CN113919572A - 一种负荷预测方法、装置及系统 - Google Patents
一种负荷预测方法、装置及系统 Download PDFInfo
- Publication number
- CN113919572A CN113919572A CN202111198212.1A CN202111198212A CN113919572A CN 113919572 A CN113919572 A CN 113919572A CN 202111198212 A CN202111198212 A CN 202111198212A CN 113919572 A CN113919572 A CN 113919572A
- Authority
- CN
- China
- Prior art keywords
- electric equipment
- energy consumption
- regulation
- data
- consumption data
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000005265 energy consumption Methods 0.000 claims abstract description 152
- 238000012544 monitoring process Methods 0.000 claims abstract description 77
- 238000004458 analytical method Methods 0.000 claims abstract description 53
- 238000011217 control strategy Methods 0.000 claims description 32
- 230000005611 electricity Effects 0.000 claims description 32
- 238000004422 calculation algorithm Methods 0.000 claims description 28
- 230000004044 response Effects 0.000 claims description 26
- 230000002159 abnormal effect Effects 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 8
- 238000007726 management method Methods 0.000 description 27
- 238000004891 communication Methods 0.000 description 21
- 230000001105 regulatory effect Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004128 high performance liquid chromatography Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241000282672 Ateles sp. Species 0.000 description 1
- 238000003723 Smelting Methods 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—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
-
- 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
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Quality & Reliability (AREA)
- Mathematical Optimization (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Primary Health Care (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请公开了一种负荷预测方法、装置及系统,获得各用电设备的监测数据,对监测数据进行分析,确定用电设备的当前能耗数据,基于用电设备的当前能耗数据预测用电设备在当前时刻之后的预测时长内的预测能耗数据,基于预测能耗数据及历史数据生成设备调控方式,基于调控方式实现对用电设备的调控。本方案通过实时获得对各用电设备的监测,从而实现对每个用电设备能耗数据的分析,以便于及时对各用电设备的能耗进行预测,这就使得本方案所公开的负荷预测方法所基于的装置或系统能够同时对多个用电设备的能耗进行预测,保证了能效需求的确定,同时能够基于预测提前进行调控,避免由于预测不准确而导致经济损失。
Description
技术领域
本申请涉及能源领域,尤其涉及一种负荷预测方法、装置及系统。
背景技术
