CN113420910B - 工商业智能用电控制方法、装置、计算机设备和存储介质 - Google Patents

工商业智能用电控制方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN113420910B
CN113420910B CN202110620081.5A CN202110620081A CN113420910B CN 113420910 B CN113420910 B CN 113420910B CN 202110620081 A CN202110620081 A CN 202110620081A CN 113420910 B CN113420910 B CN 113420910B
Authority
CN
China
Prior art keywords
equipment
industrial
commercial
various industrial
commercial equipment
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
CN202110620081.5A
Other languages
English (en)
Other versions
CN113420910A (zh
Inventor
裴丛仙子
林冬
李秋硕
孔祥玉
王铮涛
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.)
China Southern Power Grid Digital Grid Technology Guangdong Co ltd
Original Assignee
China Southern Power Grid Digital Grid Technology Guangdong 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 China Southern Power Grid Digital Grid Technology Guangdong Co ltd filed Critical China Southern Power Grid Digital Grid Technology Guangdong Co ltd
Priority to CN202110620081.5A priority Critical patent/CN113420910B/zh
Publication of CN113420910A publication Critical patent/CN113420910A/zh
Application granted granted Critical
Publication of CN113420910B publication Critical patent/CN113420910B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02B90/20—Smart grids as enabling technology in buildings sector
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
    • 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
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • 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
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/12—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment

Landscapes

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

Abstract

本申请涉及一种工商业智能用电控制方法、装置、计算机设备和存储介质。所述方法包括：接收智能用电监测终端采集的各种工商业设备的电能信息；分别将各种工商业设备的电能信息输入对应的调度模型，得到各种工商业设备的调度量；将各种工商业设备的调度量输入预先构建的用电优化控制模型，并通过差异进化算法指令对输入调度量的用电优化控制模型进行处理，得到各种工商业设备的用电控制信息；根据各种工商业设备的用电控制信息，生成各种工商业设备的用电控制指令；分别将各种工商业设备的用电控制指令发送至对应的工商业设备，以通过用电控制指令对相应的工商业设备的用电进行控制。采用本方法，能够提高工商业智能用电控制准确率。

