CN114221329A - 一种基于大数据的电网负荷管理方法及系统 - Google Patents

一种基于大数据的电网负荷管理方法及系统 Download PDF

Info

Publication number
CN114221329A
CN114221329A CN202111451642.XA CN202111451642A CN114221329A CN 114221329 A CN114221329 A CN 114221329A CN 202111451642 A CN202111451642 A CN 202111451642A CN 114221329 A CN114221329 A CN 114221329A
Authority
CN
China
Prior art keywords
power grid
grid load
load
distribution
power
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
Application number
CN202111451642.XA
Other languages
English (en)
Inventor
王朝亮
李熊
陆春光
肖涛
刘炜
李亦龙
宋磊
黄荣国
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.)
Marketing Service Center of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
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 Marketing Service Center of State Grid Zhejiang Electric Power Co Ltd filed Critical Marketing Service Center of State Grid Zhejiang Electric Power Co Ltd
Priority to CN202111451642.XA priority Critical patent/CN114221329A/zh
Publication of CN114221329A publication Critical patent/CN114221329A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
    • H02J3/0012—Contingency detection
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • 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
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及电网管理技术领域，具体公开了一种基于大数据的电网负荷管理方法及系统。本发明的一种基于大数据的电网负荷管理方法，通过如下步骤实现电网负荷的管理：S1、基于大数据构建电网负荷习惯分配模型和电网异常监测模型；S2、基于大数据为不同的电网异常情况配置对应的电网负荷应急分配模型；S3、基于电网负荷习惯分配模型/电网负荷应急分配模型实现电网负荷的分配，同时基于电网异常监测模型实现电网工况的实时监测。本发明充分考虑不同用户在不同时段和不同季节的用电需求，通过大数据构建电网负荷习惯分配模型以及电网负荷应急分配模型，实现电网负荷按需分配，在避免电网负荷资源浪费的同时，也提升了用户的满意度。

