CN114358377A - 一种基于云计算的智能电网负荷预测管理平台 - Google Patents

一种基于云计算的智能电网负荷预测管理平台 Download PDF

Info

Publication number
CN114358377A
CN114358377A CN202111453448.5A CN202111453448A CN114358377A CN 114358377 A CN114358377 A CN 114358377A CN 202111453448 A CN202111453448 A CN 202111453448A CN 114358377 A CN114358377 A CN 114358377A
Authority
CN
China
Prior art keywords
power grid
grid load
power
module
interface
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
CN202111453448.5A
Other languages
English (en)
Inventor
王朝亮
陆春光
刘炜
肖涛
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 CN202111453448.5A priority Critical patent/CN114358377A/zh
Publication of CN114358377A publication Critical patent/CN114358377A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or 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
    • 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
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于云计算的智能电网负荷预测管理平台，属于电网负荷管理技术领域。本发明的一种基于云计算的智能电网负荷预测管理方法及系统，包括电网负荷控制器以及与电网负荷控制器实现通讯的云计算中心系统，所述云计算中心系统设有：用电量需求模型训练模块、可分配电网负荷修正模块、电网负荷预测模块、电网负荷管理模块。本发明充分考虑电网运行工况参数，以可分配电网负荷为基准实现各接口电网负荷的预测和分配，大大提高了电网负荷预测的精确度、可靠性以及电网负荷分配的合理性。本发明能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预测，进一步提高了电网负荷预测结果的精确度和可靠性。

