CN114814350A - 基于园区电数据预测的能源监测方法及系统、装置、介质 - Google Patents

Abstract

本发明公开了一种基于园区电数据预测的能源监测方法及系统、装置、介质，涉及电数据处理技术领域，主要目的在于解决现有无法满足能源监测需求的问题。包括：获取采集的碳量数据，以及采集的温度数据；若碳量数据超过预设碳量阈值，且温度数据未到达预设温度阈值，则基于已完成模型训练的电量预测模型对温度数据以及与监测子区域匹配的增温信息进行能源预测，确定监测子区域所需的电量值；若电量值大于蓄电设备中的蓄电数据，则获取园区发电设备的发电状态，并结合电量值、蓄电数据、发电状态确定目标园区发电设备；当基于目标园区发电设备完成充电操作后，控制蓄电设备向设置于监测子区域的增温设备供电。

Description

基于园区电数据预测的能源监测方法及系统、装置、介质

技术领域

本发明涉及一种电数据处理技术领域，特别是涉及一种基于园区电数据预测的能源监测方法及系统、装置、介质。

背景技术

随着科技的快速发展，农业科技园区作为一种智慧农业生产园区，被许多企业所关注。尤其是打造零碳、平衡碳智慧园区已经成为农业生产为实现清洁能源监测目标的重要构建措施。其中，清洁能源包括光伏发电、风力发电、水利发电，在农业大棚中通常会使用煤炭进行增温，同时，在使用电力发热设备进行增温过程中，电力发热设备也会使用煤炭进行发电，并结合碳量进行温度控制，从而判断农业园区中的碳量是否过高。

目前，现有对于农业园区中的能源监测仅仅是通过减少煤炭直接燃烧增温来实现，并无法有效的实现整体园区的碳平衡的目的，且也没有一种准确有效的监测方法来达到碳平衡效果，因此，亟需一种能源监测以解决上述问题。

发明内容

有鉴于此，本发明提供一种基于园区电数据预测的能源监测方法及系统、装置、介质，主要目的在于解决现有无法满足能源监测需求的问题。

依据本发明一个方面，提供了一种基于园区电数据预测的能源监测方法，包括：

获取各碳量传感器采集的碳量数据，以及各温度传感器采集的温度数据，所述碳量传感器与所述温度传感器配对设置于园区中的各个待测监测子区域；

若所述碳量数据超过预设碳量阈值，且所述温度数据未到达预设温度阈值，则基于已完成模型训练的电量预测模型对所述温度数据以及与所述监测子区域匹配的增温信息进行能源预测，确定所述监测子区域所需的电量值；

若所述电量值大于蓄电设备中的蓄电数据，则获取园区发电设备的发电状态，并结合所述电量值、所述蓄电数据、所述发电状态确定目标园区发电设备，所述发电状态包括所述园区发电设备的发电类型、发电性能参数；

当基于所述目标园区发电设备完成所述蓄电设备的充电操作后，控制所述蓄电设备向设置于所述监测子区域的增温设备供电。

依据本发明另一个方面，提供了一种基于园区电数据预测的能源监测装置，包括：

获取模块，用于获取各碳量传感器采集的碳量数据，以及各温度传感器采集的温度数据，所述碳量传感器与所述温度传感器配对设置于园区中的各个待测监测子区域；

预测模块，用于若所述碳量数据超过预设碳量阈值，且所述温度数据未到达预设温度阈值，则基于已完成模型训练的电量预测模型对所述温度数据以及与所述监测子区域匹配的增温信息进行能源预测，确定所述监测子区域所需的电量值；

确定模块，用于若所述电量值大于蓄电设备中的蓄电数据，则获取园区发电设备的发电状态，并结合所述电量值、所述蓄电数据、所述发电状态确定目标园区发电设备，所述发电状态包括所述园区发电设备的发电类型、发电性能参数；

控制模块，用于当基于所述目标园区发电设备完成所述蓄电设备的充电操作后，控制所述蓄电设备向设置于所述监测子区域的增温设备供电。

根据本发明的又一方面，提供了一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述基于园区电数据预测的能源监测方法对应的操作。

根据本发明的再一方面，提供了一种基于园区电数据预测的能源监测系统，包括：园区服务器、蓄电设备、设置于各监测子区域的增温设备和连接监控子系统的碳量传感器及温度传感器，

其中，所述园区服务器分别与所述蓄电设备、以及所述监控子系统进行数据通信；

所述园区服务器，用于获取各碳量传感器采集的碳量数据，以及各温度传感器采集的温度数据，所述碳量传感器与所述温度传感器配对设置于园区中的各个待测监测子区域；若所述碳量数据超过预设碳量阈值，且所述温度数据未到达预设温度阈值，则基于已完成模型训练的电量预测模型对所述温度数据以及与所述监测子区域匹配的增温信息进行能源预测，确定所述监测子区域所需的电量值；若所述电量值大于蓄电设备中的蓄电数据，则获取园区发电设备的发电状态，并结合所述电量值、所述蓄电数据、所述发电状态确定目标园区发电设备，所述发电状态包括所述园区发电设备的发电类型、发电性能参数；当基于所述目标园区发电设备完成所述蓄电设备的充电操作后，控制所述蓄电设备向设置于所述监测子区域的增温设备供电。

本发明提供的技术方案有益效果为：

本发明提供了一种基于园区电数据预测的能源监测方法及系统、装置、介质，与现有技术相比，本发明实施例通过获取各碳量传感器采集的碳量数据，以及各温度传感器采集的温度数据，所述碳量传感器与所述温度传感器配对设置于园区中的各个待测监测子区域；若所述碳量数据超过预设碳量阈值，且所述温度数据未到达预设温度阈值，则基于已完成模型训练的电量预测模型对所述温度数据以及与所述监测子区域匹配的增温信息进行能源预测，确定所述监测子区域所需的电量值；若所述电量值大于蓄电设备中的蓄电数据，则获取园区发电设备的发电状态，并结合所述电量值、所述蓄电数据、所述发电状态确定目标园区发电设备，所述发电状态包括所述园区发电设备的发电类型、发电性能参数；当基于所述目标园区发电设备完成所述蓄电设备的充电操作后，控制所述蓄电设备向设置于所述监测子区域的增温设备供电，通过实时进行碳量监控并结合电能增温，实现整体园区的碳平衡目的，并通过蓄电设备配置在园区中满足实时的供电需求，结合对蓄电设备的电量监控，实现对能源的有效监控目的。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例提供的一种基于园区电数据预测的能源监测方法流程图；

图2示出了本发明实施例提供的一种园区设备分布架构示意图；

图3示出了本发明实施例提供的另一种基于园区电数据预测的能源监测方法流程图；

图4示出了本发明实施例提供的又一种基于园区电数据预测的能源监测方法流程图；

图5示出了本发明实施例提供的一种基于园区电数据预测的能源监测装置组成框图；

图6示出了本发明实施例提供的一种基于园区电数据预测的能源监测系统的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

针对农业园区中的能源监测仅仅是通过减少煤炭直接燃烧增温来实现，并无法有效的实现整体园区的碳平衡或零碳化的目的，且也没有一种准确有效的监测方法来达到碳平衡或实现零碳效果，因此，亟需一种能源监测以解决上述问题，本发明实施例提供了一种基于园区电数据预测的能源监测方法，如图1所示，该方法包括：

101、获取各碳量传感器采集的碳量数据，以及各温度传感器采集的温度数据。

本发明实施例中，如图2所示，作为当前执行端的园区服务器，与各个园区的监测子区域中温度传感器、碳量传感器所对应的监测子系统进行数据通信，温度传感器、碳量传感器将采集到的碳量数据、温度数据传输至监测子系统中，以便园区服务器实时进行获取。其中，所述碳量传感器与所述温度传感器配对设置于园区中的各个监测子区域，各监测子系统为一个园区中设置的多个子区域，例如，农业生产园区中包含多个农业生产大棚作为各个子区域，并在每个大棚中配置对应的温度传感器、碳量传感器以及监测子系统，从而对各个大棚中碳量和温度进行检测。

需要说明的是，碳量传感器即为检测二氧化碳含量的二氧化碳检测传感器，以得到大棚中的碳量数据，温度传感器为检测温度的温度检测传感器，以得到大棚中的温度数据，本发明实施例中对碳量传感器、温度传感器不做具体限定。

102、若所述碳量数据超过预设碳量阈值，且所述温度数据未到达预设温度阈值，则基于已完成模型训练的电量预测模型对所述温度数据以及与所述监测子区域匹配的增温信息进行能源预测，确定所述监测子区域所需的电量值。

本发明实施例中，当前执行端将采集的碳量数据与预设碳量阈值进行对比，并同时将温度数据与预设温度阈值进行对比，此时，若碳量数据超过预设碳量阈值，且温度数据未到达预设温度阈值，说明监测子区域中碳含量过高，但温度仍没有到达预期温度，因此，为了使监测子区域中温度到达预期温度并不再产生碳量，以确保监控子区域的安全性，基于已完成模型训练的电量预测模型对温度数据以及增温信息进行能源预测，从而确定监测子区域达到预期温度所需的电量值。其中，增温信息为监测子区域中预期到达温度，不同的监测子区域可以预先配置不同的增温信息，例如，草莓大棚中增温信息为28度，白菜大棚中增温信息为25度等，本发明实施例不做具体限定。

需要说明的是，本发明实施例中通过预先训练好的电量预测模型预测达到增温信息所需要的具体电量值，此时，电量预测模型为一种机器学习算法，可以为神经网络模型、也可以为深度学习模型等，从而基于训练样本集进行模型训练，实现电量值预测的智能性，满足电量数据处理的多样化、灵活化需求。

103、若所述电量值大于蓄电设备中的蓄电数据，则获取园区发电设备的发电状态，并结合所述电量值、所述蓄电数据、所述发电状态确定目标园区发电设备。

本发明实施例中，如图2所示，为了实现园区内的有效供电，当前执行端的园区服务器与蓄电设备进行数据通信，从而获取蓄电设备中的蓄电数据或对蓄电设备进行控制。其中，蓄电设备向各个监控子区域中的增温设备进行供电，因此，在预测确定各个监控子区域所需的电量值后，当前执行端对比电量值与蓄电设备中的蓄电数据，以确保蓄电设备可以正常进行供电。此时，若电量值大于蓄电设备中的蓄电数据，说明蓄电设备无法进行供电来满足监控子区域的增温需求，因此，获取园区发电设备的发电状态，以基于电量值、蓄电数据、发电状态确定预期进行充电的目标园区发电设备。其中，园区中预先设置有多个不同发电类型的发电设备，发电设备包括但不限于风力发电机、太阳能发电机、水利发电机等，从而对蓄电设备进行发电存储。为了使蓄电设备进行有效、快速的蓄电，获取的发电状态包括所述园区发电设备的发电类型、发电性能参数，从而基于此发电状态结合电量值、蓄电数据、确定目标园区发电设备，此时，目标园区发电设备可以为一个发电类型的园区发电设备，也可以包含多个发电类型的园区发电设备的组合，本发明实施例不做具体限定。

104、当基于所述目标园区发电设备完成所述蓄电设备的充电操作后，控制所述蓄电设备向设置于所述监测子区域的增温设备供电。

本发明实施例中，当确定目标园区发电设备后，当前执行端在检测到目标园区发电设备完成对蓄电设备的充电操作后，控制蓄电设备想各个增温设备进行供电，以使得增温设备产生热能，增加监控子区域中的温度。其中，蓄电设备可以为单一的蓄电池、可以为多个蓄电池进行组合得到的，蓄电设备的蓄电电压根据不同的设备型号进行确定，优选的，蓄电池的供电电压、电流、频率等与增温设备匹配，增温设备包括但不限于加热器（如电热扇）、发热空调等，本发明实施例不做具体限定。

需要说明的是，当前执行端在确定目标园区发电设备后，驱动目标园区发电设备进行发电，以供蓄电设备进行蓄电，并检测蓄电设备是否完成充电操作。若完成充电操作，则控制蓄电设备向各监控子区域中设置的增温设备供电，直至匹配所期望增温的温度值。

在另一个本发明实施例中，为了进一步限定及说明，如图3所示，步骤结合所述电量值、所述蓄电数据、所述发电状态确定目标园区发电设备包括：

201、获取日照状态信息、风力强度信息、水流速信息；

202、基于所述日照状态信息、所述风力强度信息、所述水流速信息分别计算不同园区发电设备在所述发电状态下单独发电达到所述电量值与所述蓄电数据差值的发电时长；

203、选取多个所述发电时长中最短发电时长所对应的园区发电设备，确定为目标园区发电设备，以驱动所述目标园区发电设备按照所述发电时长进行发电存储至所述蓄电设备中。

本发明实施例中，为了准确从多个园区发电设备中确定目标园区发电设备，从而提高向蓄电设备进行充电的效率，获取当前的日照状态信息、风力强度信息、水流速信息，以便计算基于不同园区发电设备在发电状态下单独发电的发电时长。其中，日照状态信息可以基于当日天气预报中的日照时长确定，风力强度信息可以基于当日天气预报中的风力强度确定，水流速信息可以基于水利发电设备处于水域中的水流速检测设备进行确定，本发明实施例不做具体限定。

具体的，由于需要计算不同园区发电设备在发电状态下单独发电所达到电量值与蓄电数据差值的发电时长，因此，基于日照状态信息计算不同园区发电设备在发电状态下发电达到电量值与蓄电数据差值的发电时长，发电状态包括太阳能发电类型，发电性能参数为基于日照状态信息下所能够发电电量所需要的时长，从而计算出在此日照状态信息下进行发电到达电量值与所述蓄电数据差值的发电时长。例如，发电性能参数为日照时长1小时所发电量为100度，则根据电量值与蓄电数据差值的电量为500度时，发电时长为5小时，不同的太阳能发电设备所对应的发电性能参数不同，从而使得计算得到不同的发电时长，本发明实施例不做具体限定。

具体的，由于需要计算不同园区发电设备在发电状态下单独发电所达到电量值与蓄电数据差值的发电时长，因此，即基于风力强度信息计算不同园区发电设备在发电状态下发电达到电量值与蓄电数据差值的发电时长，发电状态包括风力发电类型，发电性能参数为基于风力强度信息下所能够发电电力所需要的时长，从而计算出在此风力强度信息下进行发电到达电量值与所述蓄电数据差值的发电时长。例如，发电性能参数中包含风力强度3级风1小时发电为100度，则根据电量值与蓄电数据差值的电力为500度时，在获取的风力强度信息为3级时，发电时长为5小时，不同的风力发电设备所对应的发电性能参数不同，从而使得计算得到不同的发电时长，本发明实施例不做具体限定。

具体的，由于需要计算不同园区发电设备在发电状态下单独发电所达到电量值与蓄电数据差值的发电时长，因此，即基于水流速信息计算不同园区发电设备在发电状态下发电达到电量值与蓄电数据差值的发电时长，发电状态包括水利发电类型，发电性能参数为基于水流速下所能够发电电力所需要的时长，从而计算出在此水流速信息下进行发电到达电量值与所述蓄电数据差值的发电时长。例如，发电性能参数中包含水流速50米/小时发电100度，则根据电量值与蓄电数据差值的电力为500度时，在获取的水流速信息为50米/小时时，发电时长为5小时，不同水利发电设备所对应的发电性能参数不同，从而使得计算得到的不同发电时长，本发明实施例不做具体限定。

当完成各个单独园区发电设备的发电时长计算后，选取多个发电时长中最短发电时长所对应的园区发电设备，确定为目标园区发电设备，以驱动目标园区发电设备按照发电时长进行发电存储至所述蓄电设备中。其中，若多个发电时长相同，则任意选取一个即可，从而加快发电设备的选取速度。

在另一个本发明实施例中，为了进一步限定及说明，步骤结合所述电量值、所述蓄电数据、所述发电状态确定目标园区发电设备包括：

获取日照状态信息、风力强度信息、水流速信息；

基于所述日照状态信息、所述风力强度信息、所述水流速信息整合计算不同园区发电设备在所述发电状态下组合发电达到所述电量值与所述蓄电数据差值的发电时长；

将整合的不同所述园区发电设备确定为目标园区发电设备，以驱动所述目标园区发电设备按照所述发电时长进行发电存储至所述蓄电设备中。

本发明实施例中，为了准确从多个园区发电设备中确定目标园区发电设备，从而提高向蓄电设备进行充电的效率，以便基于不同园区发电设备在发电状态下整合计算发电的发电时长。其中，日照状态信息可以基于当日天气预报中的日照时长确定，风力强度信息可以基于当日天气预报中的风力强度确定，水流速信息可以基于水利发电设备处于水域中的水流速检测设备进行确定，本发明实施例不做具体限定。

具体的，基于日照状态信息、风力强度信息、水流速信息整合计算组合发电的发电时长时，即根据每个发电类型的园区发电设备单独进行发电所达到的发电时长按照发电组合策略进行组合，从而计算组合得到的发电时长。具体的，发电组合策略为将单独发电所对应的发电时长进行排序，将发电时长最短的第一园区发电设备的一半发电时长，计算第一发电量，并按照第一发电量确定预期到达上述差值所剩余需要发电的第二发电量，选取发电时长第二短的第二园区发电设备，基于第二发电量作为第二园区发电设备的目标发电量，计算得到发电时长，从而将两个发电时长进行相加，并组合第一园区发电设备与第二园区发电设备作为目标园区发电设备，作为目标园区发电设备，以驱动按照两个发电时长分别对组合的第一园区发电设备与第二园区发电设备发电存储至蓄电设备中。另外，各个园区发电设备单独计算发电时长的方法与上述方法相同，在此不再赘述。

例如，基于上述单独计算发电时长方式，按照电量值与蓄电数据的差值计算得到太阳能发电设备的发电时长为3小时，风力发电设备的发电时长为5小时，水利发电设备发电时长为4小时，则基于将太阳能发电设备的发电时长确定为1.5小时，并基于此1.5小时计算1.5小时太阳能发电设备发电的电量a，并基于电量值与蓄电数据的差值减a，得到剩余发电电量，作为水利发电设备的目标发电量，计算水利发电设备得到此剩余发电电量的发电时长s小时，从而将太阳能发电设备的1.5小时发电时长与水利发电设备的s小时发电时长进行组合发电，存储至蓄电设备中。

在另一个本发明实施例中，为了进一步限定及说明，步骤基于已完成模型训练的电量预测模型对所述温度数据以及与所述监测子区域匹配的增温信息进行能源预测，确定所述监测子区域所需的电量值之前，所述方法还包括：

获取增温电量数据样本集；

构建卷积神经网络模型，并基于所述增温电量数据样本集对所述卷积神经网络模型进行模型训练，得到所述电量预测模型。

为了实现针对电数据的智能性预测，在基于电量预测模型进行能源预测，需要对电量预测模型进行模型训练。首先，获取增温电量数据样本集，所述增温电量数据样本集中包含有已标记的历史增温信息以及历史电量值，同时构建卷积神经网络模型，以基于增温电数据样本集对卷积神经网络模型进行模型训练，得到电量预测模型。其中，所述卷积神经网络中的网络权重值为基于所述历史增温信息的增温幅值确定，即针对卷积神经网络而言，优选为三层卷积神经网络，并在三层卷积神经网络卷积层中配置与神经元个数匹配的网络权重值。本发明实施例中，为了使电量预测模型适用于增温场景中，提高模型的学习能力，基于增温信息的增温幅值进行确定，具体的，为增温幅值划分增温幅值区间，例如，0-5度、5-10度、10-20度，针对不同的增温幅值配置的网络权重值，分别配置权重值为0.1、0.3、0.6，分别对应卷积层中的三个神经元，本发明实施例不做具体限定。

在另一个本发明实施例中，为了进一步限定及说明，如图4所示，步骤控制所述蓄电设备向设置于所述监测子区域的增温设备供电包括：

301、确定所述蓄电设备与所述增温设备之间的供电线路网络；

302、控制所述蓄电设备通过所述供电线路网络所对应的供电线路，按照第一预设供电功率向所述增温设备供电；

303、当重新基于所述温度传感器采集的温度数据达到所述预设温度阈值，则按照第二预设供电功率向所述增温设备供电，所述第一预设供电功率大于所述第二预设供电功率。

本发明实施例中，为了使蓄电设备进行高效的供电，在控制蓄电设备进行供电时，首先确定蓄电设备与增温设备之间的供电线路网络，以基于供电线路网络进行供电。其中，所述供电线路网络包括串联线路网络、并联线路网络，串联线路网络为基于各个园区发电设备按照串联方式进行发电的线路，并联线路网络模型为基于各个园区发电设备按照并联方式进行发电的线路，此时，确定蓄电设备与增温设备之间的线路模型，具体可以基于增温设备与蓄电设备的设备类型或设备匹配度来确定，即增温设备的充电电压若大于蓄电设备的供电电压，确定蓄电设备与增温设备之间为并联线路网络模型，以确保增温设备的电压负载安全性，增温设备的充电电压若小于或等于蓄电设备的供电电压，则确定蓄电设备与增温设备之间为串联线路网络模型，以确保增温设备的电压负载安全性。

需要说明的是，确定供电线路网络后，当前执行端控制蓄电设备按照此供电线路网络向增温设备进行供电，此时为了确保安全供电，首先按照第一预设供电功率进行供电，以实现阶段性温度提升效果。此时，当前执行端重新基于温度传感器采集温度数据，并确定是否到达预设温度阈值，此时的预设温度阈值用于限定监控子区域快速实现升温的一个目标温度值，并不等于预期增温的温度值，因此，当重新采集的温度数据达到预设温度阈值后，当前执行点调整供电功率，即按照第二预设供电功率控制蓄电设备向增温设备供电。其中，所述第一预设供电功率大于所述第二预设供电功率，从而实现迅速增温目的。

在另一个本发明实施例中，为了进一步限定及说明，步骤控制所述蓄电设备向设置于所述监测子区域的增温设备供电之后，所述方法还包括：

当接收到供电时长配置指令时，基于录入的时间长度配置所述蓄电设备的设备供电时长；或，

当所述蓄电设备配置有最低蓄电电量时，基于所述最低蓄电电量确定设备供电时长；

当到达所述设备供电时长后，向所述蓄电设备发送停止供电指示，以指示所述蓄电设备停止供电。

本发明实施例中，为了确保蓄电设备的安全供电，当前执行端还可以配置供电时长配置指令，以供操作人员进行触发，并录入时间长度，配置为蓄电设备的设备供电时长。同时，还可以监测到蓄电设备配置有最低蓄电电量时，根据蓄电电量与蓄电设备的蓄电速度计算得到设备供电时长，从而在到达设备供电时长时停止供电，确保蓄电设备的供电安全性，避免蓄电设备长时间供电而损耗性能。

在另一个本发明实施例中，为了进一步限定及说明，步骤方法还包括：

获取所述蓄电设备向所述增温设备供电的供电数据，以及所述园区发电设备的发电数据；

基于所述供电数据、所述发电数据生成能源监控曲线，并在监控终端处输出所述能源监控曲线，以进行实时监控。

本发明实施例中，为了满足对各个蓄电设备的监控需求，确保蓄电设备的使用有效性，以及对园区发电情况的监控，获取蓄电设备向增温设备供电的供电数据以及园区发电设备的发电数据，以便生成用于能源监控的能源监控曲线，输出至当前执行端的前端界面中，以供操作人员进行实时监控。其中，能源监控曲线中包含供电数据、发电数据、以及供电数据与发电数据之间的差值分别对应的曲线，通过不同颜色进行表示，以进行展示。

本发明实施例提供了一种基于园区电数据预测的能源监测方法，与现有技术相比，本发明实施例通过获取各碳量传感器采集的碳量数据，以及各温度传感器采集的温度数据，所述碳量传感器与所述温度传感器配对设置于园区中的各个待测监测子区域；若所述碳量数据超过预设碳量阈值，且所述温度数据未到达预设温度阈值，则基于已完成模型训练的电量预测模型对所述温度数据以及与所述监测子区域匹配的增温信息进行能源预测，确定所述监测子区域所需的电量值；若所述电量值大于蓄电设备中的蓄电数据，则获取园区发电设备的发电状态，并结合所述电量值、所述蓄电数据、所述发电状态确定目标园区发电设备，所述发电状态包括所述园区发电设备的发电类型、发电性能参数；当基于所述目标园区发电设备完成所述蓄电设备的充电操作后，控制所述蓄电设备向设置于所述监测子区域的增温设备供电，通过实时进行碳量监控并结合电能增温，实现整体园区的碳平衡目的，并通过蓄电设备配置在园区中满足实时的供电需求，结合对蓄电设备的电量监控，实现对能源的有效监控目的。

进一步的，作为对上述图1所示方法的实现，本发明实施例提供了一种基于园区电数据预测的能源监测装置，如图5所示，该装置包括：

获取模块41，用于获取各碳量传感器采集的碳量数据，以及各温度传感器采集的温度数据，所述碳量传感器与所述温度传感器配对设置于园区中的各个待测监测子区域；

预测模块42，用于若所述碳量数据超过预设碳量阈值，且所述温度数据未到达预设温度阈值，则基于已完成模型训练的电量预测模型对所述温度数据以及与所述监测子区域匹配的增温信息进行能源预测，确定所述监测子区域所需的电量值；

确定模块43，用于若所述电量值大于蓄电设备中的蓄电数据，则获取园区发电设备的发电状态，并结合所述电量值、所述蓄电数据、所述发电状态确定目标园区发电设备，所述发电状态包括所述园区发电设备的发电类型、发电性能参数；

控制模块44，用于当基于所述目标园区发电设备完成所述蓄电设备的充电操作后，控制所述蓄电设备向设置于所述监测子区域的增温设备供电。

进一步地，所述确定模块包括：

第一获取单元，用于获取日照状态信息、风力强度信息、水流速信息；

第一计算单元，用于基于所述日照状态信息、所述风力强度信息、所述水流速信息分别计算不同园区发电设备在所述发电状态下单独发电达到所述电量值与所述蓄电数据差值的发电时长；

第一确定单元，用于选取多个所述发电时长中最短发电时长所对应的园区发电设备，确定为目标园区发电设备，以驱动所述目标园区发电设备按照所述发电时长进行发电存储至所述蓄电设备中。

进一步地，所述确定模块还包括：

第二获取单元，用于获取日照状态信息、风力强度信息、水流速信息；

第二计算单元，用于基于所述日照状态信息、所述风力强度信息、所述水流速信息整合计算不同园区发电设备在所述发电状态下组合发电达到所述电量值与所述蓄电数据差值的发电时长；

第二确定单元，用于将整合的不同所述园区发电设备确定为目标园区发电设备，以驱动所述目标园区发电设备按照所述发电时长进行发电存储至所述蓄电设备中。

进一步地，所述装置还包括：构建模块，

所述获取模块，还用于获取增温电量数据样本集，所述增温电量数据样本集中包含有已标记的历史增温信息以及历史电量值；

所述构建模块，用于构建卷积神经网络模型，并基于所述增温电量数据样本集对所述卷积神经网络模型进行模型训练，得到所述电量预测模型，所述卷积神经网络中的网络权重值为基于所述历史增温信息的增温幅值确定。

进一步地，所述控制模块包括：

确定单元，用于确定所述蓄电设备与所述增温设备之间的供电线路网络，所述供电线路网络包括串联电路网络、并联线路网络模型；

控制单元，用于控制所述蓄电设备通过所述供电线路网络所对应的供电线路，按照第一预设供电功率向所述增温设备供电；

供电单元，用于当重新基于所述温度传感器采集的温度数据达到所述预设温度阈值，则按照第二预设供电功率向所述增温设备供电，所述第一预设供电功率大于所述第二预设供电功率。

进一步地，所述装置还包括：配置模块，发送模块，

所述配置模块，用于当接收到供电时长配置指令时，基于录入的时间长度配置所述蓄电设备的设备供电时长；或，

所述确定模块，还用于当所述蓄电设备配置有最低蓄电电量时，基于所述最低蓄电电量确定设备供电时长；

所述发送模块，用于当到达所述设备供电时长后，向所述蓄电设备发送停止供电指示，以指示所述蓄电设备停止供电。

进一步地，所述装置还包括：生成模块，

所述获取模块，还用于获取所述蓄电设备向所述增温设备供电的供电数据，以及所述园区发电设备的发电数据；

所述生成模块，用于基于所述供电数据、所述发电数据生成能源监控曲线，并在监控终端处输出所述能源监控曲线，以进行实时监控。

本发明实施例提供了一种基于园区电数据预测的能源监测装置，与现有技术相比，本发明实施例通过获取各碳量传感器采集的碳量数据，以及各温度传感器采集的温度数据，所述碳量传感器与所述温度传感器配对设置于园区中的各个待测监测子区域；若所述碳量数据超过预设碳量阈值，且所述温度数据未到达预设温度阈值，则基于已完成模型训练的电量预测模型对所述温度数据以及与所述监测子区域匹配的增温信息进行能源预测，确定所述监测子区域所需的电量值；若所述电量值大于蓄电设备中的蓄电数据，则获取园区发电设备的发电状态，并结合所述电量值、所述蓄电数据、所述发电状态确定目标园区发电设备，所述发电状态包括所述园区发电设备的发电类型、发电性能参数；当基于所述目标园区发电设备完成所述蓄电设备的充电操作后，控制所述蓄电设备向设置于所述监测子区域的增温设备供电，通过实时进行碳量监控并结合电能增温，实现整体园区的碳平衡目的，并通过蓄电设备配置在园区中满足实时的供电需求，结合对蓄电设备的电量监控，实现对能源的有效监控目的。

根据本发明一个实施例提供了一种存储介质，所述存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的基于园区电数据预测的能源监测方法。

图6示出了根据本发明一个实施例提供的一种基于园区电数据预测的能源监测系统的结构示意图，本发明具体实施例并不对终端的具体实现做限定。

如图6所示，该系统可以包括：园区服务器51、蓄电设备52、设置于各监测子区域的增温设备53和连接监控子系统54的碳量传感器及温度传感器，

其中，所述园区服务器51分别与所述蓄电设备52、以及所述监控子系统54进行数据通信；

所述园区服务器51，用于获取各碳量传感器采集的碳量数据，以及各温度传感器采集的温度数据，所述碳量传感器与所述温度传感器配对设置于园区中的各个待测监测子区域；若所述碳量数据超过预设碳量阈值，且所述温度数据未到达预设温度阈值，则基于已完成模型训练的电量预测模型对所述温度数据以及与所述监测子区域匹配的增温信息进行能源预测，确定所述监测子区域所需的电量值；若所述电量值大于蓄电设备52中的蓄电数据，则获取园区发电设备的发电状态，并结合所述电量值、所述蓄电数据、所述发电状态确定目标园区发电设备，所述发电状态包括所述园区发电设备的发电类型、发电性能参数；当基于所述目标园区发电设备完成所述蓄电设备52的充电操作后，控制所述蓄电设备52向设置于所述监测子区域的增温设备53供电。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。

Claims (10)

1.一种基于园区电数据预测的能源监测方法，其特征在于，包括：

获取各碳量传感器采集的碳量数据，以及各温度传感器采集的温度数据，所述碳量传感器与所述温度传感器配对设置于园区中的各个待测监测子区域；

若所述碳量数据超过预设碳量阈值，且所述温度数据未到达预设温度阈值，则基于已完成模型训练的电量预测模型对所述温度数据以及与所述监测子区域匹配的增温信息进行能源预测，确定所述监测子区域所需的电量值；

若所述电量值大于蓄电设备中的蓄电数据，则获取园区发电设备的发电状态，并结合所述电量值、所述蓄电数据、所述发电状态确定目标园区发电设备，所述发电状态包括所述园区发电设备的发电类型、发电性能参数；

当基于所述目标园区发电设备完成所述蓄电设备的充电操作后，控制所述蓄电设备向设置于所述监测子区域的增温设备供电。

2.根据权利要求1所述的方法，其特征在于，所述结合所述电量值、所述蓄电数据、所述发电状态确定目标园区发电设备包括：

获取日照状态信息、风力强度信息、水流速信息；

基于所述日照状态信息、所述风力强度信息、所述水流速信息分别计算不同园区发电设备在所述发电状态下单独发电达到所述电量值与所述蓄电数据差值的发电时长；

选取多个所述发电时长中最短发电时长所对应的园区发电设备，确定为目标园区发电设备，以驱动所述目标园区发电设备按照所述发电时长进行发电存储至所述蓄电设备中。

3.根据权利要求1所述的方法，其特征在于，所述结合所述电量值、所述蓄电数据、所述发电状态确定目标园区发电设备包括：

获取日照状态信息、风力强度信息、水流速信息；

基于所述日照状态信息、所述风力强度信息、所述水流速信息整合计算不同园区发电设备在所述发电状态下组合发电达到所述电量值与所述蓄电数据差值的发电时长；

将整合的不同所述园区发电设备确定为目标园区发电设备，以驱动所述目标园区发电设备按照所述发电时长进行发电存储至所述蓄电设备中。

4.根据权利要求1所述的方法，其特征在于，所述基于已完成模型训练的电量预测模型对所述温度数据以及与所述监测子区域匹配的增温信息进行能源预测，确定所述监测子区域所需的电量值之前，所述方法还包括：

获取增温电量数据样本集，所述增温电量数据样本集中包含有已标记的历史增温信息以及历史电量值；

构建卷积神经网络模型，并基于所述增温电量数据样本集对所述卷积神经网络模型进行模型训练，得到所述电量预测模型，所述卷积神经网络中的网络权重值为基于所述历史增温信息的增温幅值确定。

5.根据权利要求1所述的方法，其特征在于，所述控制所述蓄电设备向设置于所述监测子区域的增温设备供电包括：

确定所述蓄电设备与所述增温设备之间的供电线路网络，所述供电线路网络包括串联电路网络、并联线路网络模型；

控制所述蓄电设备通过所述供电线路网络所对应的供电线路，按照第一预设供电功率向所述增温设备供电；

当重新基于所述温度传感器采集的温度数据达到所述预设温度阈值，则按照第二预设供电功率向所述增温设备供电，所述第一预设供电功率大于所述第二预设供电功率。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述控制所述蓄电设备向设置于所述监测子区域的增温设备供电之后，所述方法还包括：

当接收到供电时长配置指令时，基于录入的时间长度配置所述蓄电设备的设备供电时长；或，

当所述蓄电设备配置有最低蓄电电量时，基于所述最低蓄电电量确定设备供电时长；

当到达所述设备供电时长后，向所述蓄电设备发送停止供电指示，以指示所述蓄电设备停止供电。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

获取所述蓄电设备向所述增温设备供电的供电数据，以及所述园区发电设备的发电数据；

基于所述供电数据、所述发电数据生成能源监控曲线，并在监控终端处输出所述能源监控曲线，以进行实时监控。

8.一种基于园区电数据预测的能源监测装置，其特征在于，包括：

获取模块，用于获取各碳量传感器采集的碳量数据，以及各温度传感器采集的温度数据，所述碳量传感器与所述温度传感器配对设置于园区中的各个待测监测子区域；

预测模块，用于若所述碳量数据超过预设碳量阈值，且所述温度数据未到达预设温度阈值，则基于已完成模型训练的电量预测模型对所述温度数据以及与所述监测子区域匹配的增温信息进行能源预测，确定所述监测子区域所需的电量值；

确定模块，用于若所述电量值大于蓄电设备中的蓄电数据，则获取园区发电设备的发电状态，并结合所述电量值、所述蓄电数据、所述发电状态确定目标园区发电设备，所述发电状态包括所述园区发电设备的发电类型、发电性能参数；

控制模块，用于当基于所述目标园区发电设备完成所述蓄电设备的充电操作后，控制所述蓄电设备向设置于所述监测子区域的增温设备供电。

9.一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-7中任一项所述的基于园区电数据预测的能源监测方法对应的操作。

10.一种基于园区电数据预测的能源监测系统，其特征在于，包括：园区服务器、蓄电设备、设置于各监测子区域的增温设备和连接监控子系统的碳量传感器及温度传感器，

其中，所述园区服务器分别与所述蓄电设备、以及所述监控子系统进行数据通信；

所述园区服务器，用于获取各碳量传感器采集的碳量数据，以及各温度传感器采集的温度数据，所述碳量传感器与所述温度传感器配对设置于园区中的各个待测监测子区域；若所述碳量数据超过预设碳量阈值，且所述温度数据未到达预设温度阈值，则基于已完成模型训练的电量预测模型对所述温度数据以及与所述监测子区域匹配的增温信息进行能源预测，确定所述监测子区域所需的电量值；若所述电量值大于蓄电设备中的蓄电数据，则获取园区发电设备的发电状态，并结合所述电量值、所述蓄电数据、所述发电状态确定目标园区发电设备，所述发电状态包括所述园区发电设备的发电类型、发电性能参数；当基于所述目标园区发电设备完成所述蓄电设备的充电操作后，控制所述蓄电设备向设置于所述监测子区域的增温设备供电。

Images