Description

一种基于大数据的电网负荷管理方法及系统
技术领域
本发明涉及一种基于大数据的电网负荷管理方法及系统，属于电网管理技术领域。
背景技术
在日常生活中偶尔会有电压过低或电压不稳定等现象的发生，尤其是在冬夏两季的用电高峰期。后经过调研得知这是由于电网公司对于该某地区的负荷分配低于了当地实际用电负荷导致的，而同时有些地区则会出现负荷过剩的现象，以上情况的发生的原因就是电网负荷管理不当。
影响电网负荷管理的最主要因素就是历史数据的准确性、可靠性以及全面性。而由于当前负荷管理系统中的历史数据大多通过随机采样法获得，由于随机采样法自身的随机性以及不全面性，这就会使得数据结果产生一定的偏差，导致由此数据产生的一系列计算失误等偏差，以至于降低了负荷管理的针对性和有效性。
发明内容
针对现有技术的缺陷，本发明的目的在于提供一种通过构建电网负荷习惯分配模型以及电网负荷应急分配模型，实现电网负荷的有效分配以及灵活按需分配，在避免电网负荷资源浪费的同时，也提升了用户的满意度的基于大数据的电网负荷管理方法及系统。
为实现上述目的，本发明的技术方案为：
一种基于大数据的电网负荷管理方法，通过如下步骤实现电网负荷的管理：
S1、基于大数据构建电网负荷习惯分配模型和电网异常监测模型；
S2、基于大数据为不同的电网异常情况配置对应的电网负荷应急分配模型；
所述电网负荷应急分配模型包括可分配电网负荷预测子模型和电网负荷分配子模型，
所述可分配电网负荷预测子模型基于历史电网异常参数(异常时的工况参数)对应的电网负荷应急分配方案内载的可分配电网负荷训练所得，其基于当前电网工况参数，输出可分配电网负荷；
将可分配电网负荷输入到电网负荷分配子模型中，电网负荷分配子模型的约束条件为电网安全运行，其目标函数为最大满足当前各用户的用电需求，实现当前可分配电网负荷的分配；
S3、基于S1中的电网负荷习惯分配模型或/和S2中的电网负荷应急分配模型实现电网负荷的分配，同时基于S1中的电网异常监测模型实现电网工况的实时监测。
本发明经过不断探索以及试验，充分考虑不同用户在不同时段和不同季节的用电需求，通过大数据构建电网负荷习惯分配模型以及电网负荷应急分配模型，实现电网负荷的有效分配以及灵活按需分配，在避免电网负荷资源浪费的同时，也提升了用户的满意度。
进一步，本发明可以尽可能的满足不同用户的负荷动态调控需求，从而进一步的保证电网负荷管理的合理性。
更进一步，本发明充分考虑用户在特殊时期可能需要改变用电需求的情况，并且可以尽可能的满足这些需求，从而进一步提高客户用电的满意度。
作为优选技术措施：
所述S1中的所述电网负荷习惯分配模型由若干电网负荷习惯分配子模型构成，每一个电网负荷习惯分配子模型对应不同时段或不同季节的各用户的用电需求；每一个电网负荷习惯分配子模型基于每个区域或接口每个时间段对应的历史电网负荷分配参数训练所得，其根据区域或接口名称以及时间段或季节参数，输出历史电网负荷分配参数，即当前时段或季节的各用户的用电需求。
作为优选技术措施：
对应的具体方式如下：
基于网络爬虫模块爬取当前时段信息或季节信息，基于当前时段信息或季节信息唤醒对应的电网负荷习惯分配模型运行实现电网负荷的分配。
作为优选技术措施：
所述S1中的所述电网异常监测模型，采用Bi-LSTM+Attention模型，用于实现电网工况异常数据的检测识别，其基于历史电网异常工况数据集训练所得，能根据电网工况参数，输出正常或异常。
作为优选技术措施：
所述S2中的电网负荷应急分配模型，用于根据电网异常监测模型的识别结果获取当前可分配电网负荷，以电网安全运行为约束条件，以最大满足当前各用户的用电需求为目标，实现当前可分配电网负荷的分配；
所述识别结果为电网异常或电网正常；
当电网异常时电网负荷应急分配模型启动，将获取到当前电网运行参数输入到可分配电网负荷预测子模型，得到当前可分配电网负荷；
然后启动电网负荷分配子模型，以当前可分配电网负荷作为输入项，电网安全运行为约束条件，以最大满足当前各用户的用电需求为目标函数，实现当前可分配电网负荷的分配。
作为优选技术措施：
所述电网负荷的分配方法，具体如下：
不同的电网异常识别结果对应不同的异常代码，基于异常代码唤醒对应的电网负荷应急分配模型实现电网负荷的应急分配；
所述大数据为历史电网参数，其包括历史电网工况参数、历史电网需求参数、历史电网分配参数。
作为优选技术措施：
还包括：构建每一个电网的负荷可调范围，及电网安全运行阀值集，基于用户提交的负荷动态调控需求，以电网安全运行阀值集、满足其余用户正常用电为约束条件，在符合可调范围内，实现当前用户电网负荷的动态调控的步骤。
