CN113218055A - 空调负荷调控方法、装置及终端设备 - Google Patents

空调负荷调控方法、装置及终端设备 Download PDF

Info

Publication number
CN113218055A
CN113218055A CN202110547436.2A CN202110547436A CN113218055A CN 113218055 A CN113218055 A CN 113218055A CN 202110547436 A CN202110547436 A CN 202110547436A CN 113218055 A CN113218055 A CN 113218055A
Authority
CN
China
Prior art keywords
air conditioner
detection result
power
power data
target air
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
CN202110547436.2A
Other languages
English (en)
Other versions
CN113218055B (zh
Inventor
鲁鹏
曹欣
王维
吕昊
王铁强
马瑞
周奇
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.)
State Grid Corp of China SGCC
State Grid Hebei Electric Power Co Ltd
Changsha University of Science and Technology
Original Assignee
State Grid Corp of China SGCC
State Grid Hebei Electric Power Co Ltd
Changsha University of Science and Technology
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 State Grid Corp of China SGCC, State Grid Hebei Electric Power Co Ltd, Changsha University of Science and Technology filed Critical State Grid Corp of China SGCC
Publication of CN113218055A publication Critical patent/CN113218055A/zh
Application granted granted Critical
Publication of CN113218055B publication Critical patent/CN113218055B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F24F11/64—Electronic processing using pre-stored data
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种空调负荷调控方法、装置及终端设备，该方法包括：获取目标空调的的第一功率数据，基于预设的功率曲线以及目标空调的第一功率数据对配网线路进行初次过载检测，得到第一检测结果；根据所述第一检测结果对目标空调的第一功率数据进行数据提取，得到第二功率数据，基于预设的卷积神经网络模型和第二功率数据对配网线路进行二次过载检测，得到第二检测结果。获取目标空调的空调线路信息，基于所述空调线路信息、第一检测结果和第二检测结果生成多级调控指令，根据所述多级调控指令对目标空调的负荷进行调控。本发明提供的空调负荷调控方法、装置及终端设备能够提高空调负荷的调控精度。