随着全球能源互联网建设的推进,大规模可再生新型能源发电技术不断提高,多种类用电负荷持续增多。
负荷种类的增多为电网带来了新的问题,如:负荷参数的大规模随机动态波动会导致负荷预测精确度降低,从而影响基于电价套餐的电费测算,给供用双方带来巨大的经济损失。
发明内容
有鉴于此,本申请提供一种负荷预测方法、装置及系统,其具体方案如下:
一种负荷预测方法,包括:
获得各用电设备的监测数据;
对所述监测数据进行分析,确定所述用电设备的当前能耗数据;
基于所述用电设备的当前能耗数据预测所述用电设备在当前时刻之后的预设时长内的预测能耗数据;基于所述预测能耗数据及历史数据生成设备调控方式;
基于所述调控方式实现对所述用电设备的调控。
进一步的,所述基于所述用电设备的当前能耗数据预测所述用电设备在当前时刻之后的预设时长内的预测能耗数据,包括:
确定所述用电设备的负荷类型,确定与所述负荷类型匹配的负荷预测算法;
基于所述当前能耗数据通过所述负荷预测算法预测所述用电设备在当前时刻之后的预设时长内的预测能耗数据。
进一步的,所述基于所述预测能耗数据及历史数据生成设备调控方式,包括:
确定所述用电设备的历史用电数据及所述用电设备的负荷配置文件;
基于所述预测能耗数据、历史用电数据及负荷配置文件通过与所述用电设备匹配的负荷预测算法的数据训练确定设备调控方式。
进一步的,还包括:
通过对所述监测数据及所述用电设备的性能分析,确定所述用电设备是否存在用电异常,以便于能够对出现用电异常的用电设备进行预测能耗数据的预测;
或,
确定所述用电设备是否为第一类型用电设备;
若所述用电设备为第一类型用电设备,通过对所述用电设备的监测数据及所述用电设备的性能分析,确定所述用电设备是否存在用电异常,以便于能够对出现用电异常的第一类型的用电设备进行预测能耗数据的预测。
进一步的,还包括:
将针对所述用电设备的调控方式发送至云端服务器;
获得所述云端服务器针对所述调控方式的调控指令,以便于基于所述调控指令实施所述调控方式,以实现对所述用电设备的调控。
进一步的,所述基于所述调控方式实现对所述用电设备的调控,包括:
调用预设引擎的外接接口,对所述预设引擎进行初始化;
根据所述预设的控制策略基于云端服务器反馈的所述设备调控指令选取相应的控制脚本文件;
执行所述控制脚本文件。
一种负荷预测装置,包括:
多能源采集模块,用于获得各用电设备的监测数据;
能效分析模块,用于对所述监测数据进行分析,确定所述用电设备的当前能耗数据;
需求响应分析管理模块,用于基于所述用电设备的当前能耗数据预测所述用电设备在当前时刻之后的预设时长内的预测能耗数据;基于所述预测能耗数据及历史数据生成设备调控方式;
控制策略运行管理模块,用于基于所述调控方式实现对所述用电设备的调控。
进一步的,所述需求响应分析管理模块用于:
确定所述用电设备的负荷类型,确定与所述负荷类型匹配的负荷预测算法;基于所述当前能耗数据通过所述负荷预测算法预测所述用电设备在当前时刻之后的预设时长内的预测能耗数据。
进一步的,所述能效分析模块还用于:
通过对所述监测数据及所述用电设备的性能分析,确定所述用电设备是否存在用电异常,以便于能够对出现用电异常的用电设备进行预测能耗数据的预测;
或,
确定所述用电设备是否为第一类型用电设备;若所述用电设备为第一类型用电设备,通过对所述用电设备的监测数据及所述用电设备的性能分析,确定所述用电设备是否存在用电异常,以便于能够对出现用电异常的第一类型的用电设备进行预测能耗数据的预测。
一种负荷预测系统,包括:
多个用电设备;
智能电表,用于获得所述用电设备的监测数据;
负荷预测装置,用于获得各用电设备的监测数据;对所述监测数据进行分析,确定所述用电设备的当前能耗数据;基于所述用电设备的当前能耗数据预测所述用电设备在当前时刻之后的预设时长内的预测能耗数据;基于所述预测能耗数据及历史数据生成设备调控方式;基于所述调控方式实现对所述用电设备的调控。
从上述技术方案可以看出,本申请公开的负荷预测方法、装置及系统,获得各用电设备的监测数据,对监测数据进行分析,确定用电设备的当前能耗数据,基于用电设备的当前能耗数据预测用电设备在当前时刻之后的预测时长内的预测能耗数据,基于预测能耗数据及历史数据生成设备调控方式,基于调控方式实现对用电设备的调控。本方案通过实时获得对各用电设备的监测,从而实现对每个用电设备能耗数据的分析,以便于及时对各用电设备的能耗进行预测,这就使得本方案所公开的负荷预测方法所基于的装置或系统能够同时对多个用电设备的能耗进行预测,保证了能效需求的确定,同时能够基于预测提前进行调控,避免由于预测不准确而导致经济损失。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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为本申请实施例公开的一种负荷预测方法的流程图;
图2为本申请实施例公开的一种基于能源路由器实现的负荷预测方法的系统架构示意图;
图3为本申请实施例公开的一种能源路由器的硬件总体架构的示意图;
图4为本申请实施例公开的一种负荷预测方法的流程图;
图5为本申请实施例公开的一种负荷预测算法的预测流程图;
图6为本申请实施例公开的一种需求响应分析管理模块的结构示意图;