作为优选技术措施：
所述用户电网负荷的动态调控方法，具体内容如下：
基于短信编辑模块每月或每季度发送用电请求修订表的方式实现用户对用电请求的修订情况的采集，并基于采集到的用户用电请求修订情况，在电网负荷可调范围内，实现电网负荷习惯分配子模型的微调。
作为优选技术措施：
一种基于大数据的电网负荷管理系统，
一个或多个处理器；
存储装置，用于存储一个或多个模块；
当所述一个或多个模块被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述的一种基于大数据的电网负荷管理方法。
作为优选技术措施：
所述一个或多个模块包括电网负荷习惯分配模块、电网异常监测模块、电网负荷应急分配模块；
网负荷习惯分配模块，包括若干电网负荷习惯分配子模块，每一个电网负荷习惯分配子模块对应不同时段或不同季节的各用户的用电需求；
电网异常监测模块，用于实现电网工况异常数据的检测识别，其基于历史电网异常工况数据集训练所得；
电网负荷应急分配模块，用于根据电网异常监测模型的识别结果获取当前可分配电网负荷，以电网安全运行为约束条件，以最大满足当前各用户的用电需求为目标，实现当前可分配电网负荷的分配。
与现有技术相比，本发明具有以下有益效果：
1)充分考虑不同用户在不同时段和不同季节的用电需求，实现了电网负荷的灵活按需分配，在可以避免电网负荷资源浪费的同时，提升了用户的满意度。
2)可以尽可能的满足不同用户的负荷动态调控需求，从而进一步的保证电网负荷管理的合理性。
3)充分考虑用户在特殊时期可能需要改变用电需求的情况，并且可以尽可能的满足这些需求，从而进一步提高客户用电的满意度。
附图说明
图1为本发明实施例1一种基于大数据的电网负荷管理方法的工作流程图。
图2为本发明实施例2一种基于大数据的电网负荷管理方法的工作流程图。
具体实施方式
为了使本发明的目的、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。
相反，本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文所使用的术语只是为了描述具体的实施例的目的，不是旨在限制本发明。本文所使用的术语“或/和”包括一个或多个相关的所列项目的任意的和所有的组合。
如图1所示，本实施例的一种基于大数据的电网负荷管理方法，通过如下步骤实现电网负荷的管理：
S1、基于大数据构建电网负荷习惯分配模型和电网异常监测模型；
S2、基于大数据为不同的电网异常情况配置对应的电网负荷应急分配模型；
S3、基于电网负荷习惯分配模型/电网负荷应急分配模型实现电网负荷的分配，同时基于电网异常监测模型实现电网工况的实时监测。
本实施例中，所述电网负荷习惯分配模型由若干电网负荷习惯分配子模型构成，每一个电网负荷习惯分配子模型对应不同时段/不同季节的各用户的用电需求。每一个电网负荷习惯分配子模型基于每个区域/接口每个时间段对应的历史电网负荷分配参数训练所得，其输入项为区域/接口名称以及时间段/季节参数，输出项为历史电网负荷分配参数，即当前时段或季节的各用户的用电需求。
本实施例中，所述电网异常监测模型用于实现电网工况异常数据的检测识别，基于历史电网异常工况数据集训练所得。
本实施例中，所述电网负荷应急分配模型用于根据电网异常监测模型的识别结果获取当前可分配电网负荷，以电网安全运行为约束条件，以最大满足当前各用户的用电需求为目标，实现当前可分配电网负荷的分配。
所述电网负荷应急分配模型包括可分配电网负荷预测子模型和电网负荷分配子模型，
所述可分配电网负荷预测子模型基于历史电网异常参数(异常时的工况参数)对应的电网负荷应急分配方案内载的可分配电网负荷训练所得，其基于当前电网工况参数，输出可分配电网负荷；
将可分配电网负荷输入到电网负荷分配子模型中，电网负荷分配子模型的约束条件为电网安全运行，其目标函数为最大满足当前各用户的用电需求，实现当前可分配电网负荷的分配。
具体的，识别结果为电网异常/电网正常，电网异常时电网负荷应急分配模型启动，将获取到当前电网运行参数输入可分配电网负荷预测子模型，获取到当前可分配电网负荷，然后启动电网负荷分配子模型，以当前可分配电网负荷作为输入项，电网安全运行为约束条件，以最大满足当前各用户的用电需求为目标函数，实现当前可分配电网负荷的分配。
本实施例中，基于网络爬虫模块爬取当前时段信息或季节信息，基于当前时段信息或季节信息唤醒对应的电网负荷习惯分配模型运行实现电网负荷的分配。