Description

空调负荷调控方法、装置及终端设备
技术领域
本发明属于空调负荷调控技术领域，更具体地说，是涉及一种空调负荷调控方法、装置及终端设备。
背景技术
随着经济发展，人民生活水平改善，电力需求快速增长，空调已然成为人们家中必不可少的电器设备，但是随着空调负荷的高比例运行，使负荷高峰不断攀升，造成供电压力，不利于电力系统安全稳定运行。
现有技术中，对空调负荷进行调控的方法为：判断配网线路是否过载，若线路过载，则进行对空调负荷进行调控。其中，在判断配网线路是否过载时，通常采用功率值的简单比对检测配网线路是否过载，在对空调负荷进行调控时，通常也是根据待调控的空调本身功率进行调控，而忽略了待调控空调周围的线路信息，由于以上两点，目前空调调控策略的调控精度并不高。
发明内容
本发明的目的在于提供一种空调负荷调控方法、装置及终端设备，以提高空调负荷的调控精度。
本发明实施例的第一方面，提供了一种空调负荷调控方法，包括：
获取目标空调的的第一功率数据，基于预设的功率曲线以及目标空调的第一功率数据对配网线路进行初次过载检测，得到第一检测结果；
根据所述第一检测结果对目标空调的第一功率数据进行数据提取，得到第二功率数据，基于预设的卷积神经网络模型和第二功率数据对配网线路进行二次过载检测，得到第二检测结果。
获取目标空调的空调线路信息，基于所述空调线路信息、第一检测结果和第二检测结果生成多级调控指令，根据所述多级调控指令对目标空调的负荷进行调控。
本发明实施例的第二方面，提供了一种空调负荷调控装置，包括：
第一检测模块，用于获取目标空调的的第一功率数据，基于预设的功率曲线以及目标空调的第一功率数据对配网线路进行初次过载检测，得到第一检测结果；
第二检测模块，用于根据所述第一检测结果对目标空调的第一功率数据进行数据提取，得到第二功率数据，基于预设的卷积神经网络模型和第二功率数据对配网线路进行二次过载检测，得到第二检测结果。
负荷调控模块，用于获取目标空调的空调线路信息，基于所述空调线路信息、第一检测结果和第二检测结果生成多级调控指令，根据所述多级调控指令对目标空调的负荷进行调控。
本发明实施例的第三方面，提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的空调负荷调控方法的步骤。
本发明实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的空调负荷调控方法的步骤。
本发明实施例提供的空调负荷调控方法、装置及终端设备的有益效果在于：本发明实施例采用两段检测法，先采用预设的功率曲线进行粗检测，再采用预设的卷积神经网络模型进行精检测，有效地提高了配网线路检测的准确性，在此基础上，本发明实施例充分考虑了目标空调的线路环境，结合检测结果以及目标空调的空调线路信息生成调控策略，相对于现有技术具有更高的调控精度。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的空调负荷调控方法的流程示意图；
图2为本发明一实施例提供的空调负荷调控装置的结构框图；
图3为本发明一实施例提供的终端设备的示意框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明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仅用以解释本发明，并不用于限定本发明。
请参考图1，图1为本发明一实施例提供的空调负荷调控方法的流程示意图，该方法包括：
S101：获取目标空调的的第一功率数据，基于预设的功率曲线以及目标空调的第一功率数据对配网线路进行初次过载检测，得到第一检测结果。
在本实施例中，由于智能电表与物联网的发展越来越迅速，通过智能电表物联网可以快速了解各用户负荷使用情况，同时在不影响用户正常使用空调的前提下，可通过智能电表物联网对空调的功率数据进行采集，从智能电表中获取目标空调的第一功率数据。
在本实施例中，可在智能电表外接非侵入式负荷识别装置，通过非侵入负荷识别装置对功率数据进行提取。具体功率的确定方法为：使用事件探测器探测空调负荷的开断情况，识别空调负荷的开断时间和持续时间，以事件探测时的升降功率作为空调负荷的功率。
在本实施例中，预设的功率曲线用于对配电线路进行粗检测。
在本实施例中，可获取配网线路正常时目标空调的历史功率数据，根据该历史功率数据生成预设的功率曲线。
在本实施例中，预设的功率曲线可包含有功曲线和无功曲线，用以实现目标空调有功功率数据、无功功率数据的分别检测。
S102：根据第一检测结果对目标空调的第一功率数据进行数据提取，得到第二功率数据，基于预设的卷积神经网络模型和第二功率数据对配网线路进行二次过载检测，得到第二检测结果。
在本实施例中，预设的卷积神经网络模型用于对预设的功率曲线检测不准的数据进行二次检测，以实现配电线路的粗检测。
S103：获取目标空调的空调线路信息，基于空调线路信息、第一检测结果和第二检测结果生成多级调控指令，根据多级调控指令对目标空调的负荷进行调控。
在本实施例中，第一检测检测结果和第二检测结果用于确定目标空调是否需要调控，当判断目标空调需要调控时，可根据目标空调的空调线路信息结合第一功率数据和/或第二功率数据生成多级调控指令。
在本实施例中，现实应用中，从控制中心到目标空调可能包含多级调控装置，多级调控指令用于指示各级调控装置根据接收到的调控指令对区域内的空调负荷进行调控。
由上可以得出，本发明实施例采用两段检测法，先采用预设的功率曲线进行粗检测，再采用预设的卷积神经网络模型进行精检测，有效地提高了配网线路检测的准确性，在此基础上，本发明实施例充分考虑了目标空调的线路环境，结合检测结果以及目标空调的空调线路信息生成调控策略，相对于现有技术具有更高的调控精度。
可选地，作为本发明实施例提供的空调负荷调控方法的一种具体实施方式，在上述实施例的基础上，第一功率数据可以详述为多个时间点以及每个时间点目标空调对应的实际功率值。
基于预设的功率曲线以及目标空调的第一功率数据对配网线路进行初次过载检测，得到第一检测结果，可以详述为：
对于某一时间点，基于预设的功率曲线确定该时间点对应的目标空调的标准功率值，基于第一功率数据确定该时间点对应的目标空调的实际功率值，比较标准功率值和实际功率值，得到该时间点对应的功率差值。
按照时间对第一功率数据进行分段，计算每个时间段内所有时间点对应的功率差值的标准差，并根据标准差与预设阈值的大小关系确定配网线路的第一检测结果。
可选地，作为本发明实施例提供的空调负荷调控方法的一种具体实施方式，在上述实施例的基础上，预设阈值可以详述为第一预设阈值和第二预设阈值，根据标准差与预设阈值的大小关系确定配网线路的第一检测结果，可以详述为：
若某一时间段对应的标准差小于第一预设阈值，则确定该时间段内配网线路未过载。
若某一时间段对应的标准差大于第二预设阈值，则确定该时间段内配网线路过载。
若某一时间段对应的标准差大于等于第一预设阈值、且小于等于第二预设阈值，则对该时间段进行标记，标记表示该时间段对应的功率数据需要进行二次过载检测。
可选地，作为本发明实施例提供的空调负荷调控方法的一种具体实施方式，在上述实施例的基础上，根据第一检测结果对目标空调的第一功率数据进行数据提取，得到第二功率数据，可以详述为：
根据标记对目标空调的第一功率数据进行数据提取，得到第二功率数据。
在本实施例中，可直接提取携带有标记的时间段内的第一功率数据，得到第二功率数据。
可选地，作为本发明实施例提供的空调负荷调控方法的一种具体实施方式，在上述实施例的基础上，基于预设的卷积神经网络模型和第二功率数据对配网线路进行二次过载检测，得到第二检测结果，可以详述为：
获取空调功率样本数据，并基于空调功率样本数据训练得到卷积神经网络模型。
将第二功率数据输入至卷积神经网络模型中，得到第二检测结果。