Description

一种基于云计算的智能电网负荷预测管理平台
技术领域
本发明涉及一种基于云计算的智能电网负荷预测管理平台，属于电网负荷管理技术领域。
背景技术
负荷预测是电力系统领域的传统研究问题，对电力系统的安全运行起着重要作用，是节能调度、发电计划、电网规划、稳定计算等的基础性工作。众多实例和数据表明，准确的负荷预测对合理设计电源结构、制定燃料计划、实施节能减排措施、加快地区经济发展步伐至关重要。
近二三十年来，国内外的很多专家学者对负荷预测的理论和方法进行了大量的研究工作，取得了很多成果。从预测方法、预测时间跨度、预测对象、预测平台多个角度，大量文献和研究成果都推动了负荷预测技术的发展。但是，由于智能电网下负荷预测精度、密度要求越来越高，负荷预测的难度加大。传统负荷预测更趋向于预测技术，而智能电网负荷预测将预测推向一个精细化服务管理层面。因此，负荷预测主要面临以下问题：第一、传统的负荷数据分析方法不能满足智能电网的海量数据分析和处理。第二、多影响因素下的预测模型自适应性不强。第三、负荷预测的准确率不稳定。第四、负荷预测的针对性不强，可靠性低。
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用电量需求模型训练模块、可分配电网负荷修正模块、电网负荷预测模块、电网负荷管理模块，有效提高了负荷预测的准确率、针对性和可靠性的基于云计算的智能电网负荷预测管理平台。
为实现上述目的，本发明的一种技术方案为：
一种基于云计算的智能电网负荷预测管理平台，包括电网负荷控制器以及与电网负荷控制器实现通讯的云计算中心系统，
所述云计算中心系统设有用电量需求模型训练模块、可分配电网负荷修正模块、电网负荷预测模块、电网负荷管理模块：
所述用电量需求模型训练模块，用于基于每一个接口的历史用电量训练构建每一个时间段的用电量需求习惯模型，其能根据输入的时间段，输出用电量；
所述可分配电网负荷修正模块，用于基于电网的运行工况实现可分配电网负荷的修正；
所述电网负荷预测模块，用于构建用电量需求与电网负荷之间的关联关系，并利用自适应粒子群优化算法APSO以及所述关联关系和用电量需求习惯模型实现电网负荷的预测；
所述电网负荷管理模块，基于可分配电网负荷与理论可分配电网负荷之间的比例，以保证各接口正常运行为约束条件，实现电网负荷的分配管理。
本发明经过不断探索以及试验，通过构建用电量需求模型训练模块、可分配电网负荷修正模块、电网负荷预测模块、电网负荷管理模块，有效提高了负荷预测的准确率、针对性和可靠性。
进一步，本发明充分考虑电网运行工况参数，以可分配电网负荷为基准实现各接口电网负荷的预测和分配，大大提高了电网负荷预测的精确度、可靠性以及电网负荷分配的合理性。
同时，本发明能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预测，提高了电网负荷预测结果的精确度和可靠性。
更进一步，本发明能充分考虑各接口用电属性的区别，在可以保证电网负荷合理分配的同时，尽可能的保证了当前区域的效益最大化。
作为优选技术措施：
所述用电量需求模型训练模块基于网络爬虫模块在预设的电网基站上爬取每一个时间段每一个接口的历史用电量，基于每一个时间段每一个接口的历史用电量训练构建每一个时间段的用电量需求习惯模型。
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，实现了电网负荷的灵活预测，进一步提高了电网负荷预测结果的精确度和可靠性。
作为优选技术措施：
所述网络爬虫模块基于每一个接口当前或未来一定时间内的用电量需求实现其对应的最低正常运行电网负荷的获取。
作为优选技术措施：所述用电量需求习惯模型采用模糊神经网络模型进行构建。
作为优选技术措施：所述可分配电网负荷修正模块基于历史电网运行工况参数与可分配电网负荷的关联关系，以及当前电网的运行工况实现可分配电网负荷的修正；
其具体包括以下内容：
首先，基于现有的电网运行工况参数获取到理论可分配电网负荷，然后基于理论可分配电网负荷进行可分配电网负荷的修正，即以理论可分配电网负荷作为实际可分配电网负荷。
作为优选技术措施：
所述电网负荷管理模块以保证各接口正常运行为约束条件，以各接口的用电属性优先级为电网负荷分配优先标准，实现电网负荷的分配；
各接口正常运行是指各接口目前的电网负荷能支撑各接口接入设备的正常工作的，即达到最低正常运行电网负荷；
用电属性优先级根据社会贡献值进行排序。
作为优选技术措施：还包括：
接口用电属性识别模块，用于实现每一个接口用电属性的识别，并为每一个接口标记上对应的用电属性，确定电网负荷分配的优先级。
本发明充分考虑各接口用电属性的区别，在可以保证电网负荷合理分配的同时，尽可能的保证了当前区域的效益最大化。
作为优选技术措施：还包括：
电网负荷异常识别模块，用于基于历史电网负荷异常参数训练构建电网负荷异常识别模型，并基于所述电网负荷异常识别模型实现电网负荷异常的识别。
为实现上述目的，本发明的另一种技术方案为：
一种基于云计算的智能电网负荷预测管理平台，
包括用电量需求模型训练模块、可分配电网负荷修正模块、电网负荷预测模块、电网负荷管理模块、接口用电属性识别模块、电网负荷异常识别模块；
所述用电量需求模型训练模块，用于基于每一个接口的历史用电量训练构建每一个时间段的用电量需求习惯模型；
所述可分配电网负荷修正模块，用于基于电网的运行工况实现可分配电网负荷的修正；
所述电网负荷预测模块，用于构建用电量需求与电网负荷之间的关联关系，并基于所述关联关系和用电量需求习惯模型实现电网负荷的预测；
所述电网负荷管理模块，基于可分配电网负荷与理论可分配电网负荷之间的比例，以保证各接口正常运行为约束条件，实现电网负荷的分配管理；
所述接口用电属性识别模块，利用Isolation Forest算法实现每一个接口用电属性的识别，并为每一个接口标记上对应的用电属性，确定电网负荷分配的优先级；
所述电网负荷异常识别模块，用于基于历史电网负荷异常参数训练构建电网负荷异常识别模型以及Bi-LSTM+Attention模型，从而能根据电网负荷参数，输出正常或异常，实现电网负荷异常的识别。
本发明经过不断探索以及试验，通过构建用电量需求模型训练模块、可分配电网负荷修正模块、电网负荷预测模块、电网负荷管理模块、接口用电属性识别模块、电网负荷异常识别模块，有效提高了负荷预测的准确率、针对性和可靠性。
进一步，本发明充分考虑电网运行工况参数，以可分配电网负荷为基准实现各接口电网负荷的预测和分配，大大提高了电网负荷预测的精确度、可靠性以及电网负荷分配的合理性。
同时，本发明能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预测，提高了电网负荷预测结果的精确度和可靠性。
更进一步，本发明能充分考虑各接口用电属性的区别，在可以保证电网负荷合理分配的同时，尽可能的保证了当前区域的效益最大化。
作为优选技术措施：
所述用电量需求模型训练模块基于网络爬虫模块在预设的电网基站上爬取每一个时间段每一个接口的历史用电量，基于每一个时间段每一个接口的历史用电量训练构建每一个时间段的用电量需求习惯模型；
所述网络爬虫模块基于每一个接口当前或未来一定时间内的用电量需求实现其对应的最低正常运行电网负荷的获取；
所述用电量需求习惯模型采用模糊神经网络模型进行构建；
所述可分配电网负荷修正模块基于历史电网运行工况参数与可分配电网负荷的关联关系，以及当前电网的运行工况实现可分配电网负荷的修正；
所述电网负荷管理模块以保证各接口正常运行为约束条件，以各接口的用电属性优先级为电网负荷分配优先标准，实现电网负荷的分配。
与现有技术相比，本发明具有以下有益效果：
1)、充分考虑电网运行工况参数，以可分配电网负荷为基准实现各接口电网负荷的预测和分配，大大提高了电网负荷预测的精确度、可靠性以及电网负荷分配的合理性；
2)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预测，进一步提高了电网负荷预测结果的精确度和可靠性。
3)充分考虑各接口用电属性的区别，在可以保证电网负荷合理分配的同时，尽可能的保证了当前区域的效益最大化。
附图说明
图1为本发明实施例1一种基于云计算的智能电网负荷预测管理平台的系统框图。
图2为本发明实施例2一种基于云计算的智能电网负荷预测管理平台的系统框图。
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。
实施例1
如图1所示，一种基于云计算的智能电网负荷预测管理平台，包括电网负荷控制器以及与电网负荷控制器实现通讯的云计算中心系统，所述云计算中心系统设有：
用电量需求模型训练模块，用于基于每一个接口的历史用电量训练构建每一个时间段的用电量需求习惯模型；
可分配电网负荷修正模块，用于基于电网的运行工况实现可分配电网负荷的修正；
电网负荷预测模块，用于构建用电量需求与电网负荷之间的关联关系，并利用APSO(自适应粒子群优化算法，Adaptive Particle Swarm Optimization)以及关联关系和用电量需求习惯模型实现电网负荷的预测；基于每一个接口当前或未来一定时间内的用电量需求实现其对应的最低正常运行电网负荷的获取；
电网负荷管理模块，基于可分配电网负荷与理论可分配电网负荷之间的比例，以保证各接口正常运行为约束条件，实现电网负荷的分配管理。
本实施例中，所述用电量需求模型训练模块基于网络爬虫模块在预设的电网基站上爬取每一个时间段每一个接口的历史用电量，基于每一个时间段每一个接口的历史用电量训练构建每一个时间段的用电量需求习惯模型；所述用电量需求习惯模型采用模糊神经网络模型。
本实施例中，所述可分配电网负荷修正模块基于历史电网运行工况参数与可分配电网负荷的关联关系，基于当前电网的运行工况实现可分配电网负荷的修正。
实施例2
如图2所示，一种基于云计算的智能电网负荷预测管理平台，包括电网负荷控制器以及与电网负荷控制器实现通讯的云计算中心系统，所述云计算中心系统设有：
用电量需求模型训练模块，用于基于每一个接口的历史用电量训练构建每一个时间段的用电量需求习惯模型；
可分配电网负荷修正模块，用于基于电网的运行工况实现可分配电网负荷的修正；具体的，首先，基于现有的电网运行工况参数获取到理论可分配电网负荷，然后基于理论可分配电网负荷进行可分配电网负荷的修正，即以理论可分配电网负荷作为实际可分配电网负荷。
电网负荷预测模块，用于构建用电量需求与电网负荷之间的关联关系，并基于所述关联关系和用电量需求习惯模型实现电网负荷的预测；基于每一个接口当前或未来一定时间内的用电量需求实现其对应的最低正常运行电网负荷的获取；
接口用电属性识别模块，利用Isolation Forest算法，实现每一个接口用电属性的识别，并为每一个接口标记上对应的用电属性，确定电网负荷分配的优先级；
电网负荷管理模块，基于可分配电网负荷与理论可分配电网负荷之间的比例，以保证各接口正常运行为约束条件，以各接口的用电属性优先级为电网负荷分配优先标准，实现电网负荷的分配。
约束条件是各接口可以正常运行，即各接口目前的电网负荷可以支撑各接口接入设备的正常工作的，即达到最低正常运行电网负荷。
用电属性优先级可以根据需要设计，一般根据社会贡献值排序。
电网负荷异常识别模块，用于基于历史电网负荷异常参数训练构建电网负荷异常识别模型(采用Bi-LSTM+Attention模型，输入项为电网负荷参数，输出项为正常/异常)，并基于所述电网负荷异常识别模型实现电网负荷异常的识别。
本实施例中，所述用电量需求模型训练模块基于网络爬虫模块在预设的电网基站上爬取每一个时间段每一个接口的历史用电量，基于每一个时间段每一个接口的历史用电量训练，构建每一个时间段的用电量需求习惯模型；所述用电量需求习惯模型采用模糊神经网络模型。
本实施例中，所述可分配电网负荷修正模块基于历史电网运行工况参数与可分配电网负荷的关联关系，基于当前电网的运行工况实现可分配电网负荷的修正。
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、或计算机程序产品。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程序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)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/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。可提供这些计算机程序指令到通用计算机、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)