本实施例中，不同的电网异常识别结果对应不同的异常代码，基于异常代码唤醒对应的电网负荷应急分配模型实现电网负荷的应急分配。
实施例2
如图2所示，本实施例的一种基于大数据的电网负荷管理方法，通过如下步骤实现电网负荷的管理：
S1、基于大数据构建电网负荷习惯分配模型和电网异常监测模型；
S2、基于大数据为不同的电网异常情况配置对应的电网负荷应急分配模型；
S3、基于电网负荷习惯分配模型/电网负荷应急分配模型实现电网负荷的分配，同时基于电网异常监测模型实现电网工况的实时监测；
S4、构建每一个电网的负荷可调范围，及电网安全运行阀值集，基于用户提交的负荷动态调控需求，以电网安全运行阀值集、满足其余用户正常用电为约束条件，在符合可调范围内，实现当前用户电网负荷的动态调控。
本实施例中，所述电网负荷习惯分配模型由若干电网负荷习惯分配子模型构成，每一个电网负荷习惯分配子模型对应不同时段/不同季节的各用户的用电需求。
本实施例中，所述电网异常监测模型用于实现电网工况异常数据的检测识别，基于历史电网异常工况数据集训练所得。
本实施例中，所述电网负荷应急分配模型用于根据电网异常监测模型的识别结果获取当前可分配电网负荷，以电网安全运行为约束条件，以最大满足当前各用户的用电需求为目标，实现当前可分配电网负荷的分配。
本实施例中，基于网络爬虫模块爬取当前时段信息或季节信息，基于当前时段信息或季节信息唤醒对应的电网负荷习惯分配模型运行实现电网负荷的分配。
本实施例中，不同的电网异常识别结果对应不同的异常代码，基于异常代码唤醒对应的电网负荷应急分配模型实现电网负荷的应急分配。
本实施例中，基于短信编辑模块每月/每季度发送用电请求修订表的方式实现用户对用电请求的修订情况的采集，并基于采集到的用户用电请求修订情况，在电网负荷可调范围内，实现电网负荷习惯分配子模型的微调。微调时，以尽可能的满足所有用户的用电请求为目标，以基本满足所有用户的用电请求为约束条件，以当前区域的用电类型优先顺序实现电网负荷习惯分配子模型的微调。
应用本发明方法的一种系统实施例：
一种计算机设备，其包括：
一个或多个处理器；
存储装置，用于存储一个或多个模块；
当所述一个或多个模块被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述的一种基于大数据的电网负荷管理方法及系统。
所述一个或多个模块包括电网负荷习惯分配模块、电网异常监测模块、电网负荷应急分配模块；
网负荷习惯分配模块，包括若干电网负荷习惯分配子模块，每一个电网负荷习惯分配子模块对应不同时段/不同季节的各用户的用电需求；
电网异常监测模块，用于实现电网工况异常数据的检测识别，其基于历史电网异常工况数据集训练所得；
电网负荷应急分配模块，用于根据电网异常监测模型的识别结果获取当前可分配电网负荷，以电网安全运行为约束条件，以最大满足当前各用户的用电需求为目标，实现当前可分配电网负荷的分配。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机模块产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用模块代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机模块产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机模块产品的流程图和/或方框图来描述的。应理解可由计算机模块指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机模块指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.一种基于大数据的电网负荷管理方法，其特征在于，通过如下步骤实现电网负荷的管理：
S1、基于大数据构建电网负荷习惯分配模型和电网异常监测模型；
S2、基于大数据为不同的电网异常情况配置对应的电网负荷应急分配模型；
所述电网负荷应急分配模型包括可分配电网负荷预测子模型和电网负荷分配子模型，
所述可分配电网负荷预测子模型基于历史电网异常参数对应的电网负荷应急分配方案内载的可分配电网负荷训练所得，其基于当前电网工况参数，输出可分配电网负荷；
将可分配电网负荷输入到电网负荷分配子模型中，电网负荷分配子模型的约束条件为电网安全运行，其目标函数为最大满足当前各用户的用电需求，实现当前可分配电网负荷的分配；
S3、基于S1中的电网负荷习惯分配模型或/和S2中的电网负荷应急分配模型实现电网负荷的分配，同时基于S1中的电网异常监测模型实现电网工况的实时监测。