在本实施例中，卷积神经网络模型用于根据输入的功率数据确定该功率数据对应的配网线路是否过载，因此，本实施例将第二功率数据输入至卷积神经网络模型中得到第二检测结果。
可选地，作为本发明实施例提供的空调负荷调控方法的一种具体实施方式，在上述实施例的基础上，基于空调线路信息、第一检测结果和第二检测结果生成多级调控指令，可以详述为：
若第一检测结果或第二检测结果均显示配网线路未过载，则将多级调控指令置为空。
在本实施例中，若第一检测结果或第二检测结果均显示配网线路未过载，则可以不对目标空调负荷进行调控，因此可将多级调控指令置为空。
若第一检测结果或第二检测结果显示某一时间段内配网线路过载，则根据空调线路信息和预设的基础调控策略生成多级调控指令。
在本实施例中，根据空调线路信息和预设的基础调控策略生成多级调控指令可以详述为：比较目标功率数据(为第一功率数据和/或第二功率数据)和预设功率数据(为生成预设的基础调控策略所使用的数据)，得到目标功率数据相对于预设功率数据的变化率，并根据该变化率对预设的基础调控策略进行线性调整，得到多级调控指令。
在本实施例中，多级调控指令主要包含空调的各项可调控参数的调控值。
其中，根据目标功率数据A(a1,a2,...,an)与预设功率数据B(b1,b2,...,bn)确定目标功率数据相对于预设功率数据的变化率E(e1,e2,...,en)的方法为：
Figure BDA0003074056130000061
其中，E(e1,e2,...,en)为目标功率数据相对于预设功率数据的变化率，i为整数，且i∈(1,n)。
其中，根据上述变化率对预设的基础调控策略进行线性调整，得到多级调控指令的方法为：
Figure BDA0003074056130000071
其中，C为多级调控指令中包含的各项可调控参数的调控值，C0＝(c1,c2,...,cn)表示预设的基础调控策略所包含的各项可调控参数的调控值。
对应于上文实施例的空调负荷调控方法，图2为本发明一实施例提供的空调负荷调控装置的结构框图。为了便于说明，仅示出了与本发明实施例相关的部分。参考图2，该空调负荷调控装置20可以详述为：第一检测模块21、第二检测模块22、负荷调控模块23。
其中，第一检测模块21，用于获取目标空调的的第一功率数据，基于预设的功率曲线以及目标空调的第一功率数据对配网线路进行初次过载检测，得到第一检测结果。
第二检测模块22，用于根据第一检测结果对目标空调的第一功率数据进行数据提取，得到第二功率数据，基于预设的卷积神经网络模型和第二功率数据对配网线路进行二次过载检测，得到第二检测结果。
负荷调控模块23，用于获取目标空调的空调线路信息，基于空调线路信息、第一检测结果和第二检测结果生成多级调控指令，根据多级调控指令对目标空调的负荷进行调控。
可选地，作为本发明实施例提供的空调负荷调控装置的一种具体实施方式，在上述实施例的基础上，第一功率数据可以详述为多个时间点以及每个时间点目标空调对应的实际功率值。基于预设的功率曲线以及目标空调的第一功率数据对配网线路进行初次过载检测，得到第一检测结果，可以详述为：
对于某一时间点，基于预设的功率曲线确定该时间点对应的目标空调的标准功率值，基于第一功率数据确定该时间点对应的目标空调的实际功率值，比较标准功率值和实际功率值，得到该时间点对应的功率差值。
按照时间对第一功率数据进行分段，计算每个时间段内所有时间点对应的功率差值的标准差，并根据标准差与预设阈值的大小关系确定配网线路的第一检测结果。
可选地，作为本发明实施例提供的空调负荷调控装置的一种具体实施方式，在上述实施例的基础上，预设阈值可以详述为第一预设阈值和第二预设阈值，根据标准差与预设阈值的大小关系确定配网线路的第一检测结果，可以详述为：
若某一时间段对应的标准差小于第一预设阈值，则确定该时间段内配网线路未过载。
若某一时间段对应的标准差大于第二预设阈值，则确定该时间段内配网线路过载。
若某一时间段对应的标准差大于等于第一预设阈值、且小于等于第二预设阈值，则对该时间段进行标记，标记表示该时间段对应的功率数据需要进行二次过载检测。