图7为本申请实施例公开的一种负荷预测方法的流程图;
图8为本申请实施例公开的一种负荷预测装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请公开了一种负荷预测方法,其流程图如图1所示,包括:
步骤S11、获得各用电设备的监测数据;
步骤S12、对监测数据进行分析,确定用电设备的当前能耗数据;
步骤S13、基于用电设备的当前能耗数据预测用电设备在当前时刻之后的预设时长内的预测能耗数据,基于预测能耗数据及历史数据生成设备调控方式;
步骤S14、基于调控方式实现对用电设备的调控。
目前多种类用电负荷持续增多,这就为电网带来新的问题,如:负荷参数的大规模随机动态波动,会导致负荷预测精度降低,进而影响基于电价套餐的电费测算,给供用电双方带来巨大的经济损失。
为了解决这一问题,本方案中通过负荷预测装置对各用电设备进行监测,以获得监测数据,并对监测到的数据进行分析,从而预测出每个用电设备在当前时刻之后的预测时长内的预测能耗数据,并能够进一步基于预测能耗数据确定是否需要调控,以便于在需要调控时,实现对用电设备的调控。
其中,负荷预测装置即能源路由器。
能源路由器具备数据采集、数据从存储、数据分析、状态检测、动态控制和双向通信等功能,硬件部分采用平台化设计,实现底层硬件、操作系统和应用层软件双向解耦,软件部分通过研制采集控制一体化APP实现多种功能的灵活配置,为综合能源服务业务运营提供核心业务设备支撑。
能源路由器设置于端侧设备和云平台之间,能够满足配电和营销两大专业的业务需求。
其中,基于能源路由器实现的负荷预测方法的系统架构如图2所示,包括:
云平台或主站系统21,能源路由器22,多个智能电表23,每个智能电表分别对应一个用电设备24。
根据智能电表通信方式的不同,能源路由器与各分支路的智能电表可通过相应的通信模块进行通信,如:通过HPLC通信模块、4G通信模块、RS485通信模块或LoRa通信模块。能源路由器通过MQTT协议与助战之间进行数据传输。
其中,能源路由器使用安全芯片驱动,具有安全模组,支持4G远程通信、HPLC微功率无线通信和RS485本地通信,能源路由器的硬件总体架构如图3所示,包括:主设备及扩展自身,主设备中包括HPLC单相模块、4G模块、以太网接口、电源模块、CPU核心模组、HPLC主模块、RS485通信模块、M-Bus通信模块、LoRa通信模块等,扩展子模块中包括:实时处理器模块,遥信模块、遥测模块、遥控模块、遥调模块等。
能源路由器主要具备多能源采集、能效分析、需求响应分析管理和控制策略运行管理四个功能模块。
能源路由器的多能源采集模块用于获得各用电设备的监测数据,分别通过不同的智能电表获得相应的用电设备的相关数据。其具体能够对多能源设备和系统的数据进行采集、存储、冻结和上报等操作的能力,从而满足需求侧管理及能效提升的要求。
其中,监测数据至少包括:用电参数、热力参数、燃气参数、给水数据参数、环境参数、空调数据、热泵机组和回水管道等数据。
能源路由器的多能源采集模块在分别获得不同的用电设备的监测数据后,分别进行存储,同时可将其存储的相关数据直接发送给云端服务器,即云平台或主站系统。
能源路由器的能效分析模块用于对监测数据进行分析,确定用电设备的当前能耗数据。其主要通过读取数据库中的数据,分析总结用电设备的用电情况,对标数据库,评估用户用能情况。
进一步的,能耗分析模块还用于:通过对监测数据及用电设备的性能分析,确定用电设备是否存在用电异常,以便于能够对用电异常的用电设备进行预测能耗数据的预测。
能耗分析模块能够对所有的用电设备进行分析,以确定每一个用电设备是否存在用电异常,若确定有存在异常的用电设备,则继续对该用电设备的能耗数据进行预测;或者,可以在检测到存在异常的用电设备的数量达到一定阈值时,对这些存在异常的用电设备的能耗数据进行预测。
其中,能耗分析模块通过对监测数据的分析,实现用电设备的用能异常分析功能,具备节能潜力分析功能和能效提升辅助决策功能;并且,还能够识别上下级平台下发的能耗分析指令并基于该指令开展作业,其中包括:整体系统能耗分析,供能、输配和储能等子系统能耗分析以及关键设备能耗分析。
能耗分析模块确定用电设备是否出现异常,可以为:通过对用电设备的用电数据的汇总统计及各种多维度分析,包括设备实时能耗数据分析、用户历史能耗数据分析、综合性能能耗统计分析以及用电设备分类解析,以确定该用电设备是否存在异常。
例如:比较用电设备的当前监测数据以及该用电设备在历史记录中与当前时段匹配的时刻的监测数据,确定当前监测数据与历史记录中匹配时刻的监测数据之间的差值是否在预设范围内,若在预设范围内,则表明该用电设备的当前监测数据未出现异常,即用电设备在当前时刻的用电情况正常;若超出该预设范围,则表明该用电设备的当前监测数据出现异常,即用电设备在当前时刻的用电情况存在异常。
其中,历史记录中与当前时段匹配的时刻,可以为:历史记录中前一天的相对应时刻,或者,历史记录中一周内每一天的相对应时刻,或者,历史记录中每一年的这一天的相对应时刻等。