2.如权利要求1所述的一种基于大数据的电网负荷管理方法，其特征在于，
所述S1中的所述电网负荷习惯分配模型由若干电网负荷习惯分配子模型构成，每一个电网负荷习惯分配子模型对应不同时段或不同季节的各用户的用电需求；每一个电网负荷习惯分配子模型基于每个区域或接口每个时间段对应的历史电网负荷分配参数训练所得，其根据区域或接口名称以及时间段或季节参数，输出历史电网负荷分配参数，即当前时段或季节的各用户的用电需求。
3.如权利要求2所述的一种基于大数据的电网负荷管理方法，其特征在于，对应的具体方式如下：
基于网络爬虫模块爬取当前时段信息或季节信息，基于当前时段信息或季节信息唤醒对应的电网负荷习惯分配模型运行实现电网负荷的分配。
4.如权利要求1所述的一种基于大数据的电网负荷管理方法，其特征在于，所述S1中的所述电网异常监测模型，采用Bi-LSTM+Attention模型，用于实现电网工况异常数据的检测识别，其基于历史电网异常工况数据集训练所得，能根据电网工况参数，输出正常或异常。
5.如权利要求1所述的一种基于大数据的电网负荷管理方法，其特征在于，
所述S2中的电网负荷应急分配模型，用于根据电网异常监测模型的识别结果获取当前可分配电网负荷，以电网安全运行为约束条件，以最大满足当前各用户的用电需求为目标，实现当前可分配电网负荷的分配；
所述识别结果为电网异常或电网正常；
当电网异常时电网负荷应急分配模型启动，将获取到当前电网运行参数输入到可分配电网负荷预测子模型，得到当前可分配电网负荷；
然后启动电网负荷分配子模型，以当前可分配电网负荷作为输入项，电网安全运行为约束条件，以最大满足当前各用户的用电需求为目标函数，实现当前可分配电网负荷的分配。
6.如权利要求5所述的一种基于大数据的电网负荷管理方法，其特征在于，
所述电网负荷的分配方法，具体如下：
不同的电网异常识别结果对应不同的异常代码，基于异常代码唤醒对应的电网负荷应急分配模型实现电网负荷的应急分配；
所述大数据为历史电网参数，其包括历史电网工况参数、历史电网需求参数、历史电网分配参数。
7.如权利要求1所述的一种基于大数据的电网负荷管理方法，其特征在于，
还包括：构建每一个电网的负荷可调范围，及电网安全运行阀值集，基于用户提交的负荷动态调控需求，以电网安全运行阀值集、满足其余用户正常用电为约束条件，在符合可调范围内，实现当前用户电网负荷的动态调控的步骤。
8.如权利要求7所述的一种基于大数据的电网负荷管理方法，其特征在于，
所述用户电网负荷的动态调控方法，具体内容如下：
基于短信编辑模块每月或每季度发送用电请求修订表的方式实现用户对用电请求的修订情况的采集，并基于采集到的用户用电请求修订情况，在电网负荷可调范围内，实现电网负荷习惯分配子模型的微调。
9.一种基于大数据的电网负荷管理系统，其特征在于，
一个或多个处理器；
存储装置，用于存储一个或多个模块；
当所述一个或多个模块被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-8任一所述的一种基于大数据的电网负荷管理方法。
10.如权利要求9所述的一种基于大数据的电网负荷管理系统，其特征在于，
所述一个或多个模块包括电网负荷习惯分配模块、电网异常监测模块、电网负荷应急分配模块；
网负荷习惯分配模块，包括若干电网负荷习惯分配子模块，每一个电网负荷习惯分配子模块对应不同时段或不同季节的各用户的用电需求；
电网异常监测模块，用于实现电网工况异常数据的检测识别，其基于历史电网异常工况数据集训练所得；
电网负荷应急分配模块，用于根据电网异常监测模型的识别结果获取当前可分配电网负荷，以电网安全运行为约束条件，以最大满足当前各用户的用电需求为目标，实现当前可分配电网负荷的分配。
CN202111451642.XA 2021-12-01 2021-12-01 一种基于大数据的电网负荷管理方法及系统 Pending CN114221329A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111451642.XA CN114221329A (zh) 2021-12-01 2021-12-01 一种基于大数据的电网负荷管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111451642.XA CN114221329A (zh) 2021-12-01 2021-12-01 一种基于大数据的电网负荷管理方法及系统