在本实施例中，根据第一检测结果对目标空调的第一功率数据进行数据提取，得到第二功率数据，可以详述为：
根据标记对目标空调的第一功率数据进行数据提取，得到第二功率数据。
可选地，作为本发明实施例提供的空调负荷调控装置的一种具体实施方式，在上述实施例的基础上，根据第一检测结果对目标空调的第一功率数据进行数据提取，得到第二功率数据，可以详述为：
根据标记对目标空调的第一功率数据进行数据提取，得到第二功率数据。
可选地，作为本发明实施例提供的空调负荷调控装置的一种具体实施方式，在上述实施例的基础上，基于预设的卷积神经网络模型和第二功率数据对配网线路进行二次过载检测，得到第二检测结果，可以详述为：
获取空调功率样本数据，并基于空调功率样本数据训练得到卷积神经网络模型。
将第二功率数据输入至卷积神经网络模型中，得到第二检测结果。
可选地，作为本发明实施例提供的空调负荷调控装置的一种具体实施方式，在上述实施例的基础上，基于空调线路信息、第一检测结果和第二检测结果生成多级调控指令，可以详述为：
若第一检测结果或第二检测结果均显示配网线路未过载，则将多级调控指令置为空。
若第一检测结果或第二检测结果显示某一时间段内配网线路过载，则根据空调线路信息和预设的基础调控策略生成多级调控指令。
参见图3，图3为本发明一实施例提供的终端设备的示意框图。如图3所示的本实施例中的终端300可以包括：一个或多个处理器301、一个或多个输入设备302、一个或多个输出设备303及一个或多个存储器304。上述处理器301、输入设备302、则输出设备303及存储器304通过通信总线305完成相互间的通信。存储器304用于存储计算机程序，计算机程序包括程序指令。处理器301用于执行存储器304存储的程序指令。其中，处理器301被配置用于调用程序指令执行以下操作上述各装置实施例中各模块/单元的功能，例如图2所示模块21至23的功能。
应当理解，在本发明实施例中，所称处理器301可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入设备302可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等，输出设备303可以包括显示器(LCD等)、扬声器等。
该存储器304可以包括只读存储器和随机存取存储器，并向处理器301提供指令和数据。存储器304的一部分还可以包括非易失性随机存取存储器。例如，存储器304还可以存储设备类型的信息。
具体实现中，本发明实施例中所描述的处理器301、输入设备302、输出设备303可执行本发明实施例提供的空调负荷调控方法的第一实施例和第二实施例中所描述的实现方式，也可执行本发明实施例所描述的终端的实现方式，在此不再赘述。
在本发明的另一实施例中提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序包括程序指令，程序指令被处理器执行时实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
计算机可读存储介质可以是前述任一实施例的终端的内部存储单元，例如终端的硬盘或内存。计算机可读存储介质也可以是终端的外部存储设备，例如终端上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，计算机可读存储介质还可以既包括终端的内部存储单元也包括外部存储设备。计算机可读存储介质用于存储计算机程序及终端所需的其他程序和数据。计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的终端和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的终端和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (11)

