CN113033880B - Ups智能控制方法、系统、电子设备及存储介质 - Google Patents

Ups智能控制方法、系统、电子设备及存储介质 Download PDF

Info

Publication number
CN113033880B
CN113033880B CN202110246102.1A CN202110246102A CN113033880B CN 113033880 B CN113033880 B CN 113033880B CN 202110246102 A CN202110246102 A CN 202110246102A CN 113033880 B CN113033880 B CN 113033880B
Authority
CN
China
Prior art keywords
power grid
user
quality
time period
prediction 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.)
Active
Application number
CN202110246102.1A
Other languages
English (en)
Other versions
CN113033880A (zh
Inventor
陈铭钦
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.)
Foshan Xinchen Electronic Co ltd
Original Assignee
Foshan Xinchen Electronic 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 Foshan Xinchen Electronic Co ltd filed Critical Foshan Xinchen Electronic Co ltd
Priority to CN202110246102.1A priority Critical patent/CN113033880B/zh
Publication of CN113033880A publication Critical patent/CN113033880A/zh
Application granted granted Critical
Publication of CN113033880B publication Critical patent/CN113033880B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • 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
    • G06Q10/06395—Quality analysis or management
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Public Health (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Biology (AREA)
  • Water Supply & Treatment (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请涉及UPS控制的技术领域，尤其是涉及UPS智能控制方法、系统、电子设备及存储介质，其包括UPS智能控制方法，包括：获取来自用户的UPS的用户电网数据；根据用户电网数据，对用户的电网质量进行预测，得到用户预测信息；根据用户预测信息，生成第一控制指令；第一控制指令用于在电网质量变差前控制逆变器提前工作；发送第一控制指令至用户的UPS，以便于逆变器提前工作。本申请具有减少设备重启的情况的效果。

Description

UPS智能控制方法、系统、电子设备及存储介质
技术领域
本申请涉及UPS控制的技术领域，尤其是涉及UPS智能控制方法、系统、电子设备及存储介质。
背景技术
UPS即不间断电源，是一种含有储能装置的不间断电源。UPS的作用是提供不间断的优质电能。在提供优质电能过程中，UPS会自耗一部分电能维持自身正常工作。
相关技术中，大部分UPS向用户提供了经济运行模式，简称ECO模式，在这种模式下，市电正常情况，逆变器不工作，由旁路直接输出。当市电异常时，逆变器工作，继续供电输出。
针对上述相关技术，发明人认为逆变器切换工作状态时，输出电源存在一定的切换时间，若用户的设备对切换时间较为敏感，易造成设备重启的缺陷。
发明内容
为了减少设备重启的情况，本申请提供了UPS智能控制方法、系统、电子设备及存储介质。
第一方面，本申请提供UPS智能控制方法，采用如下的技术方案：
UPS智能控制方法，包括：
获取来自用户的UPS的用户电网数据；
根据用户电网数据，对用户的电网质量进行预测，得到用户预测信息；