Publications (1)

Publication Number Publication Date
CN114221329A true CN114221329A (zh) 2022-03-22

Family

ID=80699210

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111451642.XA Pending CN114221329A (zh) 2021-12-01 2021-12-01 一种基于大数据的电网负荷管理方法及系统

Country Status (1)

Country Link
CN (1) CN114221329A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116579472A (zh) * 2023-05-05 2023-08-11 国网黑龙江省电力有限公司齐齐哈尔供电公司 一种大数据环境下用户异常行为检测分析系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020073301A1 (en) * 2018-10-12 2020-04-16 Powerchaintech Beijing Company Systems and methods for monitoring a blockchain-based energy grid
CN111177278A (zh) * 2019-12-19 2020-05-19 绍兴大明电力设计院有限公司 一种网格用户短期负荷预测实时处理工具
CN111525587A (zh) * 2020-04-01 2020-08-11 中国电力科学研究院有限公司 一种基于无功负荷态势的电网无功电压控制方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020073301A1 (en) * 2018-10-12 2020-04-16 Powerchaintech Beijing Company Systems and methods for monitoring a blockchain-based energy grid
CN111177278A (zh) * 2019-12-19 2020-05-19 绍兴大明电力设计院有限公司 一种网格用户短期负荷预测实时处理工具
CN111525587A (zh) * 2020-04-01 2020-08-11 中国电力科学研究院有限公司 一种基于无功负荷态势的电网无功电压控制方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
江樱;王志强;戴波;: "基于大数据的居民用电消费习惯研究与分析", 电力信息与通信技术, no. 11, 15 November 2015 (2015-11-15) *
沈建良;陆春光;袁健;倪琳娜;张岩;: "大数据技术在电力大用户用电特征分类中的应用", 浙江电力, no. 12, 25 December 2017 (2017-12-25) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116579472A (zh) * 2023-05-05 2023-08-11 国网黑龙江省电力有限公司齐齐哈尔供电公司 一种大数据环境下用户异常行为检测分析系统
CN116579472B (zh) * 2023-05-05 2024-02-02 国网黑龙江省电力有限公司齐齐哈尔供电公司 一种大数据环境下用户异常行为检测分析系统

Similar Documents

Publication Publication Date Title
US20190258307A1 (en) Time varying power management within datacenters
CN102326134B (zh) 能量感知服务器管理
KR101282199B1 (ko) 클러스터 시스템의 전력 제어 장치 및 방법
CN116646933A (zh) 一种基于大数据的电力负荷调度方法及系统
CN103577268A (zh) 基于应用负载的自适应资源供应方法
CN104317658A (zh) 一种基于MapReduce的负载自适应任务调度方法
CN103605418A (zh) 集群服务器的功耗调节方法和装置
Qazi et al. Workload prediction of virtual machines for harnessing data center resources
CN107861796A (zh) 一种支持云数据中心能耗优化的虚拟机调度方法
CN105041696A (zh) 一种服务器机柜风扇调速方法及服务器机柜
CN114221329A (zh) 一种基于大数据的电网负荷管理方法及系统
CN115164361A (zh) 一种数据中心控制方法、装置、电子设备和存储介质
CN111914000B (zh) 一种基于功耗预测模型的服务器功率封顶方法、系统
CN116028193B (zh) 一种混部集群的大数据任务动态高能效调度方法和系统
CN117130888A (zh) 基于历史数据和机器学习的服务器自动调优方法及系统
US9176560B2 (en) Use and state based power management
CN116108276A (zh) 基于人工智能的信息推荐方法、装置及相关设备
CN103346906A (zh) 一种基于云计算的智能运维方法及系统
CN114650590B (zh) 一种通信系统能耗管理方法、电子设备及存储介质
CN103685541B (zh) IaaS云系统运行速率动态控制装置、系统及方法
CN114696328A (zh) 电力线损分析方法、系统及存储介质
CN113128738A (zh) 一种基于时间序列平移法的用电策略优化方法及装置
CN117196415B (zh) 一种水风光互补系统风险调度方法、装置、设备及介质
Ullah et al. Towards workload-aware cloud resource provisioning using a multi-controller fuzzy switching approach
CN112564100B (zh) 基于空预器差压实时评估火电机组最大出力的方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination