个变化趋势连接),建立这一段参考时间内的电力用度曲线图。
S2:通过曲线图分别预测每户居民后续阶段的标准用电量包括:
选取曲线图上的节点作为参考点;
依据参考点顺序获取曲线图的导数变化值范围;
依据后续用电曲线导数变化值处于导数变化值范围内进行后续阶段用电曲线的预测;
根据预测的后续用电曲线获取标准用电量范围。
考虑到本发明首要特征是通过建立的曲线图准确预测出后续阶段的曲线图变化范围,则引入导数变化值进行相互限定。故此,本方法创造性选用的取点方式可最大限度获取后续预测所需参考导数变化范围值。
优选的,如图2所示,选取曲线图的首尾点,并在曲线图中依照平均截取原则选取其余节点作为参考点。
需要说明的是,平均截取原则指的是在曲线图中按照相邻取点之间的时间一致,即将曲线图按照等分日期的方式进行截取,获取节点处的电力数据。
进一步的,考虑到选取其余节点的数量对于预测结果存在影响,则在曲线图中依照平均截取原则选取的其余节点的数量依照以下公式:
式中,N为其余节点的数量,个;t为所选取的就近一段参考时间的长度,s;Amax及Amin分别为所选取的参考时间内的用电最大值数据及用电最小值数据,A;t'为用电最大值数据及用电最小值数据之间相隔的长度,s。
如下表1所示,为采用本发明取点方式与现有于曲线图上随意选取两点作为参考点获取后续曲线的预测对比表:
表1:本发明取点方式与现有取点方式预测准确性对比表
如上表1所示,采用本发明获取的曲线图和后续用电曲线的导数状态均为范围态,同样采用本发明后续方法进行同等预测,预测后将预测结果与对应的每户居民后续实际用电量相比较,得出的本发明取点方式与实际的差值比明显优于现有技术。
更进一步的,定义后续用电曲线导数变化值处于导数变化值范围内包括:
建立寻优迭代模型,输入导数变化值范围进行寻优训练,输出训练值;
构建线性回归模型,输入训练值,并判断后续节点间相关性对线性回归的影响是否超出选择阈值;
获取不超出选择阈值的后续节点作为后续用电曲线导数变化值的参考节点;
依次求取参考节点对应的导数值作为后续用电曲线导数变化值。
本发明在预测的过程中需保证后续用电曲线导数变化值处于导数变化值范围内,即保证后续预测曲线处于一个相对平滑度。
其中,寻优迭代模型中的寻优迭代公式为:
W(i+1)=W(i+1)·||W(i+1)||
式中,W(i)和W(i+1)为迭代前和迭代后的导数变化值范围;Amax及Amin分别为所选取的参考时间内的用电最大值数据及用电最小值数据,A;t'为用电最大值数据及用电最小值数据之间相隔的长度,s;A为每个节点的导数值。当||W(i+1)||基本保持不变,趋近稳定时,迭代结束。
将训练值I作为自变量、后续曲线导数变化值范围X作为因变量构建线性回归模型:X=AI
判断后续节点间相关性对线性回归的影响是否超出选择阈值,采用PLS求解上述回归模型。
优选的,选择阈值设定为矢量一。
在获取后续的参考节点后,顺序获取相邻节点之间的导数变化。
S3:匹配调控区域内居民用电平均大数据,对每户居民的标准用电量分别进行修正包括:
构建调控区域内所有居民就近一段时间内的整体电力用度的数据集;
清洗数据集;
构建分组模型进行数据集的分组;
获取分组后的每一组数据的均值,并定义均值比值最小的均值为平均大数据用电量;
依据修正公式修正标准用电量,获取修正后的标准用电量的范围。
需要说明的是,获取每户居民一段时间参考时间内的整体用电数据,将调控区域内所有居民的整体用电数据做成数据集。由于调控区域内存在用电过高和过低的存在,故此,以低于或高于中心值300%的标准进行数据的清洗。
构建分组模型进行数据集的分组具体为:(最高值+最低值)、(第二高值+第二低值)、(第三高值+第三低值)如此循环进行分组。
修正公式为:
式中,S为修正后的标准用电量,A;S标为每户居民的标准用电量,A;S均为平均大数据用电量,A;t为所选取的就近一段参考时间的长度,s。
如下表2所示,为采用修正后的标准用电量与直接采用首轮预测后的标准用电量的准确度对比表:
表2:修正后的标准用电量与采用标准用电量的调配准确度对比表
由上表2所示,匹配大数据后修正的标准用电量在实际的差值比和调配的准确性上均优于未修正标准用电量;且采用修正的标准用电量每轮剩余的电能占比方面明显少于后者,证明修正后能最大限度实现电能的利用而不造成大面积的剩余,能够更好的实现电能的空间性利用。
S4:根据修正后的标准用电量进行电力资源的调配。
本发明提供的结合区块链及大数据的公共电力资源调配方法,首先预测每户居民的个人后续用电量,而后结合大数据进行用电量的修正,运用修正后的用电量进行调配,解决了现有电力调配方式没有进一步实现对用户后续阶段用电的精准预测,导致电量分配至一些非活跃用户,造成的分配调度不合理的问题。
应当认识到,本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
此外,可按任何合适的顺序来执行本文描述的过程的操作,除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步,所述方法可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时,本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时,本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能,从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中,转换的数据表示物理和有形的对象,包括显示器上产生的物理和有形对象的特定视觉描绘。
如在本申请所使用的,术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体,该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如,组件可以是,但不限于是:在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例,在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中,并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外,这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如,来自一个组件的数据,该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号,以本地和/或远程过程的方式进行通信。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (9)
1.一种结合区块链及大数据的公共电力资源调配方法,其特征在于:包括,
获取调控区域内每户居民就近一段时间内的电力用度数据,并建立曲线图;
通过所述曲线图分别预测每户居民后续阶段的标准用电量;
匹配所述调控区域内居民用电平均大数据,对每户居民的所述标准用电量分别进行修正;
根据修正后的所述标准用电量进行电力资源的调配。
2.根据权利要求1所述的结合区块链及大数据的公共电力资源调配方法,其特征在于:通过所述曲线图预测每户居民后续阶段的所述标准用电量包括,
选取所述曲线图上的节点作为参考点;
依据所述参考点顺序获取所述曲线图的导数变化值范围;
依据后续用电曲线导数变化值处于所述导数变化值范围内进行后续阶段用电曲线的预测;
根据预测的所述后续用电曲线获取所述标准用电量范围。
3.根据权利要求2所述的结合区块链及大数据的公共电力资源调配方法,其特征在于:选取所述曲线图的首尾点,并在所述曲线图中依照平均截取原则选取其余所述节点作为所述参考点。
5.根据权利要求2~4任一项所述的结合区块链及大数据的公共电力资源调配方法,其特征在于:定义所述后续用电曲线导数变化值处于所述导数变化值范围内包括,
建立寻优迭代模型,输入所述导数变化值范围进行寻优训练,输出训练值;
构建线性回归模型,输入所述训练值,并判断后续节点间相关性对线性回归的影响是否超出选择阈值;
获取不超出所述选择阈值的所述后续节点作为所述后续用电曲线导数变化值的参考节点;
依次求取所述参考节点对应的导数值作为所述后续用电曲线导数变化值。
7.根据权利要求6所述的结合区块链及大数据的公共电力资源调配方法,其特征在于:所述选择阈值设定为矢量一。
8.根据权利要求1~4或6或7任一项所述的结合区块链及大数据的公共电力资源调配方法,其特征在于:匹配区域内居民用电平均大数据,对所述标准用电量进行修正包括,
构建所述调控区域内所有居民就近一段时间内的整体电力用度的数据集;
清洗所述数据集;
构建分组模型进行所述数据集的分组;
获取分组后的每一组数据的均值,并定义均值比值最小的所述均值为平均大数据用电量;
依据修正公式修正所述标准用电量,获取修正后的所述标准用电量的范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010785716.2A CN111915195B (zh) | 2020-08-06 | 2020-08-06 | 一种结合区块链及大数据的公共电力资源调配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010785716.2A CN111915195B (zh) | 2020-08-06 | 2020-08-06 | 一种结合区块链及大数据的公共电力资源调配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111915195A true CN111915195A (zh) | 2020-11-10 |
CN111915195B CN111915195B (zh) | 2023-12-01 |
Family
ID=73288238
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010785716.2A Active CN111915195B (zh) | 2020-08-06 | 2020-08-06 | 一种结合区块链及大数据的公共电力资源调配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111915195B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112270621A (zh) * | 2020-11-19 | 2021-01-26 | 广东电网有限责任公司电力调度控制中心 | 一种基于区块链的电力调度方法、设备、存储介质 |
CN115577980A (zh) * | 2022-11-15 | 2023-01-06 | 北京国电通网络技术有限公司 | 电力设备调控方法、装置、电子设备和介质 |
CN115995814A (zh) * | 2023-03-23 | 2023-04-21 | 佛山市电子政务科技有限公司 | 一种基于大数据的公共电力资源调配方法 |
CN116166857A (zh) * | 2023-04-26 | 2023-05-26 | 国网吉林省电力有限公司信息通信公司 | 基于大数据的电力数据处理系统 |
CN117893075A (zh) * | 2024-01-11 | 2024-04-16 | 国网安徽省电力有限公司综合服务中心 | 基于大数据管理的电力工程云平台智慧审计系统 |
CN117913996A (zh) * | 2024-01-24 | 2024-04-19 | 江苏同合电气有限公司 | 一种基于数据分析的配电柜运行智能监测管理方法及系统 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2533389A2 (de) * | 2011-06-09 | 2012-12-12 | MVV Energie AG | Verfahren zur Verteilung von elektrischer Energie in einem Stromnetzwerk mit einer Vielzahl von Verteilungsnetzzellen |
US20140163756A1 (en) * | 2012-12-11 | 2014-06-12 | Chevron Usa Inc. | Systems and methods for minimizing energy costs for a power consumption system that has access to off-grid resources |
CN104008430A (zh) * | 2014-05-29 | 2014-08-27 | 华北电力大学 | 一种构建拟境挖掘动态智能负荷预测模型的方法 |
CN104463347A (zh) * | 2014-11-06 | 2015-03-25 | 电子科技大学 | 含有奇异信号的电子产品退化状态趋势预测方法 |
CN104751253A (zh) * | 2015-04-23 | 2015-07-01 | 国家电网公司 | 基于b-样条基底展开曲线聚类的配电网潮流预测方法 |
US20170091615A1 (en) * | 2015-09-28 | 2017-03-30 | Siemens Aktiengesellschaft | System and method for predicting power plant operational parameters utilizing artificial neural network deep learning methodologies |
CN106897800A (zh) * | 2017-02-28 | 2017-06-27 | 东方网力科技股份有限公司 | 一种目标的运动范围预测方法及装置 |
CN106934500A (zh) * | 2017-03-15 | 2017-07-07 | 国网山东省电力公司经济技术研究院 | 一种基于非参数模型对地区饱和电量进行预测的方法 |
KR101817442B1 (ko) * | 2016-09-30 | 2018-01-11 | 제주대학교 산학협력단 | 유전 알고리즘을 이용하여 전력 거래를 동적으로 스케줄링하는 방법 및 장치 |
CN107944571A (zh) * | 2017-11-09 | 2018-04-20 | 华北电力大学(保定) | 一种电力变压器剩余使用寿命预测方法 |
US10024733B1 (en) * | 2014-02-03 | 2018-07-17 | Clean Power Research, L.L.C. | Apparatus and method for empirically estimating overall thermal performance of a building with the aid of a digital computer |
CN109816257A (zh) * | 2019-01-30 | 2019-05-28 | 广东电网有限责任公司 | 一种基于区块链的双源能源互联网交易方法及设备 |
CN110163368A (zh) * | 2019-04-18 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 基于混合精度的深度学习模型训练方法、装置及系统 |
US20190303810A1 (en) * | 2018-03-28 | 2019-10-03 | Oracle International Corporation | Optimally deploying utility repair assets to minimize power outages during major weather events |
CN111091232A (zh) * | 2019-11-25 | 2020-05-01 | 黑龙江电力调度实业有限公司 | 一种考虑用电需求变化趋势的电力负荷预测方法 |
US10719636B1 (en) * | 2014-02-03 | 2020-07-21 | Clean Power Research, L.L.C. | Computer-implemented system and method for estimating gross energy load of a building |
-
2020
- 2020-08-06 CN CN202010785716.2A patent/CN111915195B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2533389A2 (de) * | 2011-06-09 | 2012-12-12 | MVV Energie AG | Verfahren zur Verteilung von elektrischer Energie in einem Stromnetzwerk mit einer Vielzahl von Verteilungsnetzzellen |
US20140163756A1 (en) * | 2012-12-11 | 2014-06-12 | Chevron Usa Inc. | Systems and methods for minimizing energy costs for a power consumption system that has access to off-grid resources |
US10719636B1 (en) * | 2014-02-03 | 2020-07-21 | Clean Power Research, L.L.C. | Computer-implemented system and method for estimating gross energy load of a building |
US10024733B1 (en) * | 2014-02-03 | 2018-07-17 | Clean Power Research, L.L.C. | Apparatus and method for empirically estimating overall thermal performance of a building with the aid of a digital computer |
CN104008430A (zh) * | 2014-05-29 | 2014-08-27 | 华北电力大学 | 一种构建拟境挖掘动态智能负荷预测模型的方法 |
CN104463347A (zh) * | 2014-11-06 | 2015-03-25 | 电子科技大学 | 含有奇异信号的电子产品退化状态趋势预测方法 |
CN104751253A (zh) * | 2015-04-23 | 2015-07-01 | 国家电网公司 | 基于b-样条基底展开曲线聚类的配电网潮流预测方法 |
US20170091615A1 (en) * | 2015-09-28 | 2017-03-30 | Siemens Aktiengesellschaft | System and method for predicting power plant operational parameters utilizing artificial neural network deep learning methodologies |
KR101817442B1 (ko) * | 2016-09-30 | 2018-01-11 | 제주대학교 산학협력단 | 유전 알고리즘을 이용하여 전력 거래를 동적으로 스케줄링하는 방법 및 장치 |
CN106897800A (zh) * | 2017-02-28 | 2017-06-27 | 东方网力科技股份有限公司 | 一种目标的运动范围预测方法及装置 |
CN106934500A (zh) * | 2017-03-15 | 2017-07-07 | 国网山东省电力公司经济技术研究院 | 一种基于非参数模型对地区饱和电量进行预测的方法 |
CN107944571A (zh) * | 2017-11-09 | 2018-04-20 | 华北电力大学(保定) | 一种电力变压器剩余使用寿命预测方法 |
US20190303810A1 (en) * | 2018-03-28 | 2019-10-03 | Oracle International Corporation | Optimally deploying utility repair assets to minimize power outages during major weather events |
CN109816257A (zh) * | 2019-01-30 | 2019-05-28 | 广东电网有限责任公司 | 一种基于区块链的双源能源互联网交易方法及设备 |
CN110163368A (zh) * | 2019-04-18 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 基于混合精度的深度学习模型训练方法、装置及系统 |
CN111091232A (zh) * | 2019-11-25 | 2020-05-01 | 黑龙江电力调度实业有限公司 | 一种考虑用电需求变化趋势的电力负荷预测方法 |
Non-Patent Citations (4)
Title |
---|
单体华;秦砺寒;韩江磊;史智萍;王智敏;牛东晓;: "基于FWA-LSSVR智能算法的钢铁行业用电量预测研究", 中国电力, no. 1 * |
唐杰明;刘俊勇;杨可;刘友波;: "基于灰色模型和最小二乘支持向量机的电力短期负荷组合预测", 电网技术, no. 03 * |
张旭东;钱仲文;沈思琪;石佳;逄金辉;: "一种基于LSTM与LGBM的电力负荷预测算法", 系统工程, no. 01 * |
蔡佳铭;王承民;谢宁;彭石;: "基于能量函数模型的风电功率在线预测方法研究", 现代电力, no. 02 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112270621A (zh) * | 2020-11-19 | 2021-01-26 | 广东电网有限责任公司电力调度控制中心 | 一种基于区块链的电力调度方法、设备、存储介质 |
CN115577980A (zh) * | 2022-11-15 | 2023-01-06 | 北京国电通网络技术有限公司 | 电力设备调控方法、装置、电子设备和介质 |
CN115577980B (zh) * | 2022-11-15 | 2023-04-07 | 北京国电通网络技术有限公司 | 电力设备调控方法、装置、电子设备和介质 |
CN115995814A (zh) * | 2023-03-23 | 2023-04-21 | 佛山市电子政务科技有限公司 | 一种基于大数据的公共电力资源调配方法 |