根据用户预测信息，生成第一控制指令；所述第一控制指令用于在电网质量变差前控制逆变器提前工作；
发送第一控制指令至用户的UPS，以便于逆变器提前工作。
通过采用上述技术方案，有利于预测下一周期的用户电网质量，通过第一控制指令控制用户的UPS，使得UPS在电网质量变差前恢复逆变器的工作，节省了市电检测的时间，提高UPS输出的稳定性，从而减少设备重启的情况。
可选的，所述根据用户电网数据，对用户的电网质量进行预测，得到用户预测信息，包括：
基于用户电网数据，进行数据处理，得到用户电网信息；
根据用户电网信息，建立用户电网数据库；
通过机器学习方法训练用户电网数据，得到用户的预测模型；
使用预测模型计算出下一周期用户的电网质量，得到下一周期的用户预测信息。
通过采用上述技术方案，预测模型的设置有利于更准确的预测，从而提高控制逆变器提前工作的稳定性。
可选的，所述基于用户电网数据，进行数据处理，得到用户电网信息，包括：
读取用户电网数据；所述用户电网数据包括用户的UPS实时侦测到的电网电压和电网频率；
将用户电网数据按照周期进行分组划分；
将每个周期内的用户电网数据按照时间段进行划分；
根据各个时间段的电网电压和电网频率，判断各个时间段的电网质量；
若对应时间段中电网质量为差，则为对应的时间段添加特定标记。
通过采用上述技术方案，周期划分和时间段划分使得用户电网数据更加清晰，也便于操作，配合特定标记，便于找出电网质量为差的时间段。
可选的，所述根据各个时间段的电网电压和电网频率，判断各个时间段的电网质量，包括：
将各个时间段的电网电压或电网频率与市电额定值进行比对；所述市电额定值包括市电额定电压和市电额定频率；
若对应时间段内的电网电压或电网频率与市电额定值的相差百分比的绝对值大于第一预设值，则将对应时间段的电网质量判断为差。
通过采用上述技术方案，通过电网频率和电网电压两个参数机进行判断，有利于增强准确度，第一预设值的设置有利于根据实际情况机进行调整，从而进一步提高对电网质量判断的准确度。
可选的，所所述通过机器学习方法训练用户电网数据，得到用户的预测模型，之后还包括：
定期获取用户电网数据库中更新的用户电网信息；
利用更新的用户电网信息训练预测模型，得到新的预测模型。
通过采用上述技术方案，更新预测模型的方式有利于持续完善预测模型，使得预测模型更加准确。
可选的，所述使用预测模型计算出下一周期用户的电网质量，得到下一周期的用户预测信息，包括：
使用预测模型计算出下一周期内每个时间段中用户的电网质量；
对下一周期内每个电网质量为差的时间段添加特定标记；
根据下一周期内携带特定标记的时间段，得到用户预测信息。
通过采用上述技术方案，有利于使得数据更加清晰，用户预测信息的设置有利于快速的得到电电网质量为差的时间段。
可选的，所述使用预测模型计算出下一周期用户的电网质量，得到下一周期的用户预测信息之后，还包括：
获取各个用户的定位信息和用户预测信息；
根据用户的定位信息，将所有用户预测信息按照地区进行分类，建立区域预测信息数据库；
基于区域预测信息数据库，判断该地区下一周期内各个时间段的电网质量，并生成区域预测信息；
根据区域预测信息，生成第二控制指令；所述第二控制指令用于在区域电网质量变差前控制区域内的所有UPS的逆变器提前工作。
发送第二控制指令至该地区内的所有用户的UPS。
通过采用上述技术方案，区域预测信息数据库的建立有利于预测区域的电网质量，提高预测的效率，有利于更加准确的控制UPS，从而减少设备重启的情况。
可选的，所述基于区域预测信息数据库，判断该地区下一周期内各个时间段的电网质量，并生成区域预测信息，包括：
统计区域预测信息数据库内用户预测信息的总数，记录为用户总数；
统计区域预测信息数据库内下一周期中每个时间段的电网质量判定为差的用户个数，记录为对应时间段的质量差个数；
将质量差个数与用户总数进行比对；
若质量差个数占用户总数的占比大于第二预设值，则将该地区的对应时间段的电网质量判定为差；
根据将该地区的电网质量为差的对应时间段，生成区域预测信息。
通过采用上述技术方案，有利于快速判断出地区的对应时间段的电网质量，第二预设值的设置有利于根据实际要求进行调节，有利于提高判断的准确度。
第二方面，本申请提供UPS智能控制系统，采用如下的技术方案：
UPS智能控制系统，包括：
获取模块，用于获取来自用户的UPS的用户电网数据；
预测模块，用于根据用户电网数据，对用户的电网质量进行预测，得到用户预测信息；
生成模块，用于根据用户预测信息，生成第一控制指令；所述第一控制指令用于在电网质量变差前控制逆变器提前工作；
发送模块，用于发送第一控制指令至用户的UPS，以便于逆变器提前工作。
通过采用上述技术方案，UPS智能控制系统有利于更准确的预测下一周期的用户电网质量，通过第一控制指令控制用户的UPS，使得UPS在电网质量变差前恢复逆变器的工作，节省了市电检测的时间，提高UPS输出的稳定性，从而减少设备重启的情况。
第三方面，本申请提供一种电子设备，采用如下的技术方案：
一种电子设备，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行上述任一种UPS智能控制方法的计算机程序。
通过采用上述技术方案，一种电子设备能实现UPS智能控制方法，更准确的预测下一周期的用户电网质量，通过第一控制指令控制用户的UPS，使得UPS在电网质量变差前恢复逆变器的工作，从而减少设备重启的情况。
综上所述，本申请包括以下至少一种有益技术效果：
1.预测模型的设置有利于更准确的预测下一周期的用户电网质量，通过第一控制指令控制用户的UPS，使得UPS在电网质量变差前恢复逆变器的工作，节省了市电检测的时间，提高UPS输出的稳定性，从而减少设备重启的情况。
2.周期划分和时间段划分使得用户电网数据更加清晰，也便于操作，配合特定标记，便于找出电网质量为差的时间段。
3.UPS智能控制系统有利于更准确的预测下一周期的用户电网质量，通过第一控制指令控制用户的UPS，使得UPS在电网质量变差前恢复逆变器的工作，节省了市电检测的时间，提高UPS输出的稳定性，从而减少设备重启的情况。
附图说明
图1是本申请其中一实施例的UPS智能控制方法的方法流程图。
图2是图1中S2的具体方法流程图。
图3是图2中S21的具体方法流程图。
图4是本申请另一实施例中根据用户电网数据，对用户的电网质量进行预测，得到用户预测信息的具体方法流程图。
图5是本申请其中一实施例的UPS智能控制系统的模块结构示意图。
图6是本申请其中一实施例的电子设备的结构示意图。
具体实施方式
以下结合附图1-6对本申请作进一步详细说明。
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图1-6及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的UPS智能控制方法可由UPS智能控制系统执行，UPS智能控制系统包括服务器、UPS和通讯模块，UPS是指用户使用的UPS，每个用户的UPS均与对应的通讯模块连接，通讯模块用于与服务器通信。服务器内的存储器存储有可被服务器内的处理器执行的用于实现UPS智能控制方法的程序。
一般的，用户使用市电为相关设备供电，而对于一些特殊的设备，则需要使用不间断电源，即UPS。特殊的设备是指不能突然断电的设备。对于一些经常停电地区或电压不稳的地区，地区内的用户也需要使用UPS。用户使用UPS对相关的设备进行不间断的供电，UPS为用户提供了经济运行模式，简称ECO模式，在这种模式下，市电正常情况，逆变器不工作，由旁路直接输出；市电异常时，逆变器工作，继续供电输出。
其中，逆变器切换工作状态的时间，UPS电源的输出会存在一定的切换时间。如果用户的设备对该切换时间比较敏感，则易于导致设备重启或者突然关闭的情况。例如：设备的断电时间容限值为1.8毫秒，即1.8毫秒内必须重新得电，而如果逆变器从非工作状态切换到工作状态的时间大于1.8毫秒，则导致设备突然重启或突然关闭。
基于上述原理和上述应用场景，需要说明的是，本申请提供了UPS智能控制方法，即从服务器的视角来描述该方法，可以通过编程将UPS智能控制方法实现为计算机程序在智能设备上实现，其包括但不限于计算机、网络主机、服务器和智能终端等。
参照图1，本申请中一个实施例公开的UPS智能控制方法，包括：
S1，获取来自用户的UPS的用户电网数据。
用户电网数据包括电网电压和电网频率。UPS具有读取市电的电网电压以及电网频率的功能。
具体的，UPS读取用户使用的市电的电网电压和电网频率，整理成用户电网数据；发送用户电网数据至服务器，使得服务器获取来自用户的UPS的用户电网数据。
其中，UPS开启后便于持续侦测市电的电网电压和电网频率，持续更新用户电网数据，并持续发送用户电网数据至服务器。
S2，根据用户电网数据，对用户的电网质量进行预测，得到用户预测信息。
用户预测信息包括：预测到的下一周期内电网质量为差的时间段。
具体的，根据用户电网数据，对用户的电网质量进行预测，得到用户预测信息，包括：
参照图2，S21，基于用户电网数据，进行数据处理，得到用户电网信息。
用户电网信息是指：经过预设方法处理后的具有特定格式的电网数据。
具体的，基于用户电网数据，进行数据处理，得到用户电网信息，包括：
参照图3，S211,读取用户电网数据；所述用户电网数据包括用户的UPS实时侦测到的电网电压和电网频率。
S212,将用户电网数据按照周期进行分组划分。
具体的，将所有用户电网数据按照周期进行划分，即划分为N个周期，每个周期可以是12个小时、一天或一周等。
S213，将每个周期内的用户电网数据按照时间段进行划分。
具体的，将每个周期划分为K个时间段，每个时间段可以是30分钟、1小时或8小时等。若按一天为一个周期，并按每个时间段8小时来划分，整理后的格式如：“第1个周期：时间段1、时间段2、时间段3”到“第N个周期：时间段1、时间段2、时间段3”。
S214，根据各个时间段的电网电压和电网频率，判断各个时间段的电网质量。
具体包括：将各个时间段的电网电压或电网频率与市电额定值进行比对；所述市电额定值包括市电额定电压和市电额定频率；若对应时间段内的电网电压或电网频率与市电额定值的相差百分比的绝对值大于第一预设值，则将对应时间段的电网质量判断为差。
其中，第一预设值可根据使用者的需要进行调整，本申请实施例作为举例，将第一预设值设置为10%。
S215，若对应时间段中电网质量为差，则为对应的时间段添加特定标记。
具体的，添加特定标记后的格式如：“第1个周期：时间段1、时间段2（差）、时间段3”。该信息中的时间段2携带有特定标记。
参照图2，S22，根据用户电网信息，建立用户电网数据库；
用户电网数据库是指存储单个用户的用户电网信息的数据库。
S23，通过机器学习方法训练用户电网数据，得到用户的预测模型。
具体的，可以采用循环神经网络RNN进行训练模型，优选的，本申请实施例选择LSTM Networks进行训练模型，它比常规的RNN训练更加有针对性的限制，使得预测值更收敛。
LSTM的第一步是将输入信息与权值相乘，再加上偏置量，最后进过S型网络层；第二步是要在单元格状态下存储的新信息；第三步是将旧的cell状态更新；第四步是运行一个S形层，其决定输出的cell状态，将单元格状态通过tanh（将值推到-1和11之间），并将其乘以S形门的输出，以便输出决定的部分。
其中，训练的数据为具有格式的输入数据X和输出数据Y，输入数据X为前N个周期的用户电网信息组，输出数据Y为第N+1个周期的用户电网信息。
S24，使用预测模型计算出下一周期用户的电网质量，得到下一周期的用户预测信息。
具体的，使用预测模型计算出下一周期内每个时间段中用户的电网质量；对下一周期内每个电网质量为差的时间段添加特定标记；根据下一周期内携带特定标记的时间段，得到用户预测信息。
其中，得到预测模型后，即可根据当前时刻的前N个周期的用户电网信息计算出下一个周期的用户电网信息，进而得到下一周期内各个时间段用户的电网质量。
例如：利用前四个周期的用户电网信息预测第五个周期的用户电网信息，且结果为：“第5个周期：时间段1、时间段2（差）、时间段3”，则用户预测信息为：“第5个周期内时间段2的电网质量为差”。
参照图1，S3,根据用户预测信息，生成第一控制指令；所述第一控制指令用于在电网质量变差前控制逆变器提前工作。
第一控制指令是指：命令UPS在指定时间启动逆变器并在指定时间关闭逆变器的指令。
具体的，在第一控制指令中，将启动逆变器的时间设置在被标记为差的时间段之前，将关闭逆变器的时间设置在被标记为差的时间段之后。
例如：用户预测信息为：“第5个周期内时间段2的电网质量为差”，则第一控制指令为：“第5个周期内在时间段2之前启动逆变器，在时间段2之后关闭逆变器”。需要清楚的是，在时间段2之前，可以是但不限于：1分钟之前、1小时之前或一天之前；在时间段2之后，可以是但不限于：10秒之后、1分钟之后或1小时之后。若用户预测信息为：“第5个周期内时间段1和时间段2的电网质量均为差”，则第一控制指令为：“第5个周期内在时间段1之前启动逆变器，在时间段2之后关闭逆变器”。
S4，发送第一控制指令至用户的UPS，以便于逆变器提前工作。
具体的，UPS接收到第一控制指令后，根据第一控制指令进行对应的操作。
参照图4，本申请中的另一个实施例，不同之处在于：在通过机器学习方法训练用户电网数据，得到用户的预测模型之后还包括：
S304,定期获取用户电网数据库中更新的用户电网信息。
S305,利用更新的用户电网信息训练预测模型，得到新的预测模型。
在使用预测模型计算出下一周期用户的电网质量，得到下一周期的用户预测信息之后，还包括：
S307,获取各个用户的定位信息和用户预测信息。
具体的，定位信息由通讯模块发送至服务器。
S308,根据用户的定位信息，将所有用户预测信息按照地区进行分类，建立区域预测信息数据库。
S309,基于区域预测信息数据库，判断该地区下一周期内各个时间段的电网质量，并生成区域预测信息。
区域预测信息包括：区域内下一周期内区域电网质量为差的时间段。
具体的，统计区域预测信息数据库内用户预测信息的总数，记录为用户总数；统计区域预测信息数据库内下一周期中每个时间段的电网质量判定为差的用户个数，记录为对应时间段的质量差个数；将质量差个数与用户总数进行比对；若质量差个数占用户总数的占比大于第二预设值，则将该地区的对应时间段的电网质量判定为差；根据将该地区的电网质量为差的对应时间段，生成区域预测信息。
其中，第二预设值可以是但不限于：40%、50%或60%。
例如：一个区域内一共有四个用户，分别是：第一用户、第二用户、第三用户和第四用户，第一用户的用户预测信息为：“第N个周期内时间段1中的电网质量为差、时间段2中的电网质量为差”，第二用户的用户预测信息为：“第N个周期内时间段1中的电网质量为差、时间段2中的电网质量为差”，第三用户的用户预测信息为：“第N个周期内时间段2中的电网质量为差、时间段3中的电网质量为差”，第四用户的用户预测信息为：“第N个周期内时间段1中的电网质量为差”，且第二预设值选用50%，所以该区域的区域预测信息为：“在第N个周期内时间段1中区域电网质量为差、时间段2中区域电网质量为差”。
S310,根据区域预测信息，生成第二控制指令；所述第二控制指令用于在区域电网质量变差前控制区域内的所有UPS的逆变器提前工作。
第二控制指令是指命令区域内的所有UPS在指定时间启动逆变器并在指定时间关闭逆变器的指令。
S311,发送第二控制指令至该地区内的所有用户的UPS。
具体的，区域内的所有UPS均接收到第二控制指令，每个UPS也接收到各自的第一控制指令。UPS按照第一控制指令和第二控制指令，进行对应的操作。
例如：第一控制指令表示下一周期内UPS需要在时间段2之前启动逆变器，在时间段2之后关闭逆变器；第二控制指令表示下一周期内UPS需要在时间段1之前启动逆变器，在时间段1之后关闭逆变器；则UPS进行的操作为：下一周期内在时间段1之前启动逆变器，在时间段2之后关闭逆变器。
综上所述，执行上述的方法可使得UPS在电网质量变差前恢复逆变器的工作，节省了市电检测的时间，提高UPS输出的稳定性，从而减少设备重启的情况。
参照图5，本申请实施例还公开UPS智能控制系统，包括：
获取模块400，用于获取来自用户的UPS的用户电网数据；
预测模块410，用于根据用户电网数据，对用户的电网质量进行预测，得到用户预测信息；
生成模块420，用于根据用户预测信息，生成第一控制指令；所述第一控制指令用于在电网质量变差前控制逆变器提前工作；
发送模块430，用于发送第一控制指令至用户的UPS，以便于逆变器提前工作。
具体的，UPS智能控制系统包括处理器、存储器和通讯模块，处理器、存储器和通讯模块相互电性连接。存储器内存储有被处理器执行的实现UPS智能控制方法的程序，即通讯模块用于获取来自用户的UPS的用户电网数据。处理器和存储器用于用于根据用户电网数据，对用户的电网质量进行预测，得到用户预测信息；根据用户预测信息，生成第一控制指令；所述第一控制指令用于在电网质量变差前控制逆变器提前工作。通讯模块也用于发送第一控制指令至用户的UPS。
参照图6，本申请实施例还公开一种电子设备，电子设备500包括存储器510和处理器520，存储器510上存储有能够被处理器520加载并执行上述中任一种UPS智能控制方法的计算机程序，该计算机程序被处理器520执行时，执行以下步骤：
获取来自用户的UPS的用户电网数据；
根据用户电网数据，对用户的电网质量进行预测，得到用户预测信息；
根据用户预测信息，生成第一控制指令；所述第一控制指令用于在电网质量变差前控制逆变器提前工作；
发送第一控制指令至用户的UPS，以便于逆变器提前工作。
可选的，本申请的实施例中，当计算机程序被处理器520运行时，执行以下步骤：
基于用户电网数据，进行数据处理，得到用户电网信息；
根据用户电网信息，建立用户电网数据库；
通过机器学习方法训练用户电网数据，得到用户的预测模型；
使用预测模型计算出下一周期用户的电网质量，得到下一周期的用户预测信息。
通过采用上述技术方案，预测模型的设置有利于更准确的预测，从而提高控制逆变器提前工作的稳定性。
可选的，本申请的实施例中，当计算机程序被处理器520运行时，执行以下步骤：
读取用户电网数据；所述用户电网数据包括用户的UPS实时侦测到的电网电压和电网频率；
将用户电网数据按照周期进行分组划分；
将每个周期内的用户电网数据按照时间段进行划分；
根据各个时间段的电网电压和电网频率，判断各个时间段的电网质量；
若对应时间段中电网质量为差，则为对应的时间段添加特定标记。
可选的，本申请的实施例中，当计算机程序被处理器520运行时，执行以下步骤：
将各个时间段的电网电压或电网频率与市电额定值进行比对；所述市电额定值包括市电额定电压和市电额定频率；
若对应时间段内的电网电压或电网频率与市电额定值的相差百分比的绝对值大于第一预设值，则将对应时间段的电网质量判断为差。
可选的，本申请的实施例中，当计算机程序被处理器520运行时，执行以下步骤：
定期获取用户电网数据库中更新的用户电网信息；
利用更新的用户电网信息训练预测模型，得到新的预测模型。
可选的，本申请的实施例中，当计算机程序被处理器520运行时，执行以下步骤：
使用预测模型计算出下一周期内每个时间段中用户的电网质量；
对下一周期内每个电网质量为差的时间段添加特定标记；
根据下一周期内携带特定标记的时间段，得到用户预测信息。
可选的，本申请的实施例中，当计算机程序被处理器520运行时，执行以下步骤：
获取各个用户的定位信息和用户预测信息；
根据用户的定位信息，将所有用户预测信息按照地区进行分类，建立区域预测信息数据库；
基于区域预测信息数据库，判断该地区下一周期内各个时间段的电网质量，并生成区域预测信息；
根据区域预测信息，生成第二控制指令；所述第二控制指令用于在区域电网质量变差前控制区域内的所有UPS的逆变器提前工作。
发送第二控制指令至该地区内的所有用户的UPS。
可选的，本申请的实施例中，当计算机程序被处理器520运行时，执行以下步骤：
统计区域预测信息数据库内用户预测信息的总数，记录为用户总数；
统计区域预测信息数据库内下一周期中每个时间段的电网质量判定为差的用户个数，记录为对应时间段的质量差个数；
将质量差个数与用户总数进行比对；
若质量差个数占用户总数的占比大于第二预设值，则将该地区的对应时间段的电网质量判定为差；
根据将该地区的电网质量为差的对应时间段，生成区域预测信息。
本申请实施例还公开一种计算机可读存储介质，存储有能够被处理器加载并执行的计算机程序，该计算机程序被处理器执行时实现上述任一种UPS智能控制方法的步骤，且能达到相同的效果。
其中，计算机可读存储介质例如包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(RandomAccessMemory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，本说明书（包括摘要和附图）中公开的任一特征，除非特别叙述，均可被其他等效或者具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

Claims (3)

1.UPS智能控制方法，其特征在于，包括：
获取来自用户的UPS的用户电网数据；
根据用户电网数据，对用户的电网质量进行预测，得到用户预测信息；
根据用户预测信息，生成第一控制指令；所述第一控制指令用于在电网质量变差前控制逆变器提前工作；
发送第一控制指令至用户的UPS，以便于逆变器提前工作；
所述根据用户电网数据，对用户的电网质量进行预测，得到用户预测信息，包括：
基于用户电网数据，进行数据处理，得到用户电网信息；
根据用户电网信息，建立用户电网数据库；
通过机器学习方法训练用户电网数据，得到用户的预测模型；
使用预测模型计算出下一周期用户的电网质量，得到下一周期的用户预测信息；
所述基于用户电网数据，进行数据处理，得到用户电网信息，包括：
读取用户电网数据；所述用户电网数据包括用户的UPS实时侦测到的电网电压和电网频率；
将用户电网数据按照周期进行分组划分；
将每个周期内的用户电网数据按照时间段进行划分；
根据各个时间段的电网电压和电网频率，判断各个时间段的电网质量；
若对应时间段中电网质量为差，则为对应的时间段添加特定标记；
所述根据各个时间段的电网电压和电网频率，判断各个时间段的电网质量，包括：
将各个时间段的电网电压或电网频率与市电额定值进行比对；所述市电额定值包括市电额定电压和市电额定频率；
若对应时间段内的电网电压或电网频率与市电额定值的相差百分比的绝对值大于第一预设值，则将对应时间段的电网质量判断为差；
所述通过机器学习方法训练用户电网数据，得到用户的预测模型，之后还包括：
定期获取用户电网数据库中更新的用户电网信息；
利用更新的用户电网信息训练预测模型，得到新的预测模型；
所述使用预测模型计算出下一周期用户的电网质量，得到下一周期的用户预测信息，包括：
使用预测模型计算出下一周期内每个时间段中用户的电网质量；
对下一周期内每个电网质量为差的时间段添加特定标记；
根据下一周期内携带特定标记的时间段，得到用户预测信息；
所述使用预测模型计算出下一周期用户的电网质量，得到下一周期的用户预测信息之后，还包括：
获取各个用户的定位信息和用户预测信息；
根据用户的定位信息，将所有用户预测信息按照地区进行分类，建立区域预测信息数据库；
基于区域预测信息数据库，判断该地区下一周期内各个时间段的电网质量，并生成区域预测信息；
根据区域预测信息，生成第二控制指令；所述第二控制指令用于在区域电网质量变差前控制区域内的所有UPS的逆变器提前工作；
发送第二控制指令至该地区内的所有用户的UPS；
所述基于区域预测信息数据库，判断该地区下一周期内各个时间段的电网质量，并生成区域预测信息，包括：
统计区域预测信息数据库内用户预测信息的总数，记录为用户总数；
统计区域预测信息数据库内下一周期中每个时间段的电网质量判定为差的用户个数，记录为对应时间段的质量差个数；
将质量差个数与用户总数进行比对；
若质量差个数占用户总数的占比大于第二预设值，则将该地区的对应时间段的电网质量判定为差；
根据将该地区的电网质量为差的对应时间段，生成区域预测信息。
2.UPS智能控制系统，其特征在于，包括：
获取模块，用于获取来自用户的UPS的用户电网数据；
预测模块，用于根据用户电网数据，对用户的电网质量进行预测，得到用户预测信息；
生成模块，用于根据用户预测信息，生成第一控制指令；所述第一控制指令用于在电网质量变差前控制逆变器提前工作；
发送模块，用于发送第一控制指令至用户的UPS，以便于逆变器提前工作；
所述根据用户电网数据，对用户的电网质量进行预测，得到用户预测信息，包括：
基于用户电网数据，进行数据处理，得到用户电网信息；
根据用户电网信息，建立用户电网数据库；
通过机器学习方法训练用户电网数据，得到用户的预测模型；
使用预测模型计算出下一周期用户的电网质量，得到下一周期的用户预测信息；
所述基于用户电网数据，进行数据处理，得到用户电网信息，包括：
读取用户电网数据；所述用户电网数据包括用户的UPS实时侦测到的电网电压和电网频率；
将用户电网数据按照周期进行分组划分；
将每个周期内的用户电网数据按照时间段进行划分；
根据各个时间段的电网电压和电网频率，判断各个时间段的电网质量；
若对应时间段中电网质量为差，则为对应的时间段添加特定标记；
所述根据各个时间段的电网电压和电网频率，判断各个时间段的电网质量，包括：
将各个时间段的电网电压或电网频率与市电额定值进行比对；所述市电额定值包括市电额定电压和市电额定频率；
若对应时间段内的电网电压或电网频率与市电额定值的相差百分比的绝对值大于第一预设值，则将对应时间段的电网质量判断为差；
所述通过机器学习方法训练用户电网数据，得到用户的预测模型，之后还包括：
定期获取用户电网数据库中更新的用户电网信息；
利用更新的用户电网信息训练预测模型，得到新的预测模型；
所述使用预测模型计算出下一周期用户的电网质量，得到下一周期的用户预测信息，包括：
使用预测模型计算出下一周期内每个时间段中用户的电网质量；
对下一周期内每个电网质量为差的时间段添加特定标记；
根据下一周期内携带特定标记的时间段，得到用户预测信息；
所述使用预测模型计算出下一周期用户的电网质量，得到下一周期的用户预测信息之后，还包括：
获取各个用户的定位信息和用户预测信息；
根据用户的定位信息，将所有用户预测信息按照地区进行分类，建立区域预测信息数据库；
基于区域预测信息数据库，判断该地区下一周期内各个时间段的电网质量，并生成区域预测信息；
根据区域预测信息，生成第二控制指令；所述第二控制指令用于在区域电网质量变差前控制区域内的所有UPS的逆变器提前工作；
发送第二控制指令至该地区内的所有用户的UPS；
所述基于区域预测信息数据库，判断该地区下一周期内各个时间段的电网质量，并生成区域预测信息，包括：
统计区域预测信息数据库内用户预测信息的总数，记录为用户总数；
统计区域预测信息数据库内下一周期中每个时间段的电网质量判定为差的用户个数，记录为对应时间段的质量差个数；
将质量差个数与用户总数进行比对；
若质量差个数占用户总数的占比大于第二预设值，则将该地区的对应时间段的电网质量判定为差；
根据将该地区的电网质量为差的对应时间段，生成区域预测信息。
3.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如权利要求1中一种UPS智能控制方法的计算机程序。
CN202110246102.1A 2021-03-05 2021-03-05 Ups智能控制方法、系统、电子设备及存储介质 Active CN113033880B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110246102.1A CN113033880B (zh) 2021-03-05 2021-03-05 Ups智能控制方法、系统、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110246102.1A CN113033880B (zh) 2021-03-05 2021-03-05 Ups智能控制方法、系统、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN113033880A CN113033880A (zh) 2021-06-25
CN113033880B true CN113033880B (zh) 2022-05-13

Family

ID=76468131

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110246102.1A Active CN113033880B (zh) 2021-03-05 2021-03-05 Ups智能控制方法、系统、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113033880B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105631591A (zh) * 2015-12-24 2016-06-01 国网浙江省电力公司电力科学研究院 一种区域电能质量分析系统
CN108537394A (zh) * 2017-03-01 2018-09-14 全球能源互联网研究院 一种智能电网实时安全预警方法和装置
CN109492950A (zh) * 2018-12-26 2019-03-19 广东电网有限责任公司 一种基于gis技术可满足大区域范围空间饱和负荷预测方法
CN110838075A (zh) * 2019-05-20 2020-02-25 全球能源互联网研究院有限公司 电网系统暂态稳定的预测模型的训练及预测方法、装置
CN111064223A (zh) * 2019-12-20 2020-04-24 远光软件股份有限公司 一种基于边缘计算的微电网电能质量控制系统及方法
CN111416442A (zh) * 2020-04-26 2020-07-14 佛山科学技术学院 一种基于微信小程序的ups配电柜监控方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112255928A (zh) * 2020-10-30 2021-01-22 北京金山云网络技术有限公司 智能家居的控制方法、装置、系统及电子设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105631591A (zh) * 2015-12-24 2016-06-01 国网浙江省电力公司电力科学研究院 一种区域电能质量分析系统
CN108537394A (zh) * 2017-03-01 2018-09-14 全球能源互联网研究院 一种智能电网实时安全预警方法和装置
CN109492950A (zh) * 2018-12-26 2019-03-19 广东电网有限责任公司 一种基于gis技术可满足大区域范围空间饱和负荷预测方法
CN110838075A (zh) * 2019-05-20 2020-02-25 全球能源互联网研究院有限公司 电网系统暂态稳定的预测模型的训练及预测方法、装置
CN111064223A (zh) * 2019-12-20 2020-04-24 远光软件股份有限公司 一种基于边缘计算的微电网电能质量控制系统及方法
CN111416442A (zh) * 2020-04-26 2020-07-14 佛山科学技术学院 一种基于微信小程序的ups配电柜监控方法及系统

Also Published As

Publication number Publication date
CN113033880A (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
KR101282199B1 (ko) 클러스터 시스템의 전력 제어 장치 및 방법
CN1025252C (zh) 电池供电计算机的电源管理系统
US9991727B2 (en) Smart battery charging to improve the lifespan of batteries
CN100512387C (zh) 成像设备和gps控制方法
CN102404479B (zh) 电子设备、电子设备管理系统及其控制方法
US20220294027A1 (en) Battery management system for monitoring a battery status
CN112117825B (zh) 不间断电源系统及非暂态计算机可读介质
CN117543791B (zh) 电源的供电检测方法、装置、设备及存储介质
CN116505738B (zh) 一种节能降耗电源的控制方法及系统
CN113033880B (zh) Ups智能控制方法、系统、电子设备及存储介质
US20070232363A1 (en) Communication channel establishing method, communication system, and communication apparatus
CN111722130B (zh) 一种后备电池在位检测方法、装置、设备及存储介质
CN114187685B (zh) 一种智能锁耗电的优化方法、系统、设备及介质
CN110667380A (zh) 一种列车供电方法、装置及列车
CN116488149A (zh) 微电网发电策略确定方法、装置以及微电网
JPH11252626A (ja) 低消費電力化無線基地局
EP3859938A1 (en) Uninterruptible power supply component analysis system and method
CN112796075B (zh) 一种掉电处理方法及装置
CN112366807B (zh) 一种不间断电源的输入限流控制方法及装置
CN115499315A (zh) Ota升级任务的执行方法、装置和电子设备
JPH09261888A (ja) ソフトウェア通知式バッテリ充電方式
CN117332361B (zh) 一种不间断电源的在线预警方法及检测系统
CN114243869B (zh) 用于输电线路监控的控制方法及装置、监控系统
US20240313531A1 (en) Energy management system, energy management method, and recording medium
CN117117926A (zh) 一种配电网储能配置方法及系统

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