CN115528817A - 一种用户端智能配用电系统、方法、介质、设备及终端 - Google Patents
一种用户端智能配用电系统、方法、介质、设备及终端 Download PDFInfo
- Publication number
- CN115528817A CN115528817A CN202211338002.2A CN202211338002A CN115528817A CN 115528817 A CN115528817 A CN 115528817A CN 202211338002 A CN202211338002 A CN 202211338002A CN 115528817 A CN115528817 A CN 115528817A
- Authority
- CN
- China
- Prior art keywords
- data
- submodule
- management
- module
- 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
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 98
- 238000011156 evaluation Methods 0.000 claims abstract description 96
- 238000012544 monitoring process Methods 0.000 claims abstract description 50
- 230000006870 function Effects 0.000 claims abstract description 41
- 238000005457 optimization Methods 0.000 claims abstract description 30
- 238000012423 maintenance Methods 0.000 claims abstract description 16
- 238000007726 management method Methods 0.000 claims description 197
- 238000004458 analytical method Methods 0.000 claims description 52
- 238000005259 measurement Methods 0.000 claims description 51
- 238000012545 processing Methods 0.000 claims description 51
- 238000004891 communication Methods 0.000 claims description 50
- 238000013528 artificial neural network Methods 0.000 claims description 35
- 238000004422 calculation algorithm Methods 0.000 claims description 33
- 238000012549 training Methods 0.000 claims description 31
- 238000013461 design Methods 0.000 claims description 26
- 238000010586 diagram Methods 0.000 claims description 26
- 238000010248 power generation Methods 0.000 claims description 24
- 238000010606 normalization Methods 0.000 claims description 22
- 238000007781 pre-processing Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 20
- 230000002068 genetic effect Effects 0.000 claims description 17
- 230000008676 import Effects 0.000 claims description 17
- 230000000306 recurrent effect Effects 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 claims description 14
- 230000000694 effects Effects 0.000 claims description 14
- 230000003993 interaction Effects 0.000 claims description 14
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000013473 artificial intelligence Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 10
- 230000005611 electricity Effects 0.000 claims description 10
- 238000013210 evaluation model Methods 0.000 claims description 10
- 230000000007 visual effect Effects 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 8
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 claims description 8
- 230000004913 activation Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 7
- 210000002569 neuron Anatomy 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 230000006399 behavior Effects 0.000 claims description 4
- 238000013523 data management Methods 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 3
- 238000011068 loading method Methods 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 238000007418 data mining Methods 0.000 abstract description 2
- 230000004927 fusion Effects 0.000 abstract description 2
- 238000011161 development Methods 0.000 description 20
- 238000005265 energy consumption Methods 0.000 description 20
- 238000005516 engineering process Methods 0.000 description 18
- 230000008901 benefit Effects 0.000 description 16
- 238000013441 quality evaluation Methods 0.000 description 13
- 238000011160 research Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 9
- 238000004146 energy storage Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 238000007689 inspection Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 7
- 230000009466 transformation Effects 0.000 description 7
- 230000004044 response Effects 0.000 description 6
- 239000000243 solution Substances 0.000 description 6
- 230000002457 bidirectional effect Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 230000001737 promoting effect Effects 0.000 description 5