1.一种基于云计算的智能电网负荷预测管理平台，包括电网负荷控制器以及与电网负荷控制器实现通讯的云计算中心系统，其特征在于：
所述云计算中心系统设有用电量需求模型训练模块、可分配电网负荷修正模块、电网负荷预测模块、电网负荷管理模块：
所述用电量需求模型训练模块，用于基于每一个接口的历史用电量训练构建每一个时间段的用电量需求习惯模型，其能根据输入的时间段，输出用电量；
所述可分配电网负荷修正模块，用于基于电网的运行工况实现可分配电网负荷的修正；
所述电网负荷预测模块，用于构建用电量需求与电网负荷之间的关联关系，并利用自适应粒子群优化算法APSO以及所述关联关系和用电量需求习惯模型实现电网负荷的预测；
所述电网负荷管理模块，基于可分配电网负荷与理论可分配电网负荷之间的比例，以保证各接口正常运行为约束条件，实现电网负荷的分配管理。
2.如权利要求1所述的一种基于云计算的智能电网负荷预测管理平台，其特征在于：
所述用电量需求模型训练模块基于网络爬虫模块在预设的电网基站上爬取每一个时间段每一个接口的历史用电量，基于每一个时间段每一个接口的历史用电量训练构建每一个时间段的用电量需求习惯模型。
3.如权利要求2所述的一种基于云计算的智能电网负荷预测管理平台，其特征在于：
所述网络爬虫模块基于每一个接口当前或未来一定时间内的用电量需求实现其对应的最低正常运行电网负荷的获取。
4.如权利要求2所述的一种基于云计算的智能电网负荷预测管理平台，其特征在于：
所述用电量需求习惯模型采用模糊神经网络模型进行构建。
5.如权利要求1所述的一种基于云计算的智能电网负荷预测管理平台，其特征在于：
所述可分配电网负荷修正模块基于历史电网运行工况参数与可分配电网负荷的关联关系，以及当前电网的运行工况实现可分配电网负荷的修正；
其具体包括以下内容：
首先，基于现有的电网运行工况参数获取到理论可分配电网负荷，然后基于理论可分配电网负荷进行可分配电网负荷的修正，即以理论可分配电网负荷作为实际可分配电网负荷。
6.如权利要求1所述的一种基于云计算的智能电网负荷预测管理平台，其特征在于：
所述电网负荷管理模块以保证各接口正常运行为约束条件，以各接口的用电属性优先级为电网负荷分配优先标准，实现电网负荷的分配；
各接口正常运行是指各接口目前的电网负荷能支撑各接口接入设备的正常工作的，即达到最低正常运行电网负荷；
用电属性优先级根据社会贡献值进行排序。
7.如权利要求1-6任一所述的一种基于云计算的智能电网负荷预测管理平台，其特征在于：还包括：
接口用电属性识别模块，用于实现每一个接口用电属性的识别，并为每一个接口标记上对应的用电属性，确定电网负荷分配的优先级。
8.如权利要求7所述的一种基于云计算的智能电网负荷预测管理平台，其特征在于：还包括：
电网负荷异常识别模块，用于基于历史电网负荷异常参数训练构建电网负荷异常识别模型，并基于所述电网负荷异常识别模型实现电网负荷异常的识别。
9.一种基于云计算的智能电网负荷预测管理平台，其特征在于：
包括用电量需求模型训练模块、可分配电网负荷修正模块、电网负荷预测模块、电网负荷管理模块、接口用电属性识别模块、电网负荷异常识别模块：
所述用电量需求模型训练模块，用于基于每一个接口的历史用电量训练构建每一个时间段的用电量需求习惯模型；
所述可分配电网负荷修正模块，用于基于电网的运行工况实现可分配电网负荷的修正；
所述电网负荷预测模块，用于构建用电量需求与电网负荷之间的关联关系，并基于所述关联关系和用电量需求习惯模型实现电网负荷的预测；
所述电网负荷管理模块，基于可分配电网负荷与理论可分配电网负荷之间的比例，以保证各接口正常运行为约束条件，实现电网负荷的分配管理；
所述接口用电属性识别模块，利用Isolation Forest算法实现每一个接口用电属性的识别，并为每一个接口标记上对应的用电属性，确定电网负荷分配的优先级；
所述电网负荷异常识别模块，用于基于历史电网负荷异常参数训练构建电网负荷异常识别模型以及Bi-LSTM+Attention模型，从而能根据电网负荷参数，输出正常或异常，实现电网负荷异常的识别。
10.如权利要求9所述的一种基于云计算的智能电网负荷预测管理平台，其特征在于：
所述用电量需求模型训练模块基于网络爬虫模块在预设的电网基站上爬取每一个时间段每一个接口的历史用电量，基于每一个时间段每一个接口的历史用电量训练构建每一个时间段的用电量需求习惯模型；
所述网络爬虫模块基于每一个接口当前或未来一定时间内的用电量需求实现其对应的最低正常运行电网负荷的获取；
所述用电量需求习惯模型采用模糊神经网络模型进行构建；
所述可分配电网负荷修正模块基于历史电网运行工况参数与可分配电网负荷的关联关系，以及当前电网的运行工况实现可分配电网负荷的修正；
所述电网负荷管理模块以保证各接口正常运行为约束条件，以各接口的用电属性优先级为电网负荷分配优先标准，实现电网负荷的分配。
CN202111453448.5A 2021-12-01 2021-12-01 一种基于云计算的智能电网负荷预测管理平台 Pending CN114358377A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111453448.5A CN114358377A (zh) 2021-12-01 2021-12-01 一种基于云计算的智能电网负荷预测管理平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111453448.5A CN114358377A (zh) 2021-12-01 2021-12-01 一种基于云计算的智能电网负荷预测管理平台

Publications (1)

Publication Number Publication Date
CN114358377A true CN114358377A (zh) 2022-04-15

Family

ID=81097023

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111453448.5A Pending CN114358377A (zh) 2021-12-01 2021-12-01 一种基于云计算的智能电网负荷预测管理平台

Country Status (1)

Country Link
CN (1) CN114358377A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117856256A (zh) * 2024-03-08 2024-04-09 国网四川省电力公司天府新区供电公司 一种基于云计算的智能电网负荷预测管理平台

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117856256A (zh) * 2024-03-08 2024-04-09 国网四川省电力公司天府新区供电公司 一种基于云计算的智能电网负荷预测管理平台
CN117856256B (zh) * 2024-03-08 2024-05-28 国网四川省电力公司天府新区供电公司 一种基于云计算的智能电网负荷预测管理平台

Similar Documents

Publication Publication Date Title
CN103559656B (zh) 一种需求响应控制系统及方法
CN111509728B (zh) 一种基于多源异构虚拟负荷的优化调控方法及系统
CN112288170B (zh) 基于大数据分析的电厂机组工况寻优分析方法
CN116933952B (zh) 基于物联网可视化的园区低碳能源调度系统
CN112950001B (zh) 基于云边端闭环架构的智慧能量管控系统及方法
CN113379566A (zh) 虚拟电厂支撑系统
CN109995094B (zh) 一种交直流混合微电网的规划方法及系统
CN114358377A (zh) 一种基于云计算的智能电网负荷预测管理平台
CN117439171A (zh) 基于虚拟电厂的智能调度方法、系统及介质
CN116644920A (zh) 一种智能停电管理方法及系统
CN117977787A (zh) 源网荷储一体化协同控制平台功能架构的构建方法及系统
CN115776138A (zh) 一种考虑多维不确定性和能量管理策略的微电网容量规划方法及装置
CN116307110A (zh) 一种分布式屋顶光伏发电聚合管理方法及系统
CN116031891A (zh) 一种客户侧灵活负荷聚合调控方法及系统
CN113837417A (zh) 一种光伏配电调度优化方法及系统
CN104993599A (zh) 一种储热用户互动终端和方法
CN118229247B (zh) 一种电力系统源网荷储协同的多目标规划方法及系统
Ren et al. Decision-making approach in charging mode for electric vehicle based on cumulative prospect theory
CN118300105B (zh) 一种基于电厂管理的发电户用电户数据全方位监测方法
CN116894568B (zh) 一种充电桩的碳排放综合管理预测方法及存储介质
CN116579549B (zh) 一种源网荷储的优化调度方法及系统
CN116317110B (zh) 考虑源荷双侧波动的电网调度操作预演方法和系统
CN109449935B (zh) 一种基于能源互联的时序生产模拟方法及系统
CN118748431A (zh) 一种虚拟电厂规模化资源的动态聚合方法、装置及介质
CN109416772A (zh) 管理计算机集群中的供电的方法

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