CN112257891A - 一种基于互联网的智慧能源配置方法及装置 - Google Patents
一种基于互联网的智慧能源配置方法及装置 Download PDFInfo
- Publication number
- CN112257891A CN112257891A CN202010865405.7A CN202010865405A CN112257891A CN 112257891 A CN112257891 A CN 112257891A CN 202010865405 A CN202010865405 A CN 202010865405A CN 112257891 A CN112257891 A CN 112257891A
- Authority
- CN
- China
- Prior art keywords
- index
- energy
- intelligent
- indexes
- configuration
- 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 67
- 238000005457 optimization Methods 0.000 claims abstract description 73
- 239000013598 vector Substances 0.000 claims abstract description 61
- 239000011159 matrix material Substances 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000006243 chemical reaction Methods 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 19
- 230000000694 effects Effects 0.000 claims description 13
- 238000013139 quantization Methods 0.000 claims description 11
- 238000012847 principal component analysis method Methods 0.000 claims description 6
- 230000014509 gene expression Effects 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims 1
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002459 sustained 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
- G06Q10/04—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
- 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
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本说明书提供一种基于互联网的智慧能源配置方法及装置,涉及智慧能源技术领域,包括步骤:获取智慧能源设备中不同能源配置参数,对不同能源配置参数进行初步分类;对每类能源配置参数的指标进行分析,分别确定每类指标的动态阈值;根据所述动态阈值,对每类指标进行数值转变处理,获得指标向量;根据得到的指标向量,将不同排列组合的指标向量组成指标矩阵;利用优化选择算法对所述指标矩阵进行优化选择,确定能源配置优化参数;将所述能源配置优化参数输入到智慧能源设备中对相应的智慧能源进行智能化配置;利用本发明所提供的智慧能源配置方法能够实现对智慧能源进行智能化配置,同时能源配置效率高,配置方案合理。
Description
技术领域
本说明书一个或多个实施例涉及智慧能源技术领域,尤其涉及一种基于互联网的智慧能源配置方法及装置。
背景技术
当前,新一轮能源革命正在全球范围内加速推进,智慧能源应运而生并迅猛发展,深刻改变着人类社会生产生活方式。智慧能源,即拥有自组织、自检查、自平衡和自优化等人类大脑功能,满足系统、安全、清洁和经济要求的能源形式,既是能源革命的终极目标,也是能源革命的必经过程,被视为掀起第三次工业革命浪潮的基础源动力。
然而,智慧能源的配置方式是一个复杂的网络化运行过程,现有的能源配置尚未达到智能化,一般只能按照固定模式进行能源配置,大多无法根据实际情况的变化而进行自主学习,而且需要通过人为设定进行调配,这就难免存在能源配置效率低,能源配置不合理的问题。