1.一种空调负荷调控方法，其特征在于，包括：
获取目标空调的的第一功率数据，基于预设的功率曲线以及目标空调的第一功率数据对配网线路进行初次过载检测，得到第一检测结果；
根据所述第一检测结果对目标空调的第一功率数据进行数据提取，得到第二功率数据，基于预设的卷积神经网络模型和第二功率数据对配网线路进行二次过载检测，得到第二检测结果。
获取目标空调的空调线路信息，基于所述空调线路信息、第一检测结果和第二检测结果生成多级调控指令，根据所述多级调控指令对目标空调的负荷进行调控。
2.如权利要求1所述的空调负荷调控方法，其特征在于，所述第一功率数据包括多个时间点以及每个时间点目标空调对应的实际功率值；
所述基于预设的功率曲线以及目标空调的第一功率数据对配网线路进行初次过载检测，得到第一检测结果，包括：
对于某一时间点，基于预设的功率曲线确定该时间点对应的目标空调的标准功率值，基于第一功率数据确定该时间点对应的目标空调的实际功率值，比较所述标准功率值和所述实际功率值，得到该时间点对应的功率差值；
按照时间对第一功率数据进行分段，计算每个时间段内所有时间点对应的功率差值的标准差，并根据所述标准差与预设阈值的大小关系确定配网线路的第一检测结果。
3.如权利要求2所述的空调负荷调控方法，其特征在于，所述预设阈值包括第一预设阈值和第二预设阈值，所述根据所述标准差与预设阈值的大小关系确定配网线路的第一检测结果，包括：
若某一时间段对应的标准差小于第一预设阈值，则确定该时间段内配网线路未过载；
若某一时间段对应的标准差大于第二预设阈值，则确定该时间段内配网线路过载；
若某一时间段对应的标准差大于等于第一预设阈值、且小于等于第二预设阈值，则对该时间段进行标记，所述标记表示该时间段对应的功率数据需要进行二次过载检测。
4.如权利要求3所述的空调负荷调控方法，其特征在于，根据所述第一检测结果对目标空调的第一功率数据进行数据提取，得到第二功率数据，包括：
根据标记对目标空调的第一功率数据进行数据提取，得到第二功率数据。
5.如权利要求1所述的空调负荷调控方法，其特征在于，所述基于预设的卷积神经网络模型和第二功率数据对配网线路进行二次过载检测，得到第二检测结果，包括：
获取空调功率样本数据，并基于所述空调功率样本数据训练得到卷积神经网络模型；
将所述第二功率数据输入至卷积神经网络模型中，得到第二检测结果。
6.如权利要求1所述的空调负荷调控方法，其特征在于，所述基于所述空调线路信息、第一检测结果和第二检测结果生成多级调控指令，包括：
若第一检测结果或第二检测结果均显示配网线路未过载，则将多级调控指令置为空；
若第一检测结果或第二检测结果显示某一时间段内配网线路过载，则根据所述空调线路信息和预设的基础调控策略生成多级调控指令。
7.一种空调负荷调控装置，其特征在于，包括：
第一检测模块，用于获取目标空调的的第一功率数据，基于预设的功率曲线以及目标空调的第一功率数据对配网线路进行初次过载检测，得到第一检测结果；
第二检测模块，用于根据所述第一检测结果对目标空调的第一功率数据进行数据提取，得到第二功率数据，基于预设的卷积神经网络模型和第二功率数据对配网线路进行二次过载检测，得到第二检测结果。
负荷调控模块，用于获取目标空调的空调线路信息，基于所述空调线路信息、第一检测结果和第二检测结果生成多级调控指令，根据所述多级调控指令对目标空调的负荷进行调控。
8.如权利要求7所述的空调负荷调控装置，其特征在于，所述第一功率数据包括多个时间点以及每个时间点目标空调对应的实际功率值；
所述基于预设的功率曲线以及目标空调的第一功率数据对配网线路进行初次过载检测，得到第一检测结果，包括：
对于某一时间点，基于预设的功率曲线确定该时间点对应的目标空调的标准功率值，基于第一功率数据确定该时间点对应的目标空调的实际功率值，比较所述标准功率值和所述实际功率值，得到该时间点对应的功率差值；
按照时间对第一功率数据进行分段，计算每个时间段内所有时间点对应的功率差值的标准差，并根据所述标准差与预设阈值的大小关系确定配网线路的第一检测结果。
9.如权利要求8所述的空调负荷调控装置，其特征在于，所述预设阈值包括第一预设阈值和第二预设阈值，所述根据所述标准差与预设阈值的大小关系确定配网线路的第一检测结果，包括：
若某一时间段对应的标准差小于第一预设阈值，则确定该时间段内配网线路未过载；
若某一时间段对应的标准差大于第二预设阈值，则确定该时间段内配网线路过载；
若某一时间段对应的标准差大于等于第一预设阈值、且小于等于第二预设阈值，则对该时间段进行标记，所述标记表示该时间段对应的功率数据需要进行二次过载检测。
10.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。
11.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
CN202110547436.2A 2020-05-29 2021-05-19 空调负荷调控方法、装置及终端设备 Active CN113218055B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2020104774280 2020-05-29
CN202010477428 2020-05-29

