CN113468385B - 基于边缘处理端的能源梯度确定方法、装置及存储介质 - Google Patents

基于边缘处理端的能源梯度确定方法、装置及存储介质 Download PDF

Info

Publication number
CN113468385B
CN113468385B CN202110992388.8A CN202110992388A CN113468385B CN 113468385 B CN113468385 B CN 113468385B CN 202110992388 A CN202110992388 A CN 202110992388A CN 113468385 B CN113468385 B CN 113468385B
Authority
CN
China
Prior art keywords
energy
gradient
sub
value
type
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
CN202110992388.8A
Other languages
English (en)
Other versions
CN113468385A (zh
Inventor
王锋华
刑建旭
严华江
王伟峰
叶盛
章立宗
谷泓杰
张艺凡
车佳辰
叶李心
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 Zhejiang Electric Power Co Ltd
Marketing Service Center of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
State Grid Zhejiang Electric Power Co Ltd
Marketing Service Center of State Grid Zhejiang Electric Power 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 State Grid Zhejiang Electric Power Co Ltd, Marketing Service Center of State Grid Zhejiang Electric Power Co Ltd filed Critical State Grid Zhejiang Electric Power Co Ltd
Priority to CN202110992388.8A priority Critical patent/CN113468385B/zh
Publication of CN113468385A publication Critical patent/CN113468385A/zh
Application granted granted Critical
Publication of CN113468385B publication Critical patent/CN113468385B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于边缘处理端的能源梯度确定方法、装置及存储介质，预先在多个目标区域处分别设置边缘处理端，还包括以下步骤：获取目标区域的总能源数据，对总能源数据进行聚类处理分为多个子能源数据，子能源数据包括多个不同周期的能源信息，对第一子梯度、第二子梯度以及第三子梯度进行融合处理得到相应目标区域的融合梯度；将融合梯度发送至服务器，服务器根据不同目标区域的融合梯度进行处理以确定多个目标区域的总梯度信息。本发明根据多个类别的能源信息确定多个子梯度，能够在每个用能节点处进行边缘计算，将处理后的数据发送至处理服务器，使得处理服务器进行数据汇总、分析时数据量较少，效率较高，保证了整个系统的鲁棒性。

Description

基于边缘处理端的能源梯度确定方法、装置及存储介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于边缘处理端的能源梯度确定方法、装置及存储介质。
背景技术
边缘计算是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台。边缘计算与云计算互相协同，共同助力各行各业的数字化转型。它就近提供智能互联服务，满足行业在数字化变革过程中对业务实时、业务智能、数据聚合与互操作、安全与隐私保护等方面的关键需求。
能源是能够提供能量的资源。这里的能量通常指热能、电能、光能、机械能、化学能等。能源梯度是指在预设的维度，对能源的指标进行分类、比对，得到不同能源之间的梯度关系，通过梯度关系能够直观的反应出多个地区的能源需求情况。
现有技术在得到能源梯度时需要将各个地区的能源信息进行汇总，然后通过处理服务器进行统一处理，该种方式所获得的信息、数据量较大，使得处理服务器处理效率较低，所以亟需一种数据处理方式，结合边缘计算降低处理服务器的处理压力，提高处理效率。
发明内容
本发明实施例提供一种基于边缘处理端的能源梯度确定方法、装置及存储介质，能够在每个用能节点处进行边缘计算，对用能的数据、信息进行处理，将处理后的数据发送至处理服务器，使得处理服务器进行数据汇总、分析时数据量较少，效率较高，保证了整个电力系统的鲁棒性。
本发明实施例的第一方面，提供一种基于边缘处理端的能源梯度确定方法，预先在多个目标区域处分别设置边缘处理端，所述边缘处理端执行以下的信息获取处理步骤，包括：
获取目标区域的总能源数据，对所述总能源数据进行聚类处理分为多个子能源数据，所述子能源数据包括多个不同周期的能源信息；
根据多个类别的能源信息确定多个子梯度，通过以下公式对三个不同类别的能源信息的第一子梯度、第二子梯度以及第三子梯度进行融合处理得到相应目标区域的融合梯度，
其中，S为融合梯度的数值，为第一子梯度的数值，为第二子梯度的数值， 为第三子梯度的数值，x为换算系数，为上一时段的第一类能源均值，为上一时段的 第二类能源均值，为上一时段的第三类能源均值，为第一类能源的第一权重值， 为第一类能源的第二权重值，为第二类能源的第一权重值，为第二类能源的第二权 重值，为第三类能源的第一权重值，为第三类能源的第二权重值，、以及分别 为第i、m、n小时段处的第一类能源的使用值，、以及分别为第i、m、n小时段处的 第二类能源的使用值，、以及分别为第i、m、n小时段处的第三类能源的使用值；
将所述融合梯度发送至服务器，服务器根据不同目标区域的融合梯度进行处理以确定多个目标区域的总梯度信息。
可选地，在第一方面的一种可能实现方式中，将所述融合梯度发送至服务器以使服务器根据不同目标区域的融合梯度进行处理确定多个目标区域的总梯度信息包括：
统计所有目标区域的所有融合梯度，通过以下公式计算每个融合梯度在总梯度信息的占比，
其中，为第l个融合梯度在总梯度信息的占比，为第h个融合 梯度的数值，为第l个融合梯度的数值；
基于每个融合梯度在总梯度信息的占比生成柱状图和\或饼形图以对所述总梯度信息显示。
可选地，在第一方面的一种可能实现方式中，获取目标区域的总能源数据，对所述总能源数据进行聚类处理分为多个子能源数据包括：
基于类型维度对所述总能源数据进行分类为多个子能源数据；
基于时间周期维度对所述多个子能源数据分别进行处理得到每个子能源数据与其对应的能源信息。
可选地，在第一方面的一种可能实现方式中，根据多个类别的能源信息确定多个子梯度包括：
预先设置子梯度映射表，所述子梯度映射表中包括多个梯度阈值范围，以及与多个梯度阈值范围分别对应的多个子梯度；
判断多个能源信息分别所属的梯度阈值范围，获取与多个梯度阈值范围相对应的多个子梯度。
可选地，在第一方面的一种可能实现方式中，还包括：
服务器接收多个边缘处理端的第一类能源总量信息、第二类能源总量信息以及第三类能源总量信息；
服务器接基于所述第一类能源总量信息、第二类能源总量信息以及第三类能源总量信息在预设时间段内得到第一类能源均值、第二类能源均值以及第三类能源均值；
将最近时刻生成的第一类能源均值、第二类能源均值以及第三类能源均值分别发送至边缘处理端。
可选地，在第一方面的一种可能实现方式中，还包括：
获取每个目标区域内的用能属性，所述用能属性包括用户的类别以及每个类别所对应的数量；
将用户的类别分为商业类型、居民类型以及其他类型；
获取所述商业类型的用户的数量占比，基于所述数量占比确定第一类能源的第一权重值、第一类能源的第二权重值、第二类能源的第一权重值，第二类能源的第二权重值、第三类能源的第一权重值、第三类能源的第二权重值。
可选地，在第一方面的一种可能实现方式中，还包括：
预先设置权重值映射表，所述权重值映射表中包括多个权重阈值范围，以及与多个权重阈值范围分别对应的多个权重值；
判断多个数量占比分别所属的权重阈值范围，获取与多个权重阈值范围相对应的多个权重值。
可选地，在第一方面的一种可能实现方式中，接收调整信息，基于所述调整信息对所述权重阈值范围进行调整。
本发明实施例的第二方面，提供一种基于边缘处理端的能源梯度确定装置，预先在多个目标区域处分别设置边缘处理端，所述边缘处理端包括：
获取模块，用于获取目标区域的总能源数据，对所述总能源数据进行聚类处理分为多个子能源数据，所述子能源数据包括多个不同周期的能源信息；
融合处理模块，用于根据多个类别的能源信息确定多个子梯度，通过以下公式对三个不同类别的能源信息的第一子梯度、第二子梯度以及第三子梯度进行融合处理得到相应目标区域的融合梯度，
其中，S为融合梯度的数值，为第一子梯度的数值，为第二子梯度的数值， 为换算系数，为第三子梯度的数值，为上一时段的第一类能源均值，为上一时段的 第二类能源均值，为上一时段的第三类能源均值，为第一类能源的第一权重值， 第一类能源的第二权重值，为第二类能源的第一权重值，第二类能源的第二权重值，为第三类能源的第一权重值，第三类能源的第二权重值，、以及分别为第i、m、n小时段处的第一类能源的使用值，、以及分别为第i、m、n小时段处的第二类 能源的使用值，、以及分别为第i、m、n小时段处的第三类能源的使用值；
发送模块，用于将所述融合梯度发送至服务器以使服务器根据不同目标区域的融合梯度进行处理确定多个目标区域的总梯度信息。
本发明实施例的第三方面，提供一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现本发明第一方面及第一方面各种可能设计的所述方法。
本发明提供的一种基于边缘处理端的能源梯度确定方法、装置及存储介质，能够在每个目标区域、用能节点处预先配置边缘处理端，通过边缘处理端进行边缘计算，对用能的数据、信息进行处理，将处理后的数据发送至处理服务器，使得处理服务器进行数据汇总、分析时的数据量较少，效率较高，保证了整个电力系统的鲁棒性。并且，在此过程中直接统计了该区域的融合梯度，使得处理服务器在生成区域范围梯度时更加的快捷。
本发明提供的技术方案，在生成融合梯度时，会综合参考每个目标区域中能源的类型、用能的周期以及不同种类能源的权重，使得综合计算的目标区域的融合梯度包容性更强。并且在计算时，会通过统一的换算系数对每个目标区域内的值进行换算，使融合梯度为数值较小的标量值，方便后续处理服务器的计算。
本发明还会根据每个目标区域内用户的分类对不同种类的能源的权重进行调整，因为在实际的生产、生活中，每个目标区域内的用能组成都是不同的，居民类型为主导的目标区域用能量可能会低于商业类型为主导的目标区域用能量，所以本发明会充分考虑每个区域中用户的类型来得到不同的权重，使得到的融合梯度更贴近于相应的目标区域。
本发明可通过边缘处理端对每个目标区域在一个周期内进行能源信息的统计，并且能够计算每个目标区域的融合梯度，处理服务器可以根据每个目标区域的融合梯度对每个目标区域内用能的变化情况进行直观的观看，并且可以结合柱状图、饼形图对多个目标区域的用能变化情况直接显示，方便管理员、用户观看。
附图说明
图1为基于边缘处理端的能源梯度确定方法的第一种实施方式的流程图；
图2为基于边缘处理端的能源梯度确定装置的第一种实施方式的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解，在本发明中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。
取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
本发明提供一种基于边缘处理端的能源梯度确定方法，预先在多个目标区域处分别设置边缘处理端，所述边缘处理端执行以下的信息获取处理步骤，如图1所述其流程图，包括：
步骤S110、获取目标区域的总能源数据，对所述总能源数据进行聚类处理分为多个子能源数据，所述子能源数据包括多个不同周期的能源信息。目标区域可以是一个区、一个镇、一个县、一个园区等等，本发明会统计每个目标区域内的总能源数据。
总能源数据可以是不同维度的数据，例如总能源数据可以包括市电能、太阳能、风能等等，此时子能源数据即可能是市电能、太阳能、风能等等。也可以认为总能源数据是电能、太阳能或者是风能中的任意一种或多种，则此时子能源数据可能是电压、电流以电功率中的任意一种或多种。本发明中的总能源数据、每个子能源数据都是存在多种可能的，本发明对于总能源数据、子能源数据的具体信息不做任何限定。
其中，步骤S110包括：
基于类型维度对所述总能源数据进行分类为多个子能源数据。当总能源数据分别包括市电能、太阳能以及风能时，此时按照能源的来源维度进行分类，将电能、太阳能以及风能划分为不同的子能源数据。当总能源数据仅为市电能时，此时子能源数据可能是电压、电流以及功率。本发明对于适用场景并不做限定。
基于时间周期维度对所述多个子能源数据分别进行处理得到每个子能源数据与其对应的能源信息。以总能源是市电为例，在实际的生产、生活中，白日和夜晚中电能的费用都是不同的，每个目标区域的电能的需求量也是不同的，所以本发明会根据时间的周期对能源信息进行分类。
步骤S120、根据多个类别的能源信息确定多个子梯度，对三个不同类别的能源信息的第一子梯度、第二子梯度以及第三子梯度进行融合处理得到相应目标区域的融合梯度。
在步骤S120中，包括：
预先设置子梯度映射表，所述子梯度映射表中包括多个梯度阈值范围，以及与多个梯度阈值范围分别对应的多个子梯度。本发明的一种实施方式中，子梯度的值可以是预先设置的，例如说7、10、15等等。能源信息可以包括电压值、电流值、功率值、用电度数等等。梯度阈值范围可以是10KV至20KV，梯度阈值范围可以是100A至200A，100KW至20KW、100度至200度，当电压值、电流值、功率值以及用电度数在相应的阈值范围内时，则得到相应的子梯度。
判断多个能源信息分别所属的梯度阈值范围，获取与多个梯度阈值范围相对应的多个子梯度。本发明会将能源信息的值与梯度阈值进行比对，选定相应的子梯度。
在判断能源信息时，能源信息可以是两个不同时间段的能源使用值的差值，将该差值分别与梯度阈值范围进行比对得到多个子梯度。
通过以下公式对三个不同类别的能源信息的第一子梯度、第二子梯度以及第三子梯度进行融合处理得到相应目标区域的融合梯度；
其中，S为融合梯度的数值，为第一子梯度的数值，为第二子梯度的数值， 为第三子梯度的数值，x为换算系数，为上一时段的第一类能源均值，为上一时段的 第二类能源均值，为上一时段的第三类能源均值，为第一类能源的第一权重值， 为第一类能源的第二权重值，为第二类能源的第一权重值，为第二类能源的第二权 重值，为第三类能源的第一权重值，为第三类能源的第二权重值，、以及分别 为第i、m、n小时段处的第一类能源的使用值，、以及分别为第i、m、n小时段处的 第二类能源的使用值，、以及分别为第i、m、n小时段处的第三类能源的使用值。
其中，为晚上18:00至凌晨5：59中第一类能源的使用值，为凌晨6:00至晚上17:59中第一类能源的使用值，本发明中的i、m以及n分别为时 间，每个数字代表以其为小时开头的所有时间，例如说为第5时段处的第一类能源的使用 值，第5时段包括从5：00：00至5：59：59的时间段。第二类能源以及第三类能源的使用值的计 算方式与第一类能源的使用值的计算方式相似，故不再进行赘述。本发明在计算梯度值时， 会充分考虑每种类型能源的使用量、使用值，使得计算的融合梯度参考维度较多，更加的准 确。
此时，第一类能源可以认为是市电能、第二类能源可以认为是风能、第三类能源可以认为是太阳能。本发明可以根据不同种类能源所消耗或提供的电能来得到每种能源的子梯度。例如说一个目标区域，其风能消耗较多，则风能的子梯度值可能就更高。
第一类能源也可以认为是电流、第二类能源也可以认为是电压、第三类能源也可以认为是功率。
由于每个时间段的用电需求都是不同的，例如说在凌晨，商业用电较多、居民用电较少。所以，本发明会根据时间周期来分别统计不同能源在不同时间段的用电量，根据不用时间段、时间周期加以不同的权重。使得本发明在得到融合梯度时，可以综合考虑商业用电、居民用电的不同需求。使得多个目标区域在进行比对、得到总梯度信息时，使得多个目标区域更具有可比性。
在一个可能的实施方式中，本发明还包括：
获取每个目标区域内的用能属性，所述用能属性包括用户的类别以及每个类别所对应的数量。
将用户的类别分为商业类型、居民类型以及其他类型。
如上所述，本发明需要综合考虑用电、用能的用户情况。例如说一个目标区域内有一百个小区，另一个目标区域有50个工厂，则50个工厂的用电量可能与一百个小区相同，如果单纯的对比用电量并无法得到该地实际的用电需求以及用电的参数梯度，换句话说，50个工厂的停止供电可能会造成一些经济损失，但是100个小区停电则可能会造成严重的生活影响，所以在计算每个目标区域的融合梯度时，本发明会将居民类型的用电、用能的权重调高。
获取所述商业类型的用户的数量占比，基于所述数量占比确定第一类能源的第一权重值、第一类能源的第二权重值、第二类能源的第一权重值，第二类能源的第二权重值、第三类能源的第一权重值、第三类能源的第二权重值。
本发明会综合确定用户的数量占比来得到不同的权重值的数值。
在一个可能的实施方式中，还包括：
预先设置权重值映射表，权重值映射表中包括多个权重阈值范围，以及与多个权重阈值范围分别对应的多个权重值。权重阈值范围可以是0.2至0.3、0.5至0.8等等，但是每个权重阈值范围之间是不具有重合范围的。
判断多个数量占比分别所属的权重阈值范围，获取与多个权重阈值范围相对应的多个权重值。例如说，权重阈值范围为0.2至0.3时的权重值为10，权重阈值范围为0.5至0.8时的权重值为20等等。
其中社区的数量占比=社区的数量/（社区的数量+工厂的数量），本发明在计算数量占比时，可能会给社区的数量和工厂的数量添加不同的权重值。使得数量占比更加符合相应的目标区域的实际情况。
本发明可以对权重阈值范围进行调整，即接收调整信息，基于所述调整信息对所述权重阈值范围进行调整。调整信息可以是管理员主动输入。
步骤S130、将所述融合梯度发送至服务器，服务器根据不同目标区域的融合梯度进行处理以确定多个目标区域的总梯度信息。
其中，步骤S130包括：
统计所有目标区域的所有融合梯度，通过以下公式计算每个融合梯度在总梯度信息的占比，包括：
其中，为第l个融合梯度在总梯度信息的占比，为第h个融合 梯度的数值，为第l个融合梯度的数值；
基于每个融合梯度在总梯度信息的占比生成柱状图和/或饼形图以对所述总梯度信息显示。
本发明的融合梯度需要在服务端处进行计算，服务端即本发明中所说的处理服务器，本发明中的处理服务器分别与多个边缘处理端连接，处理服务器分别接收边缘处理端发送的数据、信息。本发明会在得到各个目标区域的融合梯度后发送至处理服务器，处理服务器会根据各个目标区域的融合梯度进行综合计算，得到个融合梯度在总梯度信息的占比，并将占比进行显示。
本发明在对占比进行显示时，会以柱状图和/或饼形图的方式显示，方便管理员、工作人员查看各个目标区域的用电梯度。
在一个可能的实施方式总，还包括：
服务器接收多个边缘处理端的第一类能源总量信息、第二类能源总量信息以及第三类能源总量信息；
服务器接基于所述第一类能源总量信息、第二类能源总量信息以及第三类能源总量信息在预设时间段内得到第一类能源均值、第二类能源均值以及第三类能源均值；
将最近时刻生成的能源均值分别发送至边缘处理端以使边缘处理端后续的数据处理。
本发明在计算能源均值时，会接收各个边缘处理端的第一类能源总量信息、第二类能源总量信息以及第三类能源总量信息进行计算，数据分析、处理量较少，方便快捷。
本发明可通过边缘处理端对每个目标区域在一个周期内进行能源信息的统计，并且能够计算每个目标区域的融合梯度，处理服务器可以根据每个目标区域的融合梯度对每个目标区域内用能的变化情况进行直观的观看，并且可以结合柱状图、饼形图对多个目标区域的用能变化情况直接显示，方便管理员、用户观看。
本发明还提供一种基于边缘处理端的能源梯度确定装置，如图2所示，预先在多个目标区域处分别设置边缘处理端，所述边缘处理端包括：
获取模块，用于获取目标区域的总能源数据，对所述总能源数据进行聚类处理分为多个子能源数据，所述子能源数据包括多个不同周期的能源信息；
融合处理模块，用于根据多个类别的能源信息确定多个子梯度，通过以下公式对三个不同类别的能源信息的第一子梯度、第二子梯度以及第三子梯度进行融合处理得到相应目标区域的融合梯度，
其中，S为融合梯度的数值，为第一子梯度的数值，为第二子梯度的数值， 为换算系数，为第三子梯度的数值，为上一时段的第一类能源均值，为上一时段的 第二类能源均值，为上一时段的第三类能源均值，为第一类能源的第一权重值， 第一类能源的第二权重值，为第二类能源的第一权重值，第二类能源的第二权重值，为第三类能源的第一权重值，第三类能源的第二权重值，、以及分别为第i、m、n小时段处的第一类能源的使用值，、以及分别为第i、m、n小时段处的第二类 能源的使用值，、以及分别为第i、m、n小时段处的第三类能源的使用值；
发送模块，用于将所述融合梯度发送至服务器，服务器根据不同目标区域的融合梯度进行处理以确定多个目标区域的总梯度信息。
其中，存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application SpecificIntegrated Circuits，简称：ASIC)中。另外，该ASIC可以位于用户设备中。当然，处理器和可读存储介质也可以作为分立组件存在于通信设备中。可读存储介质可以是只读存储器（ROM）、随机存取存储器（RAM）、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。设备的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
在上述终端或者服务器的实施例中，应理解，处理器可以是中央处理单元（英文：Central Processing Unit，简称：CPU），还可以是其他通用处理器、数字信号处理器（英文：Digital Signal Processor，简称：DSP）、专用集成电路（英文：Application SpecificIntegrated Circuit，简称：ASIC）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。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.基于边缘处理端的能源梯度确定方法，其特征在于，预先在多个目标区域处分别设置边缘处理端，所述边缘处理端执行以下的信息获取处理步骤，包括：
获取目标区域的总能源数据，对所述总能源数据进行聚类处理分为多个子能源数据，所述子能源数据包括多个不同周期的能源信息；
根据多个类别的能源信息确定多个子梯度，通过以下公式对三个不同类别的能源信息的第一子梯度、第二子梯度以及第三子梯度进行融合处理得到相应目标区域的融合梯度，
其中，s为融合梯度的数值，为第一子梯度的数值，/>为第二子梯度的数值，/>为第三子梯度的数值，/>为换算系数，/>为上一时段的第一类能源均值，/>为上一时段的第二类能源均值，/>为上一时段的第三类能源均值，/>为第一类能源的第一权重值，/>为第一类能源的第二权重值，/>为第二类能源的第一权重值，/>为第二类能源的第二权重值，为第三类能源的第一权重值，/>为第三类能源的第二权重值，/>、/>以及/>分别为第i、m、n小时段处的第一类能源的使用值，/>、/>以及/>分别为第i、m、n小时段处的第二类能源的使用值，/>、/>以及/>分别为第i、m、n小时段处的第三类能源的使用值；
将所述融合梯度发送至服务器，服务器根据不同目标区域的融合梯度进行处理以确定多个目标区域的总梯度信息。
2.根据权利要求1所述的基于边缘处理端的能源梯度确定方法，其特征在于，
将所述融合梯度发送至服务器，服务器根据不同目标区域的融合梯度进行处理以确定多个目标区域的总梯度信息包括：
统计所有目标区域的所有融合梯度，通过以下公式计算每个融合梯度在总梯度信息的占比，
其中，为第l个融合梯度在总梯度信息的占比，/>为第h个融合梯度的数值，/>为第l个融合梯度的数值；
基于每个融合梯度在总梯度信息的占比生成柱状图和\或饼形图以对所述总梯度信息显示。
3.根据权利要求1所述的基于边缘处理端的能源梯度确定方法，其特征在于，
获取目标区域的总能源数据，对所述总能源数据进行聚类处理分为多个子能源数据包括：
基于类型维度对所述总能源数据进行分类为多个子能源数据；
基于时间周期维度对所述多个子能源数据分别进行处理得到每个子能源数据与其对应的能源信息。
4.根据权利要求3所述的基于边缘处理端的能源梯度确定方法，其特征在于，
根据多个类别的能源信息确定多个子梯度包括：
预先设置子梯度映射表，所述子梯度映射表中包括多个梯度阈值范围，以及与多个梯度阈值范围分别对应的多个子梯度；
判断多个能源信息分别所属的梯度阈值范围，获取与多个梯度阈值范围相对应的多个子梯度。
5.根据权利要求3所述的基于边缘处理端的能源梯度确定方法，其特征在于，还包括：
服务器接收多个边缘处理端的第一类能源总量信息、第二类能源总量信息以及第三类能源总量信息；
服务器接收基于所述第一类能源总量信息、第二类能源总量信息以及第三类能源总量信息在预设时间段内得到第一类能源均值、第二类能源均值以及第三类能源均值；
将最近时刻生成的第一类能源均值、第二类能源均值以及第三类能源均值分别发送至边缘处理端。
6.根据权利要求1所述的基于边缘处理端的能源梯度确定方法，其特征在于，还包括：
获取每个目标区域内的用能属性，所述用能属性包括用户的类别以及每个类别所对应的数量；
将用户的类别分为商业类型、居民类型以及其他类型；
获取所述商业类型的用户的数量占比，基于所述数量占比确定第一类能源的第一权重值、第一类能源的第二权重值、第二类能源的第一权重值，第二类能源的第二权重值、第三类能源的第一权重值、第三类能源的第二权重值。
7.根据权利要求6所述的基于边缘处理端的能源梯度确定方法，其特征在于，还包括：
预先设置权重值映射表，所述权重值映射表中包括多个权重阈值范围，以及与多个权重阈值范围分别对应的多个权重值；
判断多个数量占比分别所属的权重阈值范围，获取与多个权重阈值范围相对应的多个权重值。
8.根据权利要求7所述的基于边缘处理端的能源梯度确定方法，其特征在于，
接收调整信息，基于所述调整信息对所述权重阈值范围进行调整。
9.基于边缘处理端的能源梯度确定装置，其特征在于，预先在多个目标区域处分别设置边缘处理端，所述边缘处理端包括：
获取模块，用于获取目标区域的总能源数据，对所述总能源数据进行聚类处理分为多个子能源数据，所述子能源数据包括多个不同周期的能源信息；
融合处理模块，用于根据多个类别的能源信息确定多个子梯度，通过以下公式对三个不同类别的能源信息的第一子梯度、第二子梯度以及第三子梯度进行融合处理得到相应目标区域的融合梯度，
其中，S为融合梯度的数值，为第一子梯度的数值，/>为第二子梯度的数值，/>为换算系数，/>为第三子梯度的数值，/>为上一时段的第一类能源均值，/>为上一时段的第二类能源均值，/>为上一时段的第三类能源均值，/>为第一类能源的第一权重值，/>第一类能源的第二权重值，/>为第二类能源的第一权重值，/>第二类能源的第二权重值，/>为第三类能源的第一权重值，/>第三类能源的第二权重值，/>、/>以及/>分别为第i、m、n小时段处的第一类能源的使用值，/>、/>以及/>分别为第i、m、n小时段处的第二类能源的使用值，/>、/>以及/>分别为第i、m、n小时段处的第三类能源的使用值；
发送模块，用于将所述融合梯度发送至服务器以使服务器根据不同目标区域的融合梯度进行处理确定多个目标区域的总梯度信息。
10.存储介质，其特征在于，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现权利要求1至8任一所述的方法。
CN202110992388.8A 2021-08-27 2021-08-27 基于边缘处理端的能源梯度确定方法、装置及存储介质 Active CN113468385B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110992388.8A CN113468385B (zh) 2021-08-27 2021-08-27 基于边缘处理端的能源梯度确定方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110992388.8A CN113468385B (zh) 2021-08-27 2021-08-27 基于边缘处理端的能源梯度确定方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN113468385A CN113468385A (zh) 2021-10-01
CN113468385B true CN113468385B (zh) 2023-09-19

Family

ID=77867002

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110992388.8A Active CN113468385B (zh) 2021-08-27 2021-08-27 基于边缘处理端的能源梯度确定方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN113468385B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115002163B (zh) * 2022-06-20 2023-03-24 北京北投生态环境有限公司 基于物联网的环境检测方法、装置、设备及存储介质
CN115577862B (zh) * 2022-12-07 2023-04-14 国网浙江省电力有限公司 基于多能协同的能源数据规划处理方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019153735A1 (zh) * 2018-02-11 2019-08-15 华为技术有限公司 数据处理方法、装置和系统
CN112035258A (zh) * 2020-08-31 2020-12-04 中国平安财产保险股份有限公司 数据处理方法、装置、电子设备及介质
CN112776650A (zh) * 2020-12-28 2021-05-11 山东鲁能软件技术有限公司智能电气分公司 一种多元融合感知智能充电系统及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100332373A1 (en) * 2009-02-26 2010-12-30 Jason Crabtree System and method for participation in energy-related markets

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019153735A1 (zh) * 2018-02-11 2019-08-15 华为技术有限公司 数据处理方法、装置和系统
CN112035258A (zh) * 2020-08-31 2020-12-04 中国平安财产保险股份有限公司 数据处理方法、装置、电子设备及介质
CN112776650A (zh) * 2020-12-28 2021-05-11 山东鲁能软件技术有限公司智能电气分公司 一种多元融合感知智能充电系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
阶梯电价机制下居民用电中期负载预测研究;蔡秀雯;王铮;傅馨;曾晓军;冷钢;;电气应用(04);全文 *

Also Published As

Publication number Publication date
CN113468385A (zh) 2021-10-01

Similar Documents

Publication Publication Date Title
CN113468385B (zh) 基于边缘处理端的能源梯度确定方法、装置及存储介质
WO2023116385A1 (zh) 电源设备识别方法、电子设备及储能设备
CN111339297B (zh) 网络资产异常检测方法、系统、介质和设备
CN113267692A (zh) 一种低压台区线损智能诊断分析方法和系统
CN109634942A (zh) 一种用能数据异常判断方法及装置
CN112232863B (zh) 一种基于云边端协同的虚拟资源管理方法及系统
CN109241190A (zh) 电力大数据混合计算架构
CN110909786A (zh) 一种基于特性指标与决策树模型的新装用户负荷辨识方法
CN111652485A (zh) 一种基于大数据平台的新能源数据采集分析系统
CN113884734B (zh) 一种非侵入式用电异常诊断方法及装置
CN112395370B (zh) 一种数据处理方法、装置、设备和存储介质
CN108898190A (zh) 一种基于环保大数据的环境监测预警方法及系统
Guo et al. Personalized home BESS recommender system based on neural collaborative filtering
Yang et al. An electricity data cluster analysis method based on SAGA-FCM algorithm
CN114780860B (zh) 基于多维大数据融合汇聚的自主决策方法
CN115549109A (zh) 海量柔性负荷快速聚合控制方法及装置
CN115858672A (zh) 电力终端管理方法、装置、电子设备及存储介质
CN112788592B (zh) 添加唤醒时间的数据发送处理方法
CN114610758A (zh) 基于数据仓库的数据处理方法、装置、可读介质及设备
CN112001759A (zh) 仓库价格数据预测方法、装置、电子设备和可读存储介质
CN110610328A (zh) 一种直流微电网多维运行评估方法
CN116540990B (zh) 基于嵌入式实现电子产品的代码集成方法及装置
CN113556376B (zh) 一种设备监控方法、系统及设备
CN116859322B (zh) 基于智能量测终端的电能表计量误差监测方法
Yan et al. Shared Nearest Neighbor Density Peak Clustering based Methodology for Energy Consumer Behavior Classification

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