为了达到在配置过程中统筹各种不同资源协调联动,同时保证能源配置达到既不过剩、又不欠缺的最优化配置,实现多方面的动态调整保障及多系统的自学习协调联动,智慧能源配置方案是保证能源配置效率及效果的关键;因此,提供一种基于互联网的智慧能源配置方法及装置是本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此,本说明书一个或多个实施例的目的在于提出一种基于互联网的智慧能源配置方法及装置,以解决现有智慧能源无法实现智能化配置导致配置效率低和配置不合理的问题。
基于上述目的,本说明书一个或多个实施例提供了一种基于互联网的智慧能源配置方法,包括步骤:
S1、获取智慧能源设备中不同能源配置参数,根据智慧能源在智慧能源设备中所实现的功能,对不同能源配置参数进行初步分类;
S2、对每类能源配置参数的指标进行分析,分别确定每类指标的动态阈值;
S3、根据所述动态阈值,对每类指标进行数值转变处理,获得指标向量;
S4、根据得到的指标向量,将不同排列组合的指标向量组成指标矩阵;
S5、利用优化选择算法对所述指标矩阵进行优化选择,确定能源配置优化参数;
S6、将所述能源配置优化参数输入到智慧能源设备中对相应的智慧能源进行智能化配置。
优选的,所述指标包括定性指标和模糊定量指标。
优选的,在步骤S1之后还包括:利用主成分分析法分别确定每类能源配置参数中的主要影响指标及每类指标的所占权重。
优选的,根据每类指标的所占权重确定不同能源配置参数的权重函数,所述权重函数如公式(1)所示:
优选的,在步骤S3中根据所述动态阈值,对每类指标进行数值转变处理,获得指标向量,包括:
对每类指标进行“0”或“1”的数值转变处理,采用“0-1”规划方法对每类指标进行处理,获得指标向量;
对所述定性指标进行量化处理,对模糊定量指标进行具体量化处理,将定性指标和模糊定量指标分别转换为“0”或“1”的向量进行表示,所获得的指标向量如公式(2)所示:
优选的,在步骤S4中根据得到的指标向量,将不同排列组合的指标向量组成指标矩阵,包括:
针对各个指标建立不同的排列组合,每种排列组合即表示一种配置解决方案,所有排列组合表述如公式(3)所示:
其中:A矩阵为变量均为0和1的矩阵,i代表能源配置优化参数的数量,n代表指标的数量,ai,n表示第i个能源配置优化参数中第n个指标所转换的向量。
优选的,在步骤S5中利用算法对所述指标矩阵进行优化选择,确定能源配置优化参数,还包括:
对指标矩阵进行优化选择后,当存在多个相同指标数量的寻优结果时,利用所确定的每类指标所占权重对寻优结果进行排序,根据排序结果确定最终优化配置参数。
优选的,所述定性指标包括对智慧能源进行描述的“效果好”和“持续活跃”的指标;所述模糊定量指标包括对智慧能源进行模糊量化的“成本低”和“落地快”的数据。
优选的,步骤S5中利用优化选择算法对所述指标矩阵进行优化选择包括:根据不同需求,采用智能优化算法或穷举法在指标矩阵中进行优化选择。
本说明书还提供了一种基于互联网的智慧能源配置装置,包括:
依次连接的参数获取模块、动态阈值确定模块、指标向量获取模块、指标矩阵组成模块、优化选择模块和智能配置模块;
所述参数获取模块,用于获取智慧能源设备中不同能源配置参数,根据智慧能源在智慧能源设备中所实现的功能,对不同能源配置参数进行初步分类;
所述动态阈值确定模块,用于对每类能源配置参数的指标进行分析,分别确定每类指标的动态阈值;
所述指标向量获取模块,用于根据所述动态阈值,对每类指标进行数值转变处理,获得指标向量;
所述指标矩阵组成模块,用于根据得到的指标向量,将不同排列组合的指标向量组成指标矩阵;
所述优化选择模块,用于利用优化选择算法对所述指标矩阵进行优化选择,确定能源配置优化参数;
所述智能配置模块,用于将所述能源配置优化参数输入到智慧能源设备中对相应的智慧能源进行智能化配置。
从上面所述可以看出,本说明书一个或多个实施例提供的一种基于互联网的智慧能源配置方法,通过获取智慧能源设备中不同能源配置参数,根据智慧能源在智慧能源设备中所实现的功能,对不同能源配置参数进行初步分类;对每类能源配置参数的指标进行分析,分别确定每类指标的动态阈值;根据所述动态阈值,对每类指标进行数值转变处理,获得指标向量;根据得到的指标向量,将不同排列组合的指标向量组成指标矩阵;利用优化选择算法对所述指标矩阵进行优化选择,确定能源配置优化参数;将所述能源配置优化参数输入到智慧能源设备中对相应的智慧能源进行智能化配置。本发明所提供的配置方法中不同动态阈值的确定能够提升能源配置的有效性及准确性,在保证数据可靠性、高效性的同时,提升运维经济性;利用本发明所提供的智慧能源配置方法能够实现对智慧能源进行智能化配置,同时能源配置效率高,配置方案合理。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案,下面将对实施例或现有技术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说明书一个或多个实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本说明书一个或多个实施例一种基于互联网的智慧能源配置方法的流程示意图;
图2为本说明书一个或多个实施例一种基于互联网的智慧能源配置方法中对智慧能源配置参数中的各项指标进行数学建模的流程图;
图3为本说明书实施例一种基于互联网的智慧能源配置装置的系统连接示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本公开进一步详细说明。
需要说明的是,除非另外定义,本说明书一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本说明书一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
如图1为本说明书一个或多个实施例一种基于互联网的智慧能源配置方法的流程示意图;图2为本说明书一个或多个实施例一种基于互联网的智慧能源配置方法中对智慧能源配置参数中的各项指标进行数学建模的流程图;本说明书实施例提供了一种基于互联网的智慧能源配置方法,包括步骤:
S1、获取智慧能源设备中不同能源配置参数,根据智慧能源在智慧能源设备中所实现的功能,对不同能源配置参数进行初步分类;
S2、对每类能源配置参数的指标进行分析,分别确定每类指标的动态阈值;
S3、根据所述动态阈值,对每类指标进行数值转变处理,获得指标向量;
S4、根据得到的指标向量,将不同排列组合的指标向量组成指标矩阵;
S5、利用优化选择算法对所述指标矩阵进行优化选择,确定能源配置优化参数;
S6、将所述能源配置优化参数输入到智慧能源设备中对相应的智慧能源进行智能化配置。
本说明书一个或多个实施例提供的一种基于互联网的智慧能源配置方法,通过获取智慧能源设备中不同能源配置参数,根据智慧能源在智慧能源设备中所实现的功能,对不同能源配置参数进行初步分类;对每类能源配置参数的指标进行分析,分别确定每类指标的动态阈值;根据所述动态阈值,对每类指标进行数值转变处理,获得指标向量;根据得到的指标向量,将不同排列组合的指标向量组成指标矩阵;利用优化选择算法对所述指标矩阵进行优化选择,确定能源配置优化参数;将所述能源配置优化参数输入到智慧能源设备中对相应的智慧能源进行智能化配置。本发明所提供的配置方法中不同动态阈值的确定能够提升能源配置的有效性及准确性,在保证数据可靠性、高效性的同时,提升运维经济性;利用本发明所提供的智慧能源配置方法能够实现对智慧能源进行智能化配置,同时能源配置效率高,配置方案合理。
本说明书实施例还提供了一种基于互联网的智慧能源配置方法,包括步骤:
获取智慧能源设备中不同能源配置参数,根据智慧能源在智慧能源设备中所实现的功能,对不同能源配置参数的种类进行初步分类,从而实现对相似的能源配置参数进行整合归纳。所述不同能源配置参数利用数据采集传感器从智慧能源设备中获取。
利用主成分分析法分别确定每类能源配置参数中的主要影响指标及每类指标的所占权重。
所述指标包括定性指标和模糊定量指标。所述定性指标包括对智慧能源进行描述的“效果好”和“持续活跃”的指标。所述模糊定量指标包括对智慧能源进行模糊量化的“成本低”和“落地快”的数据。
根据每类指标的所占权重确定不同能源配置参数的权重函数,所述权重函数如公式(1)所示:
对每类能源配置参数的指标进行分析,分别确定每类指标的动态阈值。
根据所述动态阈值,对每类指标进行数值转变处理,
对每类指标进行“0”或“1”的数值转变处理,采用“0-1”规划方法对每类指标进行处理,获得指标向量。
对所述定性指标进行量化处理,对模糊定量指标进行具体量化处理,将定性指标和模糊定量指标分别转换为“0”或“1”的向量进行表示,所获得的指标向量如公式(2)所示:
根据得到的指标向量,将不同排列组合的指标向量组成指标矩阵。
针对各个指标建立不同的排列组合,每种排列组合即表示一种能源配置优化参数,所有排列组合表述如公式(3)所示:
其中:A矩阵为变量均为0和1的矩阵,i代表能源配置优化参数的数量,i为从1开始的正整数,n代表指标的数量,ai,n表示第i个能源配置优化参数中第n个指标所转换的向量,a1,1表示第1个能源配置优化参数中第1个指标所转换的向量。
利用优化选择算法对所述指标矩阵进行优化选择,确定能源配置优化参数,根据不同需求,采用智能优化算法或穷举法在指标矩阵中进行优化选择。
对指标矩阵进行优化选择后,当存在多个相同指标数量的寻优结果时,利用所确定的每类指标所占权重对寻优结果进行排序,根据排序结果确定优先级最高的最终优化配置参数。
将所述最终优化配置参数输入到智慧能源设备中对相应的智慧能源进行智能化配置。
本说明书一个或多个实施例提供的一种基于互联网的智慧能源配置方法,通过获取智慧能源设备中不同能源配置参数,根据智慧能源在智慧能源设备中所实现的功能,对不同能源配置参数进行初步分类;对每类能源配置参数的指标进行分析,分别确定每类指标的动态阈值;根据所述动态阈值,对每类指标进行数值转变处理,获得指标向量;根据得到的指标向量,将不同排列组合的指标向量组成指标矩阵;利用优化选择算法对所述指标矩阵进行优化选择,确定能源配置优化参数;将所述能源配置优化参数输入到智慧能源设备中对相应的智慧能源进行智能化配置。本发明所提供的配置方法中不同动态阈值的确定能够提升能源配置的有效性及准确性,在保证数据可靠性、高效性的同时,提升运维经济性;利用本发明所提供的智慧能源配置方法能够实现对智慧能源进行智能化配置,同时能源配置效率高,配置方案合理。
在建设智慧能源时,总体目标是设计建设“一站式服务”的智慧能源综合服务系统,整合各类对外综合能源服务业务,提供统一共性支撑能力,拓展智慧能源综合服务业务领域,制定科学、有效的业务发展路径,保障智慧能源服务产业健康、持续发展。利用本说明书实施例提供的一种智慧能源配置方法在使用时,主要针对在智慧能源综合服务系统下,分析典型新业务的投放目标群体特征;研究不同投放渠道、形式下的运作效果,实现融合效果好、成本低、落地快和持续活跃等指标,以达到智慧能源的优化配置。如图2所示,首先利用数据采集传感器从智慧能源设备中获取能源配置参数后,对其中的各个指标进行分析,通过设定动态阈值的方式,将上述指标转化成可用“0”和“1”数值反映的数学模型;对指标设定动态阈值,方便量化为“0”或者“1”,如成本高为0,则成本低为1,明确动态阈值为10万元,则高于10万元为成本高,低于10万元则为成本低。所有指标的动态阈值需要根据具体能源配置进行动态调整,如:成本高低此类评价,在A能源配置中是10万,在B能源配置中可能变为100万等;针对描述智慧能源指标的“效果好”和“持续活跃”等定性指标,进行量化处理,对于“成本低”和“落地快”等模糊量化的数据,进行具体量化。
将所有指标的动态阈值设定完成后,对定性及模糊定量的指标参数进行量化处理,得到以0和1为主的指标向量,如公式(2):
在寻求能源配置优化参数的过程中,针对各个指标,存在多种可能的排列组合,所有方案可表述为公式(3):
公式(3)中A矩阵为变量均为0和1的矩阵,i代表能源配置优化参数的数量,n代表指标的数量。
在获得矩阵A后,需要在其中挑选出最优参数作为能源配置的最终参数。理想状态下,应选取全部为“0”或全部为“1”的参数作为最优能源配置参数,然而,实际中往往个别指标会存在冲突,如“成本低”与“效果好”往往是成反比的一对参数。在此时,就需要确定上述二指标到底以哪个为主。因此,应用0-1规划将所有定性的变量进行量化,最终获得向量中“1”最多的方案,即为最优配置参数;如果“1”的数量一样,但是代表的指标不一样,则需要对指标权重进行排序,排序最优的结果为最终优化配置参数。
将主成分分析法应用到智慧能源配置中,将各个不同的能源配置参数进行分类,并且分析对不同类别的能源参数中互不相关的、能反映该能源配置的参数集合,最终在能源配置过程中选用起主要决定因素的参数作为智慧能源配置的主要指标。在用统计分析方法研究多变量的问题时,变量个数太多势必增加问题的复杂性,此时根据较少的变量个数反映较多的问题信息是一种降维的思路。在大多数情形下,一个问题的若干变量之间是存在相关关系的,当两个变量之间有一定相关关系时,可以解释为这两个变量反映此问题的信息有部分重叠。主成分分析是对于原先提出的所有变量,将重复的变量删除,建立尽可能少的新变量,确保新变量两两不相关,并且新变量可以尽可能多的在反映问题的主要信息。此方法将原来变量重新组合成一组新的互相无关的几个综合变量,同时根据实际需要从中可以取出几个较少的综合变量尽可能多地反映原来变量的信息是数学上用来降维的一种重要方法。针对能源配置最优参数选择这一问题,当遇到不同变量存在冲突时,应当考虑起主要决定性指标作为重要权重进行最终优化配置参数的选取。
本发明通过构建多能源融合协调机制,建立完整的“数据分析建模体系”、“数据供给配置方案”及“数据优化选择体系”,根据不同能源配置设定指标的动态阈值,保证阈值的合理性和时效性;再应用“0-1”规划将复杂的能源配置简化成多组二选一的数学模型,通过主成分分析法对各个指标所占权重进行分析,得出起主要权重的指标,依据最终的占重要权重的指标,在优化指标数量相同的方案中选取最优方案。
当然,本发明所采用的“0-1”规划方法可以采用其他能进行整数规划的智能算法,如遗传算法,模拟退火算法等,具体采用何种算法要根据具体的运算速度而定。本发明方法可预留多个算法接口,在接到对智慧能源进行配置时,进行算法匹配,选取运行速度最快的算法进行能源配置操作,保证能源配置的时效性。必须指出,如果在预判断阶段,如采用智能算法遇到无法快速收敛,或者不收敛这种情况,会使得运算速度大大减慢甚至系统瘫痪的可能,在此情况下,则需要采用传统方法,如枚举法等方法进行配置方案选择,本配置方法预留时效性判断,可根据具体需求设定时效时长。
本发明所提供的方法将能源配置中的定性描述及模糊定量数据进行具体定量化处理,针对不同的智慧能源,对不同的定性描述及模糊定量数据进行准确的阈值设定,保证0-1规划的有效性,动态化阈值提升能源配置有效性及准确性,在保证数据可靠性、高效性的同时,提升运维经济性;同时将智慧能源配置转化为“0-1”规划问题,同时将能源配置描述进行数学建模,将复杂的能源配置转化成多组“二选一”的数学问题,应用主成分分析法寻求各类能源配置的主要影响因素,确定权重,优化能源配置方案选取。
可以理解,该方法可以通过任何具有计算、处理能力的装置、设备、平台、设备集群来执行。
需要说明的是,本说明书一个或多个实施例的方法可以由单个设备执行,例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下,由多台设备相互配合来完成。在这种分布式场景的情况下,这多台设备中的一台设备可以只执行本说明书一个或多个实施例的方法中的某一个或多个步骤,这多台设备相互之间会进行交互以完成所述的方法。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
上述详细介绍了本发明的一种智慧能源配置方法,以下介绍本发明对应的一种基于互联网的智慧能源配置装置。
如图3所示为本说明书实施例一种基于互联网的智慧能源配置装置的系统连接示意图;本发明实施例提供了一种基于互联网的智慧能源配置装置,包括:
依次连接的参数获取模块、动态阈值确定模块、指标向量获取模块、指标矩阵组成模块、优化选择模块和智能配置模块。
所述参数获取模块,用于获取智慧能源设备中不同能源配置参数,根据智慧能源在智慧能源设备中所实现的功能,对不同能源配置参数进行初步分类。
所述动态阈值确定模块,用于对每类能源配置参数的指标进行分析,分别确定每类指标的动态阈值。
所述指标向量获取模块,用于根据所述动态阈值,对每类指标进行数值转变处理,获得指标向量。
所述指标矩阵组成模块,用于根据得到的指标向量,将不同排列组合的指标向量组成指标矩阵。
所述优化选择模块,用于利用优化选择算法对所述指标矩阵进行优化选择,确定能源配置优化参数。
所述智能配置模块,用于将所述能源配置优化参数输入到智慧能源设备中对相应的智慧能源进行智能化配置。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本说明书一个或多个实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
上述实施例的装置用于实现前述实施例中相应的方法,并且具有相应的方法实施例的有益效果。
本发明任意一项实施例所提供的方法可以利用计算机指令进行执行,所述计算机指令存储在计算机可读介质中,本发明实施例中的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机可读介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本公开的范围(包括权利要求)被限于这些例子;在本公开的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本说明书一个或多个实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。
另外,为简化说明和讨论,并且为了不会使本说明书一个或多个实施例难以理解,在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出装置,以便避免使本说明书一个或多个实施例难以理解,并且这也考虑了以下事实,即关于这些框图装置的实施方式的细节是高度取决于将要实施本说明书一个或多个实施例的平台的(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本公开的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本说明书一个或多个实施例。因此,这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本公开的具体实施例对本公开进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态RAM(DRAM))可以使用所讨论的实施例。
本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本说明书一个或多个实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.一种基于互联网的智慧能源配置方法,其特征在于,包括步骤:
S1、获取智慧能源设备中不同能源配置参数,根据智慧能源在智慧能源设备中所实现的功能,对不同能源配置参数进行初步分类;
S2、对每类能源配置参数的指标进行分析,分别确定每类指标的动态阈值;
S3、根据所述动态阈值,对每类指标进行数值转变处理,获得指标向量;
S4、根据得到的指标向量,将不同排列组合的指标向量组成指标矩阵;
S5、利用优化选择算法对所述指标矩阵进行优化选择,确定能源配置优化参数;
S6、将所述能源配置优化参数输入到智慧能源设备中对相应的智慧能源进行智能化配置。
2.根据权利要求1所述的一种基于互联网的智慧能源配置方法,其特征在于,所述指标包括定性指标和模糊定量指标。
3.根据权利要求2所述的一种基于互联网的智慧能源配置方法,其特征在于,在步骤S1之后还包括:利用主成分分析法分别确定每类能源配置参数中的主要影响指标及每类指标的所占权重。
7.根据权利要求6所述的一种基于互联网的智慧能源配置方法,其特征在于,在步骤S5中利用算法对所述指标矩阵进行优化选择,确定能源配置优化参数,还包括:
对指标矩阵进行优化选择后,当存在多个相同指标数量的寻优结果时,利用所确定的每类指标所占权重对寻优结果进行排序,根据排序结果确定最终优化配置参数。
8.根据权利要求7所述的一种基于互联网的智慧能源配置方法,其特征在于,所述定性指标包括对智慧能源进行描述的“效果好”和“持续活跃”的指标;
所述模糊定量指标包括对智慧能源进行模糊量化的“成本低”和“落地快”的数据。
9.根据权利要求8所述的一种基于互联网的智慧能源配置方法,其特征在于,步骤S5中利用优化选择算法对所述指标矩阵进行优化选择包括:根据不同需求,采用智能优化算法或穷举法在指标矩阵中进行优化选择。
10.一种基于互联网的智慧能源配置装置,其特征在于,包括:
依次连接的参数获取模块、动态阈值确定模块、指标向量获取模块、指标矩阵组成模块、优化选择模块和智能配置模块;
所述参数获取模块,用于获取智慧能源设备中不同能源配置参数,根据智慧能源在智慧能源设备中所实现的功能,对不同能源配置参数进行初步分类;
所述动态阈值确定模块,用于对每类能源配置参数的指标进行分析,分别确定每类指标的动态阈值;
所述指标向量获取模块,用于根据所述动态阈值,对每类指标进行数值转变处理,获得指标向量;
所述指标矩阵组成模块,用于根据得到的指标向量,将不同排列组合的指标向量组成指标矩阵;
所述优化选择模块,用于利用优化选择算法对所述指标矩阵进行优化选择,确定能源配置优化参数;
所述智能配置模块,用于将所述能源配置优化参数输入到智慧能源设备中对相应的智慧能源进行智能化配置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010865405.7A CN112257891B (zh) | 2020-08-25 | 2020-08-25 | 一种基于互联网的智慧能源配置方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010865405.7A CN112257891B (zh) | 2020-08-25 | 2020-08-25 | 一种基于互联网的智慧能源配置方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112257891A true CN112257891A (zh) | 2021-01-22 |
CN112257891B CN112257891B (zh) | 2024-03-12 |
Family
ID=74224085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010865405.7A Active CN112257891B (zh) | 2020-08-25 | 2020-08-25 | 一种基于互联网的智慧能源配置方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112257891B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105404932A (zh) * | 2015-10-26 | 2016-03-16 | 国网天津市电力公司 | 基于智能电网创新示范区的能源互联网综合评估与优化配置方法 |
US20170018403A1 (en) * | 2015-07-16 | 2017-01-19 | Applied Materials Israel Ltd. | Method and system for optimizing configurable parameters of inspection tools |
CN106485358A (zh) * | 2016-10-12 | 2017-03-08 | 国网上海市电力公司 | 结合序列运算和粒子群算法的独立微电网优化配置方法 |
CN109191025A (zh) * | 2018-11-08 | 2019-01-11 | 国网新疆电力有限公司 | 一种电源结构优化配置方案综合能效的评价方法 |
CN109742781A (zh) * | 2019-01-17 | 2019-05-10 | 集美大学 | 一种船用柴油机混合能源系统配置的优化方法 |
CN110222973A (zh) * | 2019-05-31 | 2019-09-10 | 国网安徽省电力有限公司经济技术研究院 | 一种基于最优组合赋权的综合能源系统评价方法及系统 |
CN110837922A (zh) * | 2019-11-01 | 2020-02-25 | 国网能源研究院有限公司 | 一种考虑国家风险的全球能源综合优化配置方法 |
CN111260211A (zh) * | 2020-01-14 | 2020-06-09 | 东南大学 | 一种基于ahp-改进的熵权法-topsis的智慧能源系统评价方法及装置 |
-
2020
- 2020-08-25 CN CN202010865405.7A patent/CN112257891B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170018403A1 (en) * | 2015-07-16 | 2017-01-19 | Applied Materials Israel Ltd. | Method and system for optimizing configurable parameters of inspection tools |
CN105404932A (zh) * | 2015-10-26 | 2016-03-16 | 国网天津市电力公司 | 基于智能电网创新示范区的能源互联网综合评估与优化配置方法 |
CN106485358A (zh) * | 2016-10-12 | 2017-03-08 | 国网上海市电力公司 | 结合序列运算和粒子群算法的独立微电网优化配置方法 |
CN109191025A (zh) * | 2018-11-08 | 2019-01-11 | 国网新疆电力有限公司 | 一种电源结构优化配置方案综合能效的评价方法 |
CN109742781A (zh) * | 2019-01-17 | 2019-05-10 | 集美大学 | 一种船用柴油机混合能源系统配置的优化方法 |
CN110222973A (zh) * | 2019-05-31 | 2019-09-10 | 国网安徽省电力有限公司经济技术研究院 | 一种基于最优组合赋权的综合能源系统评价方法及系统 |
CN110837922A (zh) * | 2019-11-01 | 2020-02-25 | 国网能源研究院有限公司 | 一种考虑国家风险的全球能源综合优化配置方法 |
CN111260211A (zh) * | 2020-01-14 | 2020-06-09 | 东南大学 | 一种基于ahp-改进的熵权法-topsis的智慧能源系统评价方法及装置 |
Non-Patent Citations (2)
Title |
---|
KIM, J (KIM, JONGYEOP): "A Study of Heuristically-based Parametric Performance Improvement/Optimization Algorithms for BigData Computing", 2016 4TH INTL CONF ON APPLIED COMPUTING AND INFORMATION TECHNOLOGY/3RD INTL CONF ON COMPUTATIONAL SCIENCE/INTELLIGENCE AND APPLIED INFORMATICS/1ST INTL CONF ON BIG DATA, CLOUD COMPUTING, DATA SCIENCE & ENGINEERING (ACIT-CSII-BCD) * |
杨锦春: "能源互联网:资源配置与产业优化研究", 中国博士学位论文全文数据库 工程科技Ⅱ辑 * |
Also Published As
Publication number | Publication date |
---|---|
CN112257891B (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109933834B (zh) | 一种时序数据预测的模型创建方法及装置 | |
Liu et al. | Interpretable deep convolutional neural networks via meta-learning | |
Arteaga et al. | Deep learning for power system security assessment | |
CN110390425A (zh) | 预测方法以及装置 | |
WO2021218517A1 (zh) | 获取神经网络模型的方法、图像处理方法及装置 | |
CN109034206A (zh) | 图像分类识别方法、装置、电子设备及计算机可读介质 | |
CN111915060A (zh) | 组合优化任务的处理方法以及处理装置 | |
CN113887916A (zh) | 一种配电网线损动态量化评估方法及系统 | |
CN112308298B (zh) | 一种面向半导体生产线的多场景性能指标预测方法及系统 | |
CN111324635A (zh) | 工业大数据云平台数据处理方法及系统 | |
CN112163520A (zh) | 一种基于改进损失函数的mdssd人脸检测方法 | |
Al-Aomar | A robust simulation-based multicriteria optimization methodology | |
CN115544029A (zh) | 一种数据处理方法及相关装置 | |
CN112257891A (zh) | 一种基于互联网的智慧能源配置方法及装置 | |
Jiang et al. | A massive multi-modal perception data classification method using deep learning based on internet of things | |
CN115801152A (zh) | 基于层次化transformer模型的WiFi动作识别方法 | |
CN113112009B (zh) | 用于神经网络数据量化的方法、装置和计算机可读存储介质 | |
US11687784B2 (en) | GPU-based artificial intelligence system using channel-level architecture search for deep neural network | |
Zhou et al. | Base type selection of product service system based on convolutional neural network | |
CN115134816B (zh) | 基于时空卷积和多时间尺度的基站流量预测方法 | |
Weber | AIoT Chances in Resource-Constrained Environments via Manual Pruning | |
CN117435901B (zh) | 一种工业互联网数据获取方法、系统、终端及储存介质 | |
CN107679478A (zh) | 输电线路空间负荷状态的提取方法和系统 | |
WO2024040941A1 (zh) | 神经网络结构搜索方法、装置及存储介质 | |
CN114418638A (zh) | 一种基于数据与ai驱动的产品价格预测方法 |
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 |