Description

工商业智能用电控制方法、装置、计算机设备和存储介质
技术领域
本申请涉及电力技术领域，特别是涉及一种工商业智能用电控制方法、装置、计算机设备和存储介质。
背景技术
智能用电的实现作为现代电网的重要环节，不仅关乎个体的经济利益，采集到的用电数据还能够通过大数据分析，反映用户的经济情况和社会状况，对相关部门与电力企业的宏观调控和决策提供支持。
传统技术中，一般是通过人工结合历史经验，分析工商业设备的电能信息，并根据分析结果确定工商业设备的智能用电控制方案；但是，通过人工分析工商业设备的电能信息的过程比较繁琐，容易出现错误，导致工商业智能用电控制准确率较低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高工商业智能用电控制准确率的工商业智能用电控制方法、装置、计算机设备和存储介质。
一种工商业智能用电控制方法，所述方法包括：
接收智能用电监测终端采集的各种工商业设备的电能信息；
分别将所述各种工商业设备的电能信息输入对应的调度模型，得到所述各种工商业设备的调度量；
将所述各种工商业设备的调度量输入预先构建的用电优化控制模型，并通过差异进化算法指令对输入所述调度量的用电优化控制模型进行处理，得到所述各种工商业设备的用电控制信息；
根据所述各种工商业设备的用电控制信息，生成所述各种工商业设备的用电控制指令；
分别将所述各种工商业设备的用电控制指令发送至对应的工商业设备，以通过所述用电控制指令对相应的工商业设备的用电进行控制。
在其中一个实施例中，在分别将所述各种工商业设备的电能信息输入对应的调度模型，得到所述各种工商业设备的调度量之前，还包括：
分别获取各种工商业设备的设备类型；
根据所述各种工商业设备的设备类型，查询预设的设备类型与调度模型的对应关系，得到所述各种工商业设备对应的调度模型。
在其中一个实施例中，所述预设的设备类型与调度模型的对应关系通过下述方式得到：
通过模型构建指令，构建各种设备类型的工商业设备的调度模型；所述各种设备类型的工商业设备至少包括分布式能源设备、储能设备和用电设备；
根据所述各种设备类型的工商业设备的调度模型，构建设备类型和调度模型之间的对应关系，作为所述预设的设备类型与调度模型的对应关系。
在其中一个实施例中，所述根据所述各种工商业设备的用电控制信息，生成所述各种工商业设备的用电控制指令，包括：
根据所述各种工商业设备的用电控制信息，查询预设的用电控制信息与用电控制指令的对应关系，得到所述各种工商业设备的用电控制指令。
在其中一个实施例中，在接收智能用电监测终端采集的各种工商业设备的电能信息之后，还包括：
将所述工商业设备的电能信息输入预先训练的用电异常检测模型，得到所述工商业设备的电能信息的标签信息；
若所述工商业设备的电能信息的标签信息为异常标签信息，则生成异常用电报警信息；
将所述异常用电报警信息发送至对应的工商业设备。
在其中一个实施例中，所述方法还包括：
分别按照所述各种工商业设备的设备标识，将所述各种工商业设备的电能信息存储至预设数据库中；
接收电能信息查询请求；所述电能信息查询请求中携带有目标设备标识；
从所述预设数据库中获取所述目标设备标识的电能信息，并显示所述目标设备标识的电能信息。
一种工商业智能用电控制装置，所述装置包括：
接收模块，用于接收智能用电监测终端采集的各种工商业设备的电能信息；
输入模块，用于分别将所述各种工商业设备的电能信息输入对应的调度模型，得到所述各种工商业设备的调度量；
处理模块，用于将所述各种工商业设备的调度量输入预先构建的用电优化控制模型，并通过差异进化算法指令对输入所述调度量的用电优化控制模型进行处理，得到所述各种工商业设备的用电控制信息；
生成模块，用于根据所述各种工商业设备的用电控制信息，生成所述各种工商业设备的用电控制指令；
发送模块，用于分别将所述各种工商业设备的用电控制指令发送至对应的工商业设备，以通过所述用电控制指令对相应的工商业设备的用电进行控制。
一种工商业智能用电控制系统，所述系统包括：智能用电监测终端和监测主站，所述智能用电监测终端和所述监测主站之间通过无线网络连接，所述智能用电监测终端还连接有各种工商业设备；
所述智能用电监测终端，用于采集所述各种工商业设备的电能信息，并将所述各种工商业设备的电能信息发送至所述监测主站；
所述监测主站，用于执行上述所述的工商业智能用电控制方法。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
接收智能用电监测终端采集的各种工商业设备的电能信息；
分别将所述各种工商业设备的电能信息输入对应的调度模型，得到所述各种工商业设备的调度量；
将所述各种工商业设备的调度量输入预先构建的用电优化控制模型，并通过差异进化算法指令对输入所述调度量的用电优化控制模型进行处理，得到所述各种工商业设备的用电控制信息；
根据所述各种工商业设备的用电控制信息，生成所述各种工商业设备的用电控制指令；
分别将所述各种工商业设备的用电控制指令发送至对应的工商业设备，以通过所述用电控制指令对相应的工商业设备的用电进行控制。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
接收智能用电监测终端采集的各种工商业设备的电能信息；
分别将所述各种工商业设备的电能信息输入对应的调度模型，得到所述各种工商业设备的调度量；
将所述各种工商业设备的调度量输入预先构建的用电优化控制模型，并通过差异进化算法指令对输入所述调度量的用电优化控制模型进行处理，得到所述各种工商业设备的用电控制信息；
根据所述各种工商业设备的用电控制信息，生成所述各种工商业设备的用电控制指令；
分别将所述各种工商业设备的用电控制指令发送至对应的工商业设备，以通过所述用电控制指令对相应的工商业设备的用电进行控制。
上述工商业智能用电控制方法、装置、计算机设备和存储介质，通过接收智能用电监测终端采集的各种工商业设备的电能信息，并分别将各种工商业设备的电能信息输入对应的调度模型，得到各种工商业设备的调度量；然后将各种工商业设备的调度量输入预先构建的用电优化控制模型，并通过差异进化算法指令对输入调度量的用电优化控制模型进行处理，得到各种工商业设备的用电控制信息；最后根据各种工商业设备的用电控制信息，生成各种工商业设备的用电控制指令，并分别将各种工商业设备的用电控制指令发送至对应的工商业设备，以通过用电控制指令对相应的工商业设备的用电进行控制；这样，通过利用各种工商业设备的调度模型、预先构建的用电优化控制模型和差异进化算法，有利于提高得到的用电控制指令的准确率，使得对工商业设备的智能用电优化控制更加准确，从而提高了工商业智能用电控制准确率。
附图说明
图1为一个实施例中工商业智能用电控制方法的应用环境图；