Publications (2)

Publication Number Publication Date
CN113218055A true CN113218055A (zh) 2021-08-06
CN113218055B CN113218055B (zh) 2022-06-07

Family

ID=77093187

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110547436.2A Active CN113218055B (zh) 2020-05-29 2021-05-19 空调负荷调控方法、装置及终端设备

Country Status (1)

Country Link
CN (1) CN113218055B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2061641A (en) * 1979-10-09 1981-05-13 Electric Supply Board Method and apparatus for controlling maximum electricity demand
US20150323574A1 (en) * 2014-05-08 2015-11-12 Emerson Network Power, Energy Systems, North America, Inc. Computer Systems And Computer-Implemented Methods For Warning Users Of Overload Conditions In Power Distribution Systems
CN105972761A (zh) * 2016-05-25 2016-09-28 华北电力大学（保定） 一种非侵入式空调负荷监测方法
CN110210682A (zh) * 2019-06-12 2019-09-06 云南电网有限责任公司大理供电局 基于负载数据图像化卷积神经网络的配变重过载预警方法
CN110686380A (zh) * 2019-10-15 2020-01-14 华北电力科学研究院有限责任公司 空调负荷集群的调控方法及装置
EP3648279A1 (en) * 2018-10-30 2020-05-06 Schleswig-Holstein Netz AG Method, electrical grid and computer program product for predicting overloads in an electrical grid

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2061641A (en) * 1979-10-09 1981-05-13 Electric Supply Board Method and apparatus for controlling maximum electricity demand
US20150323574A1 (en) * 2014-05-08 2015-11-12 Emerson Network Power, Energy Systems, North America, Inc. Computer Systems And Computer-Implemented Methods For Warning Users Of Overload Conditions In Power Distribution Systems
CN105972761A (zh) * 2016-05-25 2016-09-28 华北电力大学（保定） 一种非侵入式空调负荷监测方法
EP3648279A1 (en) * 2018-10-30 2020-05-06 Schleswig-Holstein Netz AG Method, electrical grid and computer program product for predicting overloads in an electrical grid
CN110210682A (zh) * 2019-06-12 2019-09-06 云南电网有限责任公司大理供电局 基于负载数据图像化卷积神经网络的配变重过载预警方法
CN110686380A (zh) * 2019-10-15 2020-01-14 华北电力科学研究院有限责任公司 空调负荷集群的调控方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘伟佳，吴秋伟，文福拴，薛禹胜: "电动汽车和可控负荷参与配电系统阻塞管理的市场机制", 《电力系统自动化》 *

Also Published As

Publication number Publication date
CN113218055B (zh) 2022-06-07

Similar Documents

Publication Publication Date Title
CN109034244B (zh) 基于电量曲线特征模型的线损异常诊断方法及装置
CN111428581A (zh) 人脸遮挡检测方法及系统
CN104571990A (zh) 一种调整显示屏的运行状态的方法和装置
CN112150311A (zh) 能耗异常状态检测方法、装置、计算机设备和存储介质
CN109035021B (zh) 一种交易指标的监控方法、装置及设备
CN108235721B (zh) 信息显示方法、终端及服务器
CN113705929B (zh) 一种基于负荷特征曲线及典型特征值融合的春节假期负荷预测方法
CN113218055B (zh) 空调负荷调控方法、装置及终端设备
CN114912720A (zh) 基于记忆网络电力负荷预测方法、装置、终端及存储介质
CN111260147A (zh) 发电量预测方法、装置及终端设备
CN109597745B (zh) 异常数据处理方法及装置
CN111984047B (zh) 多模块系统均流控制方法、装置及终端设备
CN111931698B (zh) 基于小型训练集的图像深度学习网络构建方法及装置
CN110209260A (zh) 耗电量异常检测方法、装置、设备及计算机可读存储介质
CN115111182A (zh) 直流风机的运转状态检测方法、装置及终端设备
CN111222228B (zh) 控制llc的工作频率的方法及终端设备
CN107330905B (zh) 一种图像处理方法、装置及存储介质
CN112268355B (zh) 空调目标温度调节方法及终端设备
CN113251632A (zh) 用于控制空调送风的方法及装置、电子设备
CN114312213A (zh) 车辆的制冷剂容量异常预测方法、装置、设备及介质
CN114594704B (zh) 电机内环控制方法、装置及控制器
CN112560541A (zh) 目标检测模型的训练装置及方法、电子设备
CN113435609B (zh) 线损异常检测方法、装置及终端设备
CN110569873A (zh) 图像识别模型训练方法、装置以及计算机设备
CN117370331B (zh) 小区用水总数据清洗方法及装置、终端设备、存储介质

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