CN116166857A (zh) * | 2023-04-26 | 2023-05-26 | 国网吉林省电力有限公司信息通信公司 | 基于大数据的电力数据处理系统 |
CN116166857B (zh) * | 2023-04-26 | 2023-08-15 | 国网吉林省电力有限公司信息通信公司 | 基于大数据的电力数据处理系统 |
CN117893075A (zh) * | 2024-01-11 | 2024-04-16 | 国网安徽省电力有限公司综合服务中心 | 基于大数据管理的电力工程云平台智慧审计系统 |
CN117893075B (zh) * | 2024-01-11 | 2024-08-23 | 国网安徽省电力有限公司综合服务中心 | 基于大数据管理的电力工程云平台智慧审计系统 |
CN117913996A (zh) * | 2024-01-24 | 2024-04-19 | 江苏同合电气有限公司 | 一种基于数据分析的配电柜运行智能监测管理方法及系统 |
CN117913996B (zh) * | 2024-01-24 | 2024-06-07 | 江苏同合电气有限公司 | 一种基于数据分析的配电柜运行智能监测管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111915195B (zh) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111915195A (zh) | 一种结合区块链及大数据的公共电力资源调配方法 | |
Qiao et al. | Pollux: Co-adaptive cluster scheduling for goodput-optimized deep learning | |
Goudarzi et al. | Demand-side load scheduling incentivized by dynamic energy prices | |
EP3454210B1 (en) | Prescriptive analytics based activation timetable stack for cloud computing resource scheduling | |
CN102759984A (zh) | 虚拟化服务器集群的电源和性能管理系统 | |
CN108132839B (zh) | 一种资源调度方法及装置 | |
JP6175871B2 (ja) | 計画策定装置、計画策定システム、計画策定方法および計画策定プログラム | |
Hanafy et al. | Carbonscaler: Leveraging cloud workload elasticity for optimizing carbon-efficiency | |
US11221595B2 (en) | Compute load shaping using virtual capacity and preferential location real time scheduling | |
CN104572296B (zh) | 一种预测云平台存储资源增长量的方法 | |
CN113010315A (zh) | 资源分配方法及分配装置、计算机可读存储介质 | |
Sheikh et al. | Performance, energy, and temperature enabled task scheduling using evolutionary techniques | |
TW201918879A (zh) | 資源閒置時之工作排程方法 | |
Jiang et al. | On power-peak-aware scheduling for large-scale shared clusters | |
CN103679289A (zh) | 基于多元回归外推法的电力负荷预测方法 | |
Ahmed et al. | An energy efficient demand-response model for high performance computing systems | |
CN104111876A (zh) | 一种基于Oracle资源计划的动态资源管理装置及方法 | |
Beaumont et al. | Minimizing weighted mean completion time for malleable tasks scheduling | |
CN109243649A (zh) | 核电厂用水量控制方法及装置 | |
Le et al. | Allox: Allocation across computing resources for hybrid cpu/gpu clusters | |
Ghorbani | A variation and energy aware ILP formulation for task scheduling in MPSoC | |
Mohtasham et al. | FRAME: Fair resource allocation in multi-process environments | |
CN114756324A (zh) | 一种算力资源分配方法、装置、设备及介质 | |
CN110768241A (zh) | 储能装置的控制数据处理及控制系统和方法、设备及介质 | |
Masroor et al. | Task Allocation in the Edge Cloud Scenario Incorporating Customized Requirements |
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 |