图2为一个实施例中监测层的结构框图；
图3为一个实施例中智能用电监测终端的结构框图；
图4为一个实施例中工商业智能用电控制方法的流程示意图；
图5为一个实施例中通过差异进化算法对用电优化控制模型进行求解的步骤的流程示意图；
图6为另一个实施例中工商业智能用电控制方法的流程示意图；
图7为一个实施例中工商业智能用电控制装置的结构框图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的工商业智能用电控制方法，可以应用于如图1所示的应用环境中。其中，监测主站110与智能用电监测终端120之间通过无线网络(比如LoRa无线网络)连接，智能用电监测终端120还连接有对应的工商业设备130；具体的，参考图1，智能用电监测终端120采集与其连接的工商业设备的电能信息，并通过无线网络将工商业设备的电能信息上传至监测主站110；监测主站110接收智能用电监测终端120采集的各种工商业设备130的电能信息；分别将各种工商业设备130的电能信息输入对应的调度模型，得到各种工商业设备的调度量；将各种工商业设备130的调度量输入预先构建的用电优化控制模型，并通过差异进化算法指令对输入调度量的用电优化控制模型进行处理，得到各种工商业设备130的用电控制信息；根据各种工商业设备130的用电控制信息，生成各种工商业设备130的用电控制指令；分别将各种工商业设备130的用电控制指令发送至对应的工商业设备130，以通过用电控制指令对相应的工商业设备130的用电进行控制。
其中，监测主站110可以但不限于是各种个人计算机(比如PC端监测主站)、笔记本电脑和平板电脑，主要负责数据采集、数据处理、数据显示以及数据存储，能够为管理人员提供人机接口；比如，用户可以通过上位机浏览智能用电监测终端120采集到的各项用电数据，使用FFT(fast Fourier transform，快速傅立叶变换)算法进行谐波分析以及输出异常用电报警信息，还可以对关联的SQL(Structured Query Language，结构化查询语言)数据库中保存的历史数据进行查询。而且，监测主站110采用C#语言编写，并使用比较通用的三层结构框架，即表示层、业务逻辑层和数据访问层，来实现用户界面与业务逻辑之间的分离，具体如图2所示。
其中，图1中的通信层采用LoRa无线通信模块进行组网，数据收发报文遵从Modbus通信协议，主要负责数据、信息和指令的传输，为监测主站110和智能用电监测终端120的信息交互提供链路基础。
其中，智能用电监测终端120是指用于采集工商业设备的电能信息的监测终端，主要负责对安装点的工商业设备的各类电能信息进行本地采集、数据存储以及数据上传；例如，参考图3，智能用电监测终端120采用专用电能测量芯片ADE9000和处理芯片STM32组成核心架构，利用专用电能测量芯片ADE9000集成DSP内核，以对电网中电压信号和电流信号进行实时运算和处理，并获取各项用电数据；处理芯片STM32构成的主控单元，用于完成数据存储、异常报警、人机界面显示以及数据传输等业务流程。
其中，工商业设备130可以但不限于是各种分布式能源设备、储能设备和用电设备；分布式能源设备是指光伏发电设备、风力发电设备、微燃机等；储能设备是指蓄电池；用电设备是指具有平移型负荷的用电设备(比如洗衣机空调)、具有柔性可中断负荷的用电设备(比如空调)等。
在一个实施例中，如图4所示，提供了一种工商业智能用电控制方法，以该方法应用于图1中的监测主站为例进行说明，包括以下步骤：
步骤S401，接收智能用电监测终端采集的各种工商业设备的电能信息。
其中，每个智能用电监测终端连接有对应的工商业设备；电能信息是指电压信息、电流信息等。
具体地，每个智能用电监测终端采集与其连接的工商业设备的电能信息，并将采集到的工商业设备的电能信息通过无线网络上传至监测主站，通过监测主站接收智能用电监测终端采集的各种工商业设备的电能信息。
此外，智能用电监测终端还可以存储其采集到的工商业设备的电能信息，也可以对工商业设备的电能信息进行异常判断，并在工商业设备的电能信息出现异常时进行异常报警，也可以通过人机界面显示工商业设备的电能信息。
步骤S402，分别将各种工商业设备的电能信息输入对应的调度模型，得到各种工商业设备的调度量。
其中，调度模型是指用于输出工商业设备的调度量的模型，比如分布式能源调度模型、储能设备调度模型、负荷调度模型；调度量是指参与调度的电力数据，比如能源调度量、储能调度量、负荷调度量等。
其中，工商业设备与调度模型存在一一对应关系，不同工商业设备对应不同的调度模型。
具体地，监测主站根据工商业设备和调度模型的对应关系，确定各种工商业设备对应的调度模型，并分别将各种工商业设备的电能信息输入对应的调度模型，通过各种调度模型输出对应的调度量，从而得到各种工商业设备的调度量。
例如，监测主站将分布式能源设备的电能信息输入分布式能源调度模型，通过分布式能源调度模型输出分布式能源设备的能源调度量；将储能设备的电能信息输入储能设备调度模型，通过储能设备调度模型输出储能设备的储能调度量；将用电设备的电能信息输入负荷调度模型，通过负荷调度模型输出用电设备的负荷调度量。
步骤S403，将各种工商业设备的调度量输入预先构建的用电优化控制模型，并通过差异进化算法指令对输入调度量的用电优化控制模型进行处理，得到各种工商业设备的用电控制信息。
其中，预先构建的用电优化控制模型是一种用于输出工商业设备的用电控制信息的单目标优化模型，比如以用户经济性为目标构建的用电优化控制模型、以节能为目标构建的用电优化控制模型。用电控制信息，用于表示工商业设备的智能用电控制策略。
其中，差异进化算法是一种用于优化问题的启发式算法；从本质上说，它是一种基于实数编码的具有保优思想的贪婪遗传算法；同遗传算法一样，差异进化算法包含变异和交叉操作，但同时相较于遗传算法的选择操作，差异进化算法采用一对一的淘汰机制来更新种群。
其中，差异进化算法指令是差异进化算法对应的指令，用于对输入调度量后的用电优化控制模型进行求解。
具体地，监测主站获取预先构建的用电优化控制模型，并将各种工商业设备的调度量输入预先构建的用电优化控制模型，得到输入调度量的用电优化控制模型；获取差异进化算法指令，通过差异进化算法指令对输入调度量的用电优化控制模型进行求解，得到各种工商业设备的用电控制信息。
步骤S404，根据各种工商业设备的用电控制信息，生成各种工商业设备的用电控制指令。
其中，用电控制指令是指对工商业设备进行智能用电优化控制的指令；不同的用电控制信息，对应不同的用电控制指令。
具体地，监测主站获取各种工商业设备的用电控制信息对应的用电控制指令，作为各种工商业设备的用电控制指令。
步骤S405，分别将各种工商业设备的用电控制指令发送至对应的工商业设备，以通过用电控制指令对相应的工商业设备的用电进行控制。
具体地，监测主站分别将各种工商业设备的用电控制指令发送至对应的工商业设备，工商业设备根据接收到的用电控制指令，对设备用电进行智能用电优化控制。
上述工商业智能用电控制方法中，通过接收智能用电监测终端采集的各种工商业设备的电能信息，并分别将各种工商业设备的电能信息输入对应的调度模型，得到各种工商业设备的调度量；然后将各种工商业设备的调度量输入预先构建的用电优化控制模型，并通过差异进化算法指令对输入调度量的用电优化控制模型进行处理，得到各种工商业设备的用电控制信息；最后根据各种工商业设备的用电控制信息，生成各种工商业设备的用电控制指令，并分别将各种工商业设备的用电控制指令发送至对应的工商业设备，以通过用电控制指令对相应的工商业设备的用电进行控制；这样，通过利用各种工商业设备的调度模型、预先构建的用电优化控制模型和差异进化算法，有利于提高得到的用电控制指令的准确率，使得对工商业设备的智能用电优化控制更加准确，从而提高了工商业智能用电控制准确率。
在一个实施例中，上述步骤S402，在分别将各种工商业设备的电能信息输入对应的调度模型，得到各种工商业设备的调度量之前，还包括：分别获取各种工商业设备的设备类型；根据各种工商业设备的设备类型，查询预设的设备类型与调度模型的对应关系，得到各种工商业设备对应的调度模型。
其中，设备类型用于标识工商业设备所属的设备种类，比如分布式能源设备、储能设备、用电设备等。
其中，预设的设备类型与调度模型的对应关系，用于表示设备类型与调度模型之间存在一一对应的关系。
具体地，监测主站通过设备类型获取指令，获取各种工商业设备的设备类型；获取预设的设备类型与调度模型的对应关系，并根据各种工商业设备的设备类型，查询预设的设备类型与调度模型的对应关系，得到各种工商业设备的设备类型多对应的调度模型，对应作为各种工商业设备的调度模型。
举例说明，假设工商业设备A的设备类型为A1，而设备类型A1对应的调度模型为C，说明工商业设备A对应的调度模型为C。
本实施例提供的技术方案，根据各种工商业设备的设备类型，查询预设的设备类型与调度模型的对应关系，得到各种工商业设备对应的调度模型，有利于后续将各种工商业设备的电能信息输入对应的调度模型，得到各种工商业设备的调度量，使得得到的各种工商业设备的调度量更加准确。
在一个实施例中，预设的设备类型与调度模型的对应关系通过下述方式得到：通过模型构建指令，构建各种设备类型的工商业设备的调度模型；各种设备类型的工商业设备至少包括分布式能源设备、储能设备和用电设备；根据各种设备类型的工商业设备的调度模型，构建设备类型和调度模型之间的对应关系，作为预设的设备类型与调度模型的对应关系。
其中，模型构建指令是一种用于构建工商业设备的调度模型的指令。
具体地，监测主站基于大数据技术，获取各种设备类型的工商业设备的设备信息；通过模型构建指令，基于各种设备类型的工商业设备的设备信息，得到各种设备类型的工商业设备的调度模型；根据各种工商业设备的设备类型和调度模型，确定设备类型和调度模型之间的对应关系；将设备类型和调度模型之间的对应关系，作为预设的设备类型与调度模型的对应关系。
举例说明，监测主站对工商业典型设备(比如分布式能源设备、储能设备、用电设备等)进行建模，并以经济性为目标建立规划问题；工商业典型模型包括：分布式能源调度模型、储能设备调度模型和负荷调度模型。
分布式能源调度模型通过下述方式构建得到：工商业用户使用的设备中包括发电设备，以太阳能光伏发电为例，太阳辐照强度是决定因素，但其在本质上是高度随机的，取决于多种因素；光伏发电系统出力采用如下形式：
EA＝S·ηp·Pgt·Δt(1-νp)(1-νc)
其中，为光伏发出的电能；EA为光伏板受阳光照射发出的电能；ηinv为光伏板的太阳能转化效率；ηabs为太阳能吸收率；S为光伏板的面积；ηp为光伏模组的平均效率；Pgt为光照强度；νp为光伏系统混合损耗；νc为光伏系统其它损耗。
而且，风机属于低速旋转的机械，这决定了风力发电系统的发电机和并网拓扑的多样性；风力机及其控制系统将风能转换为机械能提供给交流发电机，通过叶轮捕捉风能，影响整个风力发电机系统的性能和效率；由空气动力学原理，通过叶轮旋转面的风能只能被风力机吸收一部分Pw为通过浆叶输入风力机的功率可描述为：
其中，ρ为空气的质量密度；S为风机受风面积；v为气流速度；Cp为可用风能利用系数。
而且，作为小型分布式发电能源的应用到微网中，微燃机在提供清洁的电能同时，其排出尾气中的高温余热通过余热锅炉可进一步转换为可用于微网中用户采暖或热水的热能；微燃机能量输出电能PM和实际供热QM之间的关系如下：
其中，SM为天然气输入能量；ηM为微燃机发电效率，即发电量与输入能量的比值；QM0＝αM·PM为微燃机产生的余热，受热电比即供热量与供电量的比值αM的影响；ηH为余热锅炉效率即余热锅炉输出和输入的比值。
储能设备调度模型通过下述方式构建得到：以蓄电池为例，蓄电池可以缓解分布式电源的波动，并能够通过负荷低谷和高峰时刻的充放电，参与能量调节；在VPP调度过程中，蓄电池的荷电状态(SOC，State of Charge)可充放电潜力对调度计划和能量平衡至关重要，其所构建约束和模型涉及最大充放电功率、以及能量转换效率等，搭建的储能设备调度模型如下：
SOCmax≥SOCj≥SOCmin
μij,chPchmax≥Pij,ch≥0
μij,dischPdischmax≥Pij,disch≥0
μij,ch+μij,disch＝1
其中，SOCij表示蓄电池j时刻的荷电状态；Pij,ch、Pij,disch分别表示充放电功率；Vi为电池容量；ηch、ηdisch分别表示充放电效率，是蓄电池固有的属性，在需求响应调度过程中认为是定值；SOCmax和SOCmin为蓄电池荷电状态上下限；μij,ch、μij,disch用来指示t时刻蓄电池是否处于充电或放电状态，是则置1，否则为0，Δt为最小的控制时段。
负荷调度模型通过下述方式构建得到：负荷调度模型包括平移型负荷和柔性可中断负荷，常见的平移型负荷有具有固定工作周期的洗衣机等；在满足用户用电需求的前提下，通过用电需求时间的转移，将用电需求从用电高峰时段转入用电低谷时段，实现对用电需求曲线的重塑、削峰填谷；引入二进制决策变量xi,k(t)，当为1时，表明第i户家庭的第k个可平移负荷开始工作，0表明该设备不在工作状态。
其中，Pi,k(t)表示第i户家庭中的第k个可平移负荷的在t时段的功率。Pi+1,k为第k类可平移的柔性负荷在第i+1个调度时段消耗的有功功率；m为可平移负荷连续工作时段；Nik表示总调度时段内设备运行允许的最大控制次数。
而且，对于工商业用户，柔性可中断负荷相对较少，典型的为具有热惯性的温控负荷，如空调等，通常不会影响企业和商业的安全运行。以空调为例，在制热模式下，温度随环境以及时间的变化，其简化热力学模型如下：