又如:确定用电设备的设备类型,确定历史记录中与用电设备的设备类型相同的其他用电设备的监测数据,比较的是当前监测数据与历史记录中与用电设备的设备类型相同的其他用电设备的监测数据,确定用电设备与历史记录中同类型的其他用电设备的用电相关数据是否匹配,即是否在预设范围内,若在预设范围内,则表明该用电设备的当前监测数据未出现异常,即用电设备在当前时刻的用电情况正常。
或者,确定用电设备是否为第一类型用电设备,若用电设备为第一类型用电设备,通过对用电设备的监测数据及用电设备的性能分析,确定用电设备是否存在用电异常,以便于能够对出现用电异常的第一类型的用电设备进行预测能耗数据的预测。
即获得所有用电设备的监测数据,但是并不对所有用电设备是否异常进行监测,而是仅对属于第一类型的用电设备是否异常进行监测,其中,第一类型的用电设备为对供电可靠性要求高于某一特定阈值的用电设备,当这一类型的用电设备的用电行为发生变化,会对电网用电安全造成重大影响。
需求响应分析管理模块能够基于当前能耗数据确定预测能耗数据,并基于用电设备的当前能耗数据以及预测能耗数据生成最优的调控方式。
需求响应分析管理模块主要用于实现与云平台服务器配合实现用电负荷与电网侧的需求响应,其主要功能包含需求能力分析、需求响应申报、需求响应事件执行、需求响应效果评价等功能。
具体的,通过分析用电设备能耗情况,采用负荷预测算法分析用电设备历史数据并预测未来用电设备的情况,下发用电设备调控指令。在分析用电设备能耗情况时,采用基于LSTM神经网络的负荷预测算法分析用电设备历史数据,对设备的未来用电情况进行预测。
其中,LSTM神经网络具有记忆结构,能够很好的反映负荷数据在时间顺序上的联系。
控制策略运行管理模块能够对调控方式进行执行。
控制策略运行管理模块能够在确定调控方式可行时,将该调控方式下发给用电设备,从而实现对用电设备的调控。
其中,调控方式主要包括:对空调主机的控制,对水泵的控制,末端控制,冷却塔控制,地源热泵机组控制、照明系控制等。
本实施例公开的负荷预测方法,获得各用电设备的监测数据,对监测数据进行分析,确定用电设备的当前能耗数据,基于用电设备的当前能耗数据预测用电设备在当前时刻之后的预测时长内的预测能耗数据,基于预测能耗数据及历史数据生成设备调控方式,基于调控方式实现对用电设备的调控。本方案通过实时获得对各用电设备的监测,从而实现对每个用电设备能耗数据的分析,以便于及时对各用电设备的能耗进行预测,这就使得本方案所公开的负荷预测方法所基于的装置或系统能够同时对多个用电设备的能耗进行预测,保证了能效需求的确定,同时能够基于预测提前进行调控,避免由于预测不准确而导致经济损失。
本实施例公开了一种负荷预测方法,其流程图如图4所示,包括:
步骤S41、获得各用电设备的监测输数据;
步骤S42、对监测数据进行分析,确定用电设备的当前能耗数据;
步骤S43、确定用电设备的负荷类型,确定与负荷类型匹配的负荷预测算法;
步骤S44、基于当前能耗数据通过负荷预测算法预测用电设备在当前时刻之后的预设时长内的预测能耗数据,基于预测能耗数据及历史数据生成设备调控方式;
步骤S45、基于调控方式实现对用电设备的调控。
用电设备的负荷类型可以按照行业分类,可分为工业负荷、商业负荷、农业负荷、居民负荷、电动汽车及储能等;
还可按照控制方式分类,可分为直控负荷和自控负荷;
可按照响应事件尺寸分类,可分为:日前(即提前1天)、小时级(通常为半小时至4小时)、分钟级(通常为5分钟以内)、秒级(通常为1分钟以内)、毫秒级(通常为1秒以内);
其中,小时级负荷主要为客户自行调控的工业生产负荷;分钟级负荷主要为接受柔性调控的工业生产负荷、商业楼宇空调负荷、农业负荷、居民柔性负荷等;秒级负荷主要为接受直控的电动汽车负荷、客户侧储能负荷、居民刚性负荷、商业楼宇刚性负荷、工业秒级可中断负荷等;毫秒级负荷主要为接受直控的工业毫秒级可中断负荷。
首先确定用电设备的负荷类型,对于不同类型的负荷选择不同的负荷预测算法,以便于能够基于用电设备的具体类型对用电能耗进行预测,提高预测精度。
用于进行能耗预测的负荷预测算法采用的是基于LSTM神经网络的预测算法,其预测流程如图5所示,具体为:从历史数据中确定模型的输入输出变量,对输入输出数据集分别进行预处理,将预处理后的数据集划分为训练集、验证集及测试集3部分,利用训练集对模型进行训练,利用验证集判断模型在训练过程中的泛化能力,利用测试集判断模型对于未知数据的预测能力。
进一步的,基于预测能耗数据及历史数据生成设备调控方式,包括:
确定用电设备的历史用电数据及用电设备的负荷配置文件,基于预测能耗数据、历史用电数据及负荷配置文件通过与用电设备匹配的负荷预测算法的数据训练确定设备调控方式。
负荷配置文件即用电设备的耗电配置,基于该配置可确定该用电设备的大概耗电量,因此,在进行预测时,不仅需要考虑该用电设备的历史用电数据,还需要考虑该用电设备的大概耗电量,而在基于用电设备的预测能耗数据需要进行调控时,其调控方式同样需要参考该用电设备的历史用电数据以及该用电设备的负荷配置文件,以便于最终生成的调控方式更符合该用电设备的历史数据以及其自身的配置参数。
其中,负荷调控是指根据需要对预测的负荷曲线进行符合能耗管理,以符合平滑的负荷曲线,从而达到均衡的使用电力负荷设备,提高电网运行的经济性和安全性。
考虑设备类型及条件、项目经济性等因素,负荷调控通常是按照用电设备的用电最大需求量,限制负荷在峰谷段的用电量,并规定用电限额,以对用电量进行削峰填谷。
其中,对于不同类型的用电设备其负荷调控是不同的,例如:对于钢铁冶炼设备、建材设备等大工业用电负荷,用电需求大,负荷曲线波动小,设备运转周期长,对峰谷分时电价响应比较积极,主要的调控策略是在增大在低谷、平时时段负荷用电量,减小高峰时段负荷用电量;对于空调、照明、电梯、热水器、电脑、冰箱等商业或居民用电负荷设备,主要从经济因素、意识因素和人口因素考虑,对设备用电量进行调控,如:调整电价,激励和调整设备用电行为,从而实现设备用电的经济性和安全性。
另外,需求响应分析管理模块还用于将调控方式发送至云端服务器,以便于云端服务器能够对该调控方式进行评价。
基于此,需求响应分析管理模块的结构示意图如图6所示,包括:MQTT通信模块,用于与云端服务器通信,负荷预测模块,数据调用模块,负荷配置模块,方案执行模块,效果评价模块。
其中,通过数据调用模块调用相关数据,通过负荷配置模块获得用电设备的配置数据,基于数据调用模块及负荷配置模块的数据通过负荷预测模块进行预测能耗数据的预测以及调控方式的预测,将预测出的调控方式通过MQTT通信模块上传至云端服务器,以便于云端服务器对该调控方式进行评价,如果云端服务器确定该调控方式可行,可通过MQTT通信模块传输指令至方案执行模块,使其进行调控方式的执行,效果评价模块是通过对符合调控的结果进行评价,确定执行调控方式后是否达到了预设的调控效果。
具体的,将针对用电设备的调控方式发送至云端服务器,获得云端服务器针对调控方式的调控指令,以便于基于调控指令实施调控方式,以实现对用电设备的调控。
本实施例公开的负荷预测方法,获得各用电设备的监测数据,对监测数据进行分析,确定用电设备的当前能耗数据,基于用电设备的当前能耗数据预测用电设备在当前时刻之后的预测时长内的预测能耗数据,基于预测能耗数据及历史数据生成设备调控方式,基于调控方式实现对用电设备的调控。本方案通过实时获得对各用电设备的监测,从而实现对每个用电设备能耗数据的分析,以便于及时对各用电设备的能耗进行预测,这就使得本方案所公开的负荷预测方法所基于的装置或系统能够同时对多个用电设备的能耗进行预测,保证了能效需求的确定,同时能够基于预测提前进行调控,避免由于预测不准确而导致经济损失。
本实施例公开了一种负荷预测方法,其流程图如图7所示,包括:
步骤S71、获得各用电设备的监测数据;
步骤S72、对监测数据进行分析,确定用电设备的当前能耗数据;
步骤S73、基于用电设备的当前能耗数据预测用电设备在当前时刻之后预设时长内的预测能耗数据,基于预测能耗数据及历史数据生成设备调控方式;
步骤S74、调用预设引擎的外接接口,对预设引擎进行初始化;
步骤S75、根据预设的控制策略基于云端服务器反馈的设备调控指令选取相应的控制脚本文件;
步骤S76、执行控制脚本文件。
控制策略运行管理模块主要用于执行控制脚本文件,实现对调控方式的执行。
控制策略运行管理模块内部设置有MQTT通讯模块,用于实现与云端服务器的信息传输,在云端服务器确定调控方式可行时,其通过MQTT通讯模块下发调控指令,能源路由器接收到调控指令后,由控制策略运行管理模块解析该调控指令。
控制策略运行管理模块调用JS引擎的外接接口,由JS引擎进行初始化,根据预设的控制策略选用与控制方式对应的控制脚本文件,通过JS解释器执行控制脚本代码,当解析完成后,进入JS事件处理环节,得到事件处理结果,由JS引擎将事件处理结果返回给控制策略运行管理模块,根据该事件处理结果下发控制指令至控制终端,并将执行结果反馈给云端服务器。
具体的,为了灵活实现设备经济用能,可采用两种方式对用电设备进行调控,即控制策略可以包括:采用本地控制策略的方式,或者,接收需求响应下发的信息,通过控制算法得出可行的控制策略方法,然后通过调用并解析脚本,将控制指令返回到应用层程序,实现对用电设备的调控。
其中,当没有接收到需求响应的消息时,采用本地控制策略的方式进行控制终端的循环调控。即在未接收到需求响应的消息时,首先确定用电设备本地存储的控制策略,调用用电设备本地存储的控制策略进行控制,通过控制返回值,启动JS引擎,解析对应的控制脚本文件,生成控制指令,将该控制指令下发到控制终端;
当接收到需求响应的消息时,调用控制算法得到有效的调控策略,基于返回值确定调控策略,若返回值为FALSE,则采用用电设备本地存储的控制策略进行控制,若返回值为TURE,则解析接收到的消息内容,根据消息内容通过控制策略算法确定该调控策略的可行性,若其可行,则该调控指令能够被执行,否则调控指令不能被执行,若调控指令能够被执行时,初始化JS引擎,调用对应的脚本文件,解析脚本文件,若解析成功,则通过MQTT传输控制指令,从而实现对用电设备的调控。
由于脚本文件都是消息驱动的,因此只有当事件发生时,产生的消息才会发送到与事件对应的应用程序,当应用程序接收到该消息时,触发执行相应的脚本文件动作。
其中,根据事件的不同,会对应有不同的脚本文件,通过离线或在线的方式更新脚本文件,实现了对智慧能源服务典型场景中的不同用电设备的控制,更具有安全性和灵活性。
将Spidermonkey作为控制策略运行管理模块的JS引擎,通过嵌入JS引擎API的方式向JS引擎传递处理相关脚本文件的请求;当引擎处理请求结束后,把返回值或者状态信息返回至应用程序。
本方案中通过参考IEC61131-3系列标准,设计实现控制策略运行引擎,实现通过脚本语言来配置控制策略。
本方案基于能源路由器实现的负荷预测,由能源路由器作为边端核心设备实现用户侧能源系统的接入;能源路由器通过标准化数据接口与用电设备进行交互,统一了功能接口和通信协议标准化接入,实现了设备标准化接入的要求,实现了不同厂家的设备在融合终端上的“即插即用”,为“端、边”模型的实现打好基础;基于“端、边”标准化接入的通信协议,制定了能源路由器与其他设备之间的密匙协商、数据加解密流程,通过采用搭载加密芯片、加密算法等形式实现数据加解密功能,确保数据的安全。
本实施例公开的负荷预测方法,获得各用电设备的监测数据,对监测数据进行分析,确定用电设备的当前能耗数据,基于用电设备的当前能耗数据预测用电设备在当前时刻之后的预测时长内的预测能耗数据,基于预测能耗数据及历史数据生成设备调控方式,基于调控方式实现对用电设备的调控。本方案通过实时获得对各用电设备的监测,从而实现对每个用电设备能耗数据的分析,以便于及时对各用电设备的能耗进行预测,这就使得本方案所公开的负荷预测方法所基于的装置或系统能够同时对多个用电设备的能耗进行预测,保证了能效需求的确定,同时能够基于预测提前进行调控,避免由于预测不准确而导致经济损失。
本实施例公开了一种负荷预测装置,其结构示意图如图8所示,包括:
多能源采集模块81,能效分析模块82,需求响应分析管理模块83及控制策略运行管理模块84。
其中,多能源采集模块81用于获得各用电设备的监测数据;
能效分析模块82用于对监测数据进行分析,确定用电设备的当前能耗数据;
需求响应分析管理模块83用于基于用电设备的当前能耗数据预测用电设备在当前时刻之后的预设时长内的预测能耗数据;基于预测能耗数据及历史数据生成设备调控方式;
控制策略运行管理模块84用于基于调控方式实现对用电设备的调控。
进一步的,需求响应分析模块用于:确定用电设备的负荷类型,确定与负荷类型匹配的负荷预测算法;基于当前能耗数据通过负荷预测算法预测用电设备在当前时刻之后的预设时长内的预测能耗数据。
进一步的,需求响应分析模块用于:确定用电设备的历史用电数据及用电设备的负荷配置文件;基于预测能耗数据、历史用电数据及负荷配置文件通过与用电设备匹配的负荷预测算法的数据训练确定设备调控方式。
进一步的,能效分析模块用于:通过对监测数据及用电设备的性能分析,确定用电设备是否存在用电异常,以便于能够对出现用电异常的用电设备进行预测能耗数据的预测;或,确定用电设备是否为第一类型用电设备;若用电设备为第一类型用电设备,通过对用电设备的监测数据及用电设备的性能分析,确定用电设备是否存在用电异常,以便于能够对出现用电异常的第一类型的用电设备进行预测能耗数据的预测。
进一步的,需求响应分析管理模块还用于:将针对用电设备的调控方式发送至云端服务器;获得云端服务器针对调控方式的调控指令,以便于基于调控指令实施调控方式,以实现对用电设备的调控。
进一步的,控制策略运行管理模块用于:调用预设引擎的外接接口,对预设引擎进行初始化;根据预设的控制策略基于云端服务器反馈的设备调控指令选取相应的控制脚本文件;执行控制脚本文件。
本实施例公开的负荷预测装置是基于上述实施例公开的负荷预测方法实现的,在此不再赘述。
本实施例公开的负荷预测装置,获得各用电设备的监测数据,对监测数据进行分析,确定用电设备的当前能耗数据,基于用电设备的当前能耗数据预测用电设备在当前时刻之后的预测时长内的预测能耗数据,基于预测能耗数据及历史数据生成设备调控方式,基于调控方式实现对用电设备的调控。本方案通过实时获得对各用电设备的监测,从而实现对每个用电设备能耗数据的分析,以便于及时对各用电设备的能耗进行预测,这就使得本方案所公开的负荷预测方法所基于的装置或系统能够同时对多个用电设备的能耗进行预测,保证了能效需求的确定,同时能够基于预测提前进行调控,避免由于预测不准确而导致经济损失。
本实施例公开了一种负荷预测系统,其结构示意图如图2所示,包括:
多个用电设备24,智能电表23及负荷预测装置22。
其中,负荷预测装置22即为能源路由器22。
智能电表,用于获得用电设备的监测数据;
负荷预测装置,用于获得各用电设备的监测数据;对监测数据进行分析,确定用电设备的当前能耗数据;基于用电设备的当前能耗数据预测用电设备在当前时刻之后的预设时长内的预测能耗数据;基于预测能耗数据及历史数据生成设备调控方式;基于调控方式实现对用电设备的调控。
本实施例公开的负荷预测系统是基于上述实施例公开的负荷预测方法实现的,在此不再赘述。
本实施例公开的负荷预测系统,获得各用电设备的监测数据,对监测数据进行分析,确定用电设备的当前能耗数据,基于用电设备的当前能耗数据预测用电设备在当前时刻之后的预测时长内的预测能耗数据,基于预测能耗数据及历史数据生成设备调控方式,基于调控方式实现对用电设备的调控。本方案通过实时获得对各用电设备的监测,从而实现对每个用电设备能耗数据的分析,以便于及时对各用电设备的能耗进行预测,这就使得本方案所公开的负荷预测方法所基于的装置或系统能够同时对多个用电设备的能耗进行预测,保证了能效需求的确定,同时能够基于预测提前进行调控,避免由于预测不准确而导致经济损失。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,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申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种负荷预测方法,其特征在于,包括:
获得各用电设备的监测数据;
对所述监测数据进行分析,确定所述用电设备的当前能耗数据;
基于所述用电设备的当前能耗数据预测所述用电设备在当前时刻之后的预设时长内的预测能耗数据;基于所述预测能耗数据及历史数据生成设备调控方式;
基于所述调控方式实现对所述用电设备的调控。
2.根据权利要求1所述的方法,其特征在于,所述基于所述用电设备的当前能耗数据预测所述用电设备在当前时刻之后的预设时长内的预测能耗数据,包括:
确定所述用电设备的负荷类型,确定与所述负荷类型匹配的负荷预测算法;
基于所述当前能耗数据通过所述负荷预测算法预测所述用电设备在当前时刻之后的预设时长内的预测能耗数据。
3.根据权利要求1所述的方法,其特征在于,所述基于所述预测能耗数据及历史数据生成设备调控方式,包括:
确定所述用电设备的历史用电数据及所述用电设备的负荷配置文件;
基于所述预测能耗数据、历史用电数据及负荷配置文件通过与所述用电设备匹配的负荷预测算法的数据训练确定设备调控方式。
4.根据权利要求1所述的方法,其特征在于,还包括:
通过对所述监测数据及所述用电设备的性能分析,确定所述用电设备是否存在用电异常,以便于能够对出现用电异常的用电设备进行预测能耗数据的预测;
或,
确定所述用电设备是否为第一类型用电设备;
若所述用电设备为第一类型用电设备,通过对所述用电设备的监测数据及所述用电设备的性能分析,确定所述用电设备是否存在用电异常,以便于能够对出现用电异常的第一类型的用电设备进行预测能耗数据的预测。
5.根据权利要求1所述的方法,其特征在于,还包括:
将针对所述用电设备的调控方式发送至云端服务器;
获得所述云端服务器针对所述调控方式的调控指令,以便于基于所述调控指令实施所述调控方式,以实现对所述用电设备的调控。
6.根据权利要求1所述的方法,其特征在于,所述基于所述调控方式实现对所述用电设备的调控,包括:
调用预设引擎的外接接口,对所述预设引擎进行初始化;
根据所述预设的控制策略基于云端服务器反馈的所述设备调控指令选取相应的控制脚本文件;
执行所述控制脚本文件。
7.一种负荷预测装置,其特征在于,包括:
多能源采集模块,用于获得各用电设备的监测数据;
能效分析模块,用于对所述监测数据进行分析,确定所述用电设备的当前能耗数据;
需求响应分析管理模块,用于基于所述用电设备的当前能耗数据预测所述用电设备在当前时刻之后的预设时长内的预测能耗数据;基于所述预测能耗数据及历史数据生成设备调控方式;
控制策略运行管理模块,用于基于所述调控方式实现对所述用电设备的调控。
8.根据权利要求7所述的装置,其特征在于,所述需求响应分析管理模块用于:
确定所述用电设备的负荷类型,确定与所述负荷类型匹配的负荷预测算法;基于所述当前能耗数据通过所述负荷预测算法预测所述用电设备在当前时刻之后的预设时长内的预测能耗数据。
9.根据权利要求7所述的装置,其特征在于,所述能效分析模块还用于:
通过对所述监测数据及所述用电设备的性能分析,确定所述用电设备是否存在用电异常,以便于能够对出现用电异常的用电设备进行预测能耗数据的预测;
或,
确定所述用电设备是否为第一类型用电设备;若所述用电设备为第一类型用电设备,通过对所述用电设备的监测数据及所述用电设备的性能分析,确定所述用电设备是否存在用电异常,以便于能够对出现用电异常的第一类型的用电设备进行预测能耗数据的预测。
10.一种负荷预测系统,其特征在于,包括:
多个用电设备;
智能电表,用于获得所述用电设备的监测数据;
负荷预测装置,用于获得各用电设备的监测数据;对所述监测数据进行分析,确定所述用电设备的当前能耗数据;基于所述用电设备的当前能耗数据预测所述用电设备在当前时刻之后的预设时长内的预测能耗数据;基于所述预测能耗数据及历史数据生成设备调控方式;基于所述调控方式实现对所述用电设备的调控。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111198212.1A CN113919572A (zh) | 2021-10-14 | 2021-10-14 | 一种负荷预测方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111198212.1A CN113919572A (zh) | 2021-10-14 | 2021-10-14 | 一种负荷预测方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113919572A true CN113919572A (zh) | 2022-01-11 |
Family
ID=79240242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111198212.1A Pending CN113919572A (zh) | 2021-10-14 | 2021-10-14 | 一种负荷预测方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113919572A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115936412A (zh) * | 2023-03-14 | 2023-04-07 | 国网信息通信产业集团有限公司 | 工业用电调控方法、系统、终端及存储介质 |
CN116979531A (zh) * | 2023-09-25 | 2023-10-31 | 山西京能售电有限责任公司 | 一种新型能源数据监控方法以及监控辅助电力市场的方法 |
-
2021
- 2021-10-14 CN CN202111198212.1A patent/CN113919572A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115936412A (zh) * | 2023-03-14 | 2023-04-07 | 国网信息通信产业集团有限公司 | 工业用电调控方法、系统、终端及存储介质 |
CN116979531A (zh) * | 2023-09-25 | 2023-10-31 | 山西京能售电有限责任公司 | 一种新型能源数据监控方法以及监控辅助电力市场的方法 |
CN116979531B (zh) * | 2023-09-25 | 2023-12-12 | 山西京能售电有限责任公司 | 一种新型能源数据监控方法以及监控辅助电力市场的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9069338B2 (en) | Systems and methods for statistical control and fault detection in a building management system | |
KR101730081B1 (ko) | 지능형 전력망 연동 홈 네트워크에서의 전력 관리 시스템, 전력 관리 장치 및 방법 | |
CN112487046B (zh) | 用电信息分析方法、装置、系统、计算机设备和存储介质 | |
CN113919572A (zh) | 一种负荷预测方法、装置及系统 | |
CN102549869A (zh) | 响应负载监测系统和方法 | |
CN115170000B (zh) | 一种基于电能表通信模块的远程监测方法及系统 | |
KR102063383B1 (ko) | 분산 자원 통합 관리 시스템 및 방법 | |
CN111426345A (zh) | 分布式电缆沟道环境监测系统、方法、计算机设备 | |
CN115640915B (zh) | 一种智慧燃气管网压缩机安全管理方法和物联网系统 | |
KR20220095313A (ko) | 디지털 트윈 기반의 분산 자원 및 전력 계통 운영 계획 시스템 및 운영 계획 방법 | |
CN116937575A (zh) | 一种网格系统用的能源监控管理系统 | |
CN111091240A (zh) | 一种公共机构电力能效监测系统及服务方法 | |
KR20210074587A (ko) | 디지털 트윈 기술을 기반으로 한 스마트그리드 시스템의 최적화 관리장치 및 방법 | |
CN115395643A (zh) | 基于全数据采集和状态感知的低压配电网故障预警定位装置及系统 | |
CN113326585B (zh) | 燃气锅炉的能效异常预警方法、装置和计算机设备 | |
Nezhad et al. | Joint Peak Clipping and Load Scheduling Based on User Behavior Monitoring in an IoT Platform | |
CN114841443A (zh) | 一种电能分析方法、系统及存储介质 | |
CN116923168A (zh) | 基于变电站联网的充电桩电能调度系统及其调度方法 | |
CN112630556B (zh) | 设备监测方法、系统、装置、设备及存储介质 | |
CN117878925B (zh) | 一种智能电网的输电数据控制方法及系统 | |
Chen et al. | A research on early warning method of Distribution Network Cyber Physical System | |
CN115425734B (zh) | 一种具有自动化节能运行程序运维箱 | |
CN117040141B (zh) | 电力智能网关的安全监测系统及方法 | |
CN116108320B (zh) | 一种智能电能表运行控制方法 | |
CN117249537B (zh) | 一种基于中央空调的虚拟电厂调度与控制系统及方法 |
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 |