其中，θi(t)为第i户家庭t时段的室内温度。TAC＝ΔT/(ReqCeq)为温度变化时间系数，Req为等值热阻，Ceq为等值热容；θout为户外温度。xAC为表示空调工作状态的二进制决策变量：0表示空调关闭，1表示空调工作。QAC为空调制热能力(kW)。上式仅考虑空调工作在制热模式。
而且，市场上的智能空调大多数都同时具有制冷和制热两种工作模式，用户可以根据季节、温度变化选择所需要的工作模式，可以修改为空调制冷工作模式下室内温度的动态变化；VPP调度须满足负荷设备的运行约束，否则会使室温出现较大波动，影响用户舒适度。对于负荷调度，最大潜在调度容量，可由下式确定：
在实际调控过程中，为了防止空调工作状态频繁切换，其往往在设定温度附近设置一个不大的死区，当室内温度在死区内时，工作状态不发生变化。此外，空调还可以根据来自电网的信号(电价、电压、频率等)来决定自身的运行状态。考虑用户舒适度时，室内温度所需满足的上下限约束，需要构建的约束式为：
θi,set-Δθ1≤θi(t)≤θi,set+Δθ2
其中，θi,set为第i户家庭空调的设定温度，Δθ1为允许的最大负温度偏移，Δθ2为允许最大正温度偏移。
这样，通过上述方式，可以构建分布式能源设备的分布式能源调度模型、储能设备的储能设备调度模型、用电设备的负荷调度模型；根据分布式能源设备的分布式能源调度模型、储能设备的储能设备调度模型、用电设备的负荷调度模型，可以确定设备类型与调度模型的对应关系。
本实施例提供的技术方案，通过确定预设的设备类型与调度模型的对应关系，有利于后续根据各种工商业设备的设备类型，查询预设的设备类型与调度模型的对应关系，得到各种工商业设备对应的调度模型。
在一个实施例中，步骤S403，将各种工商业设备的调度量输入预先构建的用电优化控制模型，并通过差异进化算法指令对输入调度量的用电优化控制模型进行处理，得到各种工商业设备的用电控制信息。
具体地，监测主站以用户经济性为目标建立了用电优化控制模型，将用户智能用电问题转化成了单目标优化问题；基于智能用电监测终端采集的数据，采用差异进化算法对建立的用电优化控制模型进行求解，得到工商业智能用电策略，即各种工商业设备的用电控制信息。
举例说明，用电优化控制模型的目标函数为：
其中，W为VPP基于需求侧响应获得的收益函数；B是VPP控制量的运行决策集合，包括负荷、储能以及电源的调度量；k为VPP需求响应过程中的不确定运行场景，K为运行场景的集合。
接着，监测主站采用差异进化算法对用电优化控制模型进行求解，得到工商业智能用电策略；如图5所示，求解的过程如下：
步骤1，监视主站读取设备层上传的工商业设备数据；设置差异进化算法参数；
步骤2，输入各模型对应的约束条件；
步骤3，基于步骤1与步骤2，初始化种群；
步骤4，对初始化的种群进行变异操作，得到的变异向量如下；
其中，F为缩放因子，为不同的个体，k代表迭代次数；
步骤5，利用上述的变异向量对种群进行交叉，得到试验个体，变异的过程如下：
其中，CR为交叉因子；步骤4、5对种群进行了一轮变异、交叉操作，使种群中个体的部分基因发生变化，接下来通过步骤6选择进入下一代的个体，确保下一代种群的个体对于函数值优于这一代。
步骤6，利用贪婪算法选择试验个体中进入下一代种群中的个体，如果试验个体的适应度值小于原始个体，则试验个体取代原始个体，反之保留；
步骤7，判断当前迭代次数是否达到最大值，若否，则次数增加1，转到步骤4；若是，则结束，从而得到工商业智能用电策略。
本实施例提供的技术方案，采用差异进化算法对用电优化控制模型进行求解，得到工商业智能用电策略，避免了用户侧的管理控制手段尚且单一、需求响应等相关政策灵活性低，且缺乏完善的需求侧资源分析方法，导致工商业智能用电控制准确率较低的缺陷，有利于提升工商业用户侧电能管理能力，有较好的实用意义，同时能够高效地对工商业智能用电问题做出规划，实现经济最优化。
在一个实施例中，上述步骤S404，根据各种工商业设备的用电控制信息，生成各种工商业设备的用电控制指令，包括：根据各种工商业设备的用电控制信息，查询预设的用电控制信息与用电控制指令的对应关系，得到各种工商业设备的用电控制指令。
其中，预设的用电控制信息与用电控制指令的对应关系，用于表征用电控制信息与用电控制指令之间存在一一对应的关系，即不同的用电控制信息，对应不同的用电控制指令。
具体地，监测主站获取预设的用电控制信息与用电控制指令的对应关系，并根据各种工商业设备的用电控制信息，查询预设的用电控制信息与用电控制指令的对应关系，得到各种工商业设备的用电控制信息所对应的用电控制指令，对应作为各种工商业设备的用电控制指令。
举例说明，假设工商业设备A的用电控制信息为A1，而用电控制信息A1对应的用电控制指令为B，则说明工商业设备A对应的用电控制指令为B。
本实施例提供的技术方案，根据各种工商业设备的用电控制信息，查询预设的用电控制信息与用电控制指令的对应关系，得到各种工商业设备的用电控制指令，有利于后续将用电控制指令发送至对应的工商业设备，以实现对工商业设备的用电进行精准控制，进一步提高了工商业智能用电控制准确率。
在一个实施例中，上述步骤S401，在接收智能用电监测终端采集的各种工商业设备的电能信息之后，还包括：将工商业设备的电能信息输入预先训练的用电异常检测模型，得到工商业设备的电能信息的标签信息；若工商业设备的电能信息的标签信息为异常标签信息，则生成异常用电报警信息；将异常用电报警信息发送至对应的工商业设备。
其中，用电异常检测模型是一种用于检测用电信息是否异常的神经网络模型。标签信息用于表示工商业设备的电能信息是否存在异常，异常标签信息用于表示工商业设备的电能信息存在异常。异常用电报警信息，用于触发报警，以提醒相应的工作人员。
具体地，监测主站将工商业设备的电能信息输入预先训练的用电异常检测模型，通过预先训练的用电异常检测模型对工商业设备的电能信息进行卷积处理和全连接处理，得到工商业设备的电能信息的标签信息；对工商业设备的电能信息的标签信息进行判断，若工商业设备的电能信息的标签信息为正常标签信息，说明工商业设备的电能信息正常，则将工商业设备的电能信息存储至SQL数据库中；若工商业设备的电能信息的标签信息为异常标签信息，说明工商业设备的电能信息出现异常，则生成异常用电报警信息，并将异常用电报警信息发送至对应的工商业设备，以触发报警，并提醒相应的工作人员对该工商业设备进行问题诊断。
本实施例提供的技术方案，在工商业设备的电能信息出现异常时，将异常用电报警信息发送至对应的工商业设备，以触发报警，有利于提醒相应的工作人员对该工商业设备进行问题诊断，避免造成损失。
在一个实施例中，本申请提供的工商业智能用电控制方法还包括查询电能信息的步骤，具体包括如下内容：分别按照各种工商业设备的设备标识，将各种工商业设备的电能信息存储至预设数据库中；接收电能信息查询请求；电能信息查询请求中携带有目标设备标识；从预设数据库中获取目标设备标识的电能信息，并显示目标设备标识的电能信息。
其中，设备标识用于表示工商业设备的身份信息，可以是设备名称、设备编号、设备序号等；目标设备标识用于表示需要查看电能信息的工商业设备的设备标识。
具体地，监测主站通过设备标识获取指令，获取各种工商业设备的设备标识；分别按照各种工商业设备的设备标识，将各种工商业设备的电能信息存储至预设数据库中，以通过预设数据库存储多个设备标识对应的电能信息；在查询电能信息的过程中，监测主站接收电能信息查询请求，并对电能信息查询请求进行解析，得到目标设备标识；根据目标设备标识查询预设数据库，得到目标设备标识的电能信息，并通过监测主站的界面显示目标设备标识的电能信息。
举例说明，监测主站的界面显示有查询入口，用户在查询入口输入设备标识A，触发电能信息查询请求，监测主站根据电能信息查询请求，从预设数据库中获取设备标识A对应的电能信息，并通过监测主站的界面显示查询到的设备标识A对应的电能信息，以供用户查看。
本实施例提供的技术方案，通过电能信息查询请求，获取工商业设备的电能信息，并显示查询到的工商业设备的电能信息，有利于用户及时了解相关工商业设备的用电情况。
在一个实施例中，如图6所示，提供了另一种工商业智能用电控制方法，以该方法应用于图1中的监测主站为例进行说明，包括以下步骤：
步骤S601，接收智能用电监测终端采集的各种工商业设备的电能信息。
步骤S602，分别获取各种工商业设备的设备类型；根据各种工商业设备的设备类型，查询预设的设备类型与调度模型的对应关系，得到各种工商业设备对应的调度模型。
步骤S603，分别将各种工商业设备的电能信息输入对应的调度模型，得到各种工商业设备的调度量。
步骤S604，将各种工商业设备的调度量输入预先构建的用电优化控制模型，并通过差异进化算法指令对输入调度量的用电优化控制模型进行处理，得到各种工商业设备的用电控制信息。
步骤S605，根据各种工商业设备的用电控制信息，查询预设的用电控制信息与用电控制指令的对应关系，得到各种工商业设备的用电控制指令。
步骤S606，分别将各种工商业设备的用电控制指令发送至对应的工商业设备，以通过用电控制指令对相应的工商业设备的用电进行控制。
上述工商业智能用电控制方法，通过利用各种工商业设备的调度模型、预先构建的用电优化控制模型和差异进化算法，有利于提高得到的用电控制指令的准确率，使得对工商业设备的智能用电优化控制更加准确，从而提高了工商业智能用电控制准确率。
在一个实施例中，如图1所示，提供了一种工商业智能用电控制系统，该系统包括：智能用电监测终端120和监测主站110，智能用电监测终端和监测主站之间通过无线网络连接，智能用电监测终端120还连接有各种工商业设备130；
智能用电监测终端120，用于采集各种工商业设备130的电能信息，并将各种工商业设备130的电能信息发送至监测主站110；
监测主站110，用于执行本申请任一项实施例所述的工商业智能用电控制方法。
需要说明的是，关于工商业智能用电控制方法的具体实施方式，参考上述相关的实施例，在此不再具体赘述。
上述工商业智能用电控制系统，通过利用各种工商业设备的调度模型、预先构建的用电优化控制模型和差异进化算法，有利于提高得到的用电控制指令的准确率，使得对工商业设备的智能用电优化控制更加准确，从而提高了工商业智能用电控制准确率。
应该理解的是，虽然图4、6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图4、6中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图7所示，提供了一种工商业智能用电控制装置，包括：接收模块710、输入模块720、处理模块730、生成模块740和发送模块750，其中：
接收模块710，用于接收智能用电监测终端采集的各种工商业设备的电能信息。
输入模块720，用于分别将各种工商业设备的电能信息输入对应的调度模型，得到各种工商业设备的调度量。
处理模块730，用于将各种工商业设备的调度量输入预先构建的用电优化控制模型，并通过差异进化算法指令对输入调度量的用电优化控制模型进行处理，得到各种工商业设备的用电控制信息。
生成模块740，用于根据各种工商业设备的用电控制信息，生成各种工商业设备的用电控制指令。
发送模块750，用于分别将各种工商业设备的用电控制指令发送至对应的工商业设备，以通过用电控制指令对相应的工商业设备的用电进行控制。
在一个实施例中，工商业智能用电控制装置还包括模型确定模块，用于分别获取各种工商业设备的设备类型；根据各种工商业设备的设备类型，查询预设的设备类型与调度模型的对应关系，得到各种工商业设备对应的调度模型。
在一个实施例中，工商业智能用电控制装置还包括关系确定模块，用于通过模型构建指令，构建各种设备类型的工商业设备的调度模型；各种设备类型的工商业设备至少包括分布式能源设备、储能设备和用电设备；根据各种设备类型的工商业设备的调度模型，构建设备类型和调度模型之间的对应关系，作为预设的设备类型与调度模型的对应关系。
在一个实施例中，生成模块740，还用于根据各种工商业设备的用电控制信息，查询预设的用电控制信息与用电控制指令的对应关系，得到各种工商业设备的用电控制指令。
在一个实施例中，工商业智能用电控制装置还包括信息发送模块，用于将工商业设备的电能信息输入预先训练的用电异常检测模型，得到工商业设备的电能信息的标签信息；若工商业设备的电能信息的标签信息为异常标签信息，则生成异常用电报警信息；将异常用电报警信息发送至对应的工商业设备。
在一个实施例中，工商业智能用电控制装置还包括信息显示模块，用于分别按照各种工商业设备的设备标识，将各种工商业设备的电能信息存储至预设数据库中；接收电能信息查询请求；电能信息查询请求中携带有目标设备标识；从预设数据库中获取目标设备标识的电能信息，并显示目标设备标识的电能信息。
关于工商业智能用电控制装置的具体限定可以参见上文中对于工商业智能用电控制方法的限定，在此不再赘述。上述工商业智能用电控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种工商业智能用电控制方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种工商业智能用电控制方法，其特征在于，应用于监测主站，所述方法包括：
接收智能用电监测终端采集的与所述智能用电监测终端连接的各种工商业设备的电能信息；
分别将所述各种工商业设备的电能信息输入对应的调度模型，得到所述各种工商业设备的调度量；所述调度模型包括分布式能源调度模型、储能设备调度模型和负荷调度模型；所述调度量是指参与调度的电力数据；
将所述各种工商业设备的调度量输入预先构建的用电优化控制模型，并通过差异进化算法指令对输入所述调度量的用电优化控制模型进行处理，得到所述各种工商业设备的用电控制信息；所述预先构建的用电优化控制模型包括以用户经济性为单目标构建的用电优化控制模型、和以节能为单目标构建的用电优化控制模型；所述差异进化算法指令是差异进化算法对应的指令，用于对输入调度量后的用电优化控制模型进行求解；
根据所述各种工商业设备的用电控制信息，生成所述各种工商业设备的用电控制指令；所述各种工商业设备的用电控制指令为所述各种工商业设备的用电控制信息对应的用电控制指令；
分别将所述各种工商业设备的用电控制指令发送至对应的工商业设备，以通过所述用电控制指令对相应的工商业设备的用电进行控制；
在分别将所述各种工商业设备的电能信息输入对应的调度模型，得到所述各种工商业设备的调度量之前，还包括：
分别获取各种工商业设备的设备类型；
根据所述各种工商业设备的设备类型，查询预设的设备类型与调度模型的对应关系，得到所述各种工商业设备对应的调度模型；
所述预设的设备类型与调度模型的对应关系通过下述方式得到：
通过模型构建指令，构建各种设备类型的工商业设备的调度模型；所述各种设备类型的工商业设备至少包括分布式能源设备、储能设备和用电设备；
根据所述各种设备类型的工商业设备的调度模型，构建设备类型和调度模型之间的对应关系，作为所述预设的设备类型与调度模型的对应关系。
2.根据权利要求1所述的方法，其特征在于，所述根据所述各种工商业设备的用电控制信息，生成所述各种工商业设备的用电控制指令，包括：
根据所述各种工商业设备的用电控制信息，查询预设的用电控制信息与用电控制指令的对应关系，得到所述各种工商业设备的用电控制指令。
3.根据权利要求1所述的方法，其特征在于，在接收智能用电监测终端采集的各种工商业设备的电能信息之后，还包括：
将所述工商业设备的电能信息输入预先训练的用电异常检测模型，得到所述工商业设备的电能信息的标签信息；
若所述工商业设备的电能信息的标签信息为异常标签信息，则生成异常用电报警信息；
将所述异常用电报警信息发送至对应的工商业设备。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：
分别按照所述各种工商业设备的设备标识，将所述各种工商业设备的电能信息存储至预设数据库中；
接收电能信息查询请求；所述电能信息查询请求中携带有目标设备标识；
从所述预设数据库中获取所述目标设备标识的电能信息，并显示所述目标设备标识的电能信息。
5.一种工商业智能用电控制装置，其特征在于，应用于监测主站，所述装置包括：
接收模块，用于接收智能用电监测终端采集的与所述智能用电监测终端连接的各种工商业设备的电能信息；
输入模块，用于分别将所述各种工商业设备的电能信息输入对应的调度模型，得到所述各种工商业设备的调度量；所述调度模型包括分布式能源调度模型、储能设备调度模型和负荷调度模型；所述调度量是指参与调度的电力数据；
处理模块，用于将所述各种工商业设备的调度量输入预先构建的用电优化控制模型，并通过差异进化算法指令对输入所述调度量的用电优化控制模型进行处理，得到所述各种工商业设备的用电控制信息；所述预先构建的用电优化控制模型包括以用户经济性为单目标构建的用电优化控制模型、和以节能为单目标构建的用电优化控制模型；所述差异进化算法指令是差异进化算法对应的指令，用于对输入调度量后的用电优化控制模型进行求解；
生成模块，用于根据所述各种工商业设备的用电控制信息，生成所述各种工商业设备的用电控制指令；所述各种工商业设备的用电控制指令为所述各种工商业设备的用电控制信息对应的用电控制指令；
发送模块，用于分别将所述各种工商业设备的用电控制指令发送至对应的工商业设备，以通过所述用电控制指令对相应的工商业设备的用电进行控制；
所述装置还包括模型确定模块，用于分别获取各种工商业设备的设备类型；根据所述各种工商业设备的设备类型，查询预设的设备类型与调度模型的对应关系，得到所述各种工商业设备对应的调度模型；
所述装置还包括关系确定模块，用于通过模型构建指令，构建各种设备类型的工商业设备的调度模型；所述各种设备类型的工商业设备至少包括分布式能源设备、储能设备和用电设备；根据所述各种设备类型的工商业设备的调度模型，构建设备类型和调度模型之间的对应关系，作为所述预设的设备类型与调度模型的对应关系。
6.根据权利要求5所述的装置，其特征在于，所述生成模块，还用于根据所述各种工商业设备的用电控制信息，查询预设的用电控制信息与用电控制指令的对应关系，得到所述各种工商业设备的用电控制指令。
7.根据权利要求5所述的装置，其特征在于，所述装置还包括信息发送模块，用于将所述工商业设备的电能信息输入预先训练的用电异常检测模型，得到所述工商业设备的电能信息的标签信息；若所述工商业设备的电能信息的标签信息为异常标签信息，则生成异常用电报警信息；将所述异常用电报警信息发送至对应的工商业设备。
8.一种工商业智能用电控制系统，其特征在于，所述系统包括：智能用电监测终端和监测主站，所述智能用电监测终端和所述监测主站之间通过无线网络连接，所述智能用电监测终端还连接有各种工商业设备；
所述智能用电监测终端，用于采集所述各种工商业设备的电能信息，并将所述各种工商业设备的电能信息发送至所述监测主站；
所述监测主站，用于执行权利要求1至4任一项所述的工商业智能用电控制方法。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。
CN202110620081.5A 2021-06-03 2021-06-03 工商业智能用电控制方法、装置、计算机设备和存储介质 Active CN113420910B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110620081.5A CN113420910B (zh) 2021-06-03 2021-06-03 工商业智能用电控制方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110620081.5A CN113420910B (zh) 2021-06-03 2021-06-03 工商业智能用电控制方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN113420910A CN113420910A (zh) 2021-09-21
CN113420910B true CN113420910B (zh) 2024-02-02

Family

ID=77713734

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110620081.5A Active CN113420910B (zh) 2021-06-03 2021-06-03 工商业智能用电控制方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN113420910B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104181900A (zh) * 2014-09-04 2014-12-03 徐雪松 一种多能源介质分层动态调控方法
CN105159093A (zh) * 2015-10-08 2015-12-16 国电南京自动化股份有限公司 基于模型自适应的微电网能量优化控制系统及其设计方法
CN106707778A (zh) * 2016-12-06 2017-05-24 长沙理工大学 一种基于模型预测控制的家庭综合能源智能优化管理系统
CN110838734A (zh) * 2019-11-25 2020-02-25 中国南方电网有限责任公司 新能源电力调度出力的确定方法、装置和计算机设备
CN110994694A (zh) * 2019-11-26 2020-04-10 国网江西省电力有限公司电力科学研究院 计及差异化需求响应的微电网源荷储协调优化调度方法
CN111342456A (zh) * 2020-03-18 2020-06-26 国网天津市电力公司电力科学研究院 一种台区能源系统建模方法及系统
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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150184549A1 (en) * 2013-12-31 2015-07-02 General Electric Company Methods and systems for enhancing control of power plant generating units

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104181900A (zh) * 2014-09-04 2014-12-03 徐雪松 一种多能源介质分层动态调控方法
CN105159093A (zh) * 2015-10-08 2015-12-16 国电南京自动化股份有限公司 基于模型自适应的微电网能量优化控制系统及其设计方法
CN106707778A (zh) * 2016-12-06 2017-05-24 长沙理工大学 一种基于模型预测控制的家庭综合能源智能优化管理系统
CN110838734A (zh) * 2019-11-25 2020-02-25 中国南方电网有限责任公司 新能源电力调度出力的确定方法、装置和计算机设备
CN110994694A (zh) * 2019-11-26 2020-04-10 国网江西省电力有限公司电力科学研究院 计及差异化需求响应的微电网源荷储协调优化调度方法
CN111342456A (zh) * 2020-03-18 2020-06-26 国网天津市电力公司电力科学研究院 一种台区能源系统建模方法及系统
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

Also Published As

Publication number Publication date
CN113420910A (zh) 2021-09-21

Similar Documents

Publication Publication Date Title
Lingmin et al. Energy flow optimization method for multi-energy system oriented to combined cooling, heating and power
CN110348709A (zh) 基于氢能与储能设备的多能源系统的运行优化方法和装置
JPWO2011105070A1 (ja) 需給制御装置、需給制御方法、およびプログラム
CN111144620A (zh) 一种考虑季节储氢的电氢综合能源系统及其鲁棒规划方法
CN112883560B (zh) 基于用户侧负荷削减响应的多能耦合供能网络的优化方法
CN108131722A (zh) 一种面向电网调峰的终端用户制冷行为自适应调控
Chen et al. Operation optimization of combined cooling, heating, and power superstructure system for satisfying demand fluctuation
Wang et al. A multi agent-based optimal control method for combined cooling and power systems with thermal energy storage
CN112053024A (zh) 一种基于城镇能源互联网双层协同架构的优化调度方法
CN115186791A (zh) 一种计及氢气交易的电氢热耦合多能互补微电网优化配置方法
Lv et al. Digital twins for secure thermal energy storage in building
Testasecca et al. Recent advances on data-driven services for smart energy systems optimization and pro-active management
Li et al. Optimization of dynamic dispatch for multiarea integrated energy system based on hierarchical learning method
Han et al. Waste heat reutilization and integrated demand response for decentralized optimization of data centers
Jia et al. Design optimization of energy systems for zero energy buildings based on grid-friendly interaction with smart grid
CN113885367A (zh) 一种楼宇能效管理控制系统及方法
CN113420910B (zh) 工商业智能用电控制方法、装置、计算机设备和存储介质
Chen et al. Flexible dispatching method for park‐level integrated energy systems considering energy cascade utilization
TWI441409B (zh) 電力監控系統
Xing et al. Multi-energy simulation and optimal scheduling strategy based on digital twin
Sadeghian et al. Active buildings: concept, definition, enabling technologies, challenges, and literature review
CN114091917A (zh) 冷热电联供型微电网动态环保经济调度方法及系统
Sharma et al. Energy Management Strategies of Hybrid Power System Under Varying Load Conditions-An Analysis
CN212808940U (zh) 一种具有需求响应能力的区域多能源供给系统
JP2004085509A (ja) エネルギーコスト評価システム及びエネルギーコスト評価方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20230404

Address after: Full Floor 14, Unit 3, Building 2, No. 11, Middle Spectra Road, Huangpu District, Guangzhou, Guangdong 510700

Applicant after: China Southern Power Grid Digital Grid Technology (Guangdong) Co.,Ltd.

Address before: Room 86, room 406, No.1, Yichuang street, Zhongxin Guangzhou Knowledge City, Huangpu District, Guangzhou City, Guangdong Province

Applicant before: Southern Power Grid Digital Grid Research Institute Co.,Ltd.

GR01 Patent grant
GR01 Patent grant