- 241000189662 Calla Species 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000007599 discharging Methods 0.000 description 4
- 238000004134 energy conservation Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 229910052799 carbon Inorganic materials 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 210000000349 chromosome Anatomy 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010891 electric arc Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008092 positive effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000006798 recombination Effects 0.000 description 2
- 238000005215 recombination Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000005459 micromachining Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000031877 prophase Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000011425 standardization method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000009628 steelmaking Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000002759 z-score normalization Methods 0.000 description 1
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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
- H02J13/00022—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using wireless data transmission
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
- H02J13/00022—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using wireless data transmission
- H02J13/00026—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using wireless data transmission involving a local wireless network, e.g. Wi-Fi, ZigBee or Bluetooth
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
- H02J13/00028—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment involving the use of Internet protocols
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于智能用电技术领域，公开了一种用户端智能配用电系统、方法、介质、设备及终端，用户端智能配用电系统采用B/S架构并使用MVC设计模式，包括数据采集传输层、数据层、业务层和应用服务层。用户端智能配用电系统包括系统设置模块、档案管理模块、报表管理模块、地图导航模块、数据维护模块、告警管理模块、在线监控模块、电量与负荷预测模块、电能评价模块。本发明的用户端智能配用电系统，将数据采集和监控、电能质量和能效评价、数据挖掘与人工智能预测、精准优化治理四个功能整合，建立全程、闭环数据流监管，实现各项业务数据融合、科学管理和信息共享服务；实施完成后，能够形成年合同额400万元规模，年净利润40万元。
Description
技术领域
本发明属于智能用电技术领域，尤其涉及一种用户端智能配用电系统、方法、介质、设备及终端。
背景技术
目前，能源是人类用以维持生活、社会赖以高速发展的源动力。当前高速发展的经济社会背后是高耗能、低利用率的能源消耗模式，本发明的地球家园也承受着难以长期健康发展的压力。坚持节能减排中明确提出从实施国家安全战略全局出发，积极开展电力需求侧管理和能效管理，完善有序用电和节约用电制度，促进经济结构调整、节能减排和产业升级，强化能源领域科技创新，推动电力行业发展方式转变和能源结构优化，提高发展质量和效率，提高可再生能源发电和分布式能源系统发电在电力供应中的比例。在推进电力体制改革的重点任务中明确要求积极开展电力需求侧管理和能效管理，通过运用现代信息技术、培育电能服务、实施需求响应等，促进供需平衡和节能减排。
智能用电技术，在当前提倡的低碳经济用电需求形势下应运而生，智能化控制和支配电网，能实现电网信息终端交互功能，对电网优化配置，实现电网节能环保则成为国家号召、企业应当主动担负的重要责任。因此，利用电力需求侧管理和能效管理平台面向用户实施智能化在线监测及控制、评价、优化技术，不仅可以提高企业的综合利用能源节约能源意识、电能质量意识和安全经济运行指标，而且对于政府主管部门及电力行业主管部门提供迅捷、准确、直观的全省用电单位的电力基础数据及系统支撑；同时，可为全省能源经济运行及规划提供数据支撑，为建立全省能效信息系统奠定基础。
在配网自动化的建设中，通信方式是非常重要的一个环节，是实施配网自动化的基础，因此，实施配网自动化必须解决好通信问题，才能准确地将配电终端设备与配电自动化系统主站进行数据通信和数据交换。随着通信技术的发展，可供选择的通信手段很多，主要有光纤、配电线载波、电话专线、CATV通道、无线扩频、微波通信、专线RS-485、公网GPRS/3G等方式，常用于故障指示器、 FTU、TTU的通信、负荷控制、低压用户抄表、通信主干线等。这些通信技术的应用，在一定程度上解决了配用电信息传输问题。现如今，配用电系统的配电方式是按照用电方式，即居民用电、商业用电等进行区别配电，配用电方式相对固定，无法根据需求的用电量进行配用电的调整。
通过上述分析，现有技术存在的问题及缺陷为：现有配用电系统的配电方式是按照用电方式相对固定，无法根据需求的用电量进行配用电的调整。配用电信息诊断与传输通道闭塞，数据信息反馈不及时。电力需求侧用电质量层次不齐，安全隐患较高且低碳节能效果较差。
发明内容
针对现有技术存在的问题，本发明提供了一种用户端智能配用电系统、方法、介质、设备及终端，尤其涉及一种基于互联网的用户端智能配用电系统、方法、介质、设备及终端。
本发明是这样实现的，一种用户端智能配用电系统，所述用户端智能配用电系统采用B/S架构并使用MVC设计模式，包括数据采集传输层、数据层、业务层和应用服务层；
其中，所述数据采集传输层以指定的通讯协议进行数据的交互，则监控子站作为数据的发送端，监控中心作为数据的接收端；根据通讯协议内容，分别部署客户端和服务端；客户端根据数据上送频率要求，定时将指定的数据内容根据通讯协议发送到接收端；接收端在接收完数据后解析数据，将数据存入指定的数据库中；数据上报方式包括socket数据上报和webservice数据上报。
所述数据层和业务层，用于负责各子系统监测、调度数据的存储和调用，屏蔽平台运行底层的物理数据库的差异，以接口的形式提供各种通用的数据访问服务；系统分为实时数据库与数据中心两类，所述实时数据库用于负责各类实时数据，包括子系统运行的监测量；所述数据中心用于负责历史数据的统筹管理与存储，通过本平台实现各种检测数据的统一管理。
所述应用服务层，用于汇总不同类型的应用与服务并进行统一管理，所述应用与服务包括能效评估、智能能源调配、用能智能化调整、数据交互服务以及手机应用；每个模块的生命周期以及异常处理的基本运行信息均由统一的微内核服务管理器负责，实现插件式、动态加载的分布式面向服务组件模块应用管理；通过开放的分布式面向服务的应用模型的设计，实现各种能效管理功能的灵活组合与动态行为决策。
进一步，所述用户端智能配用电系统还包括系统设置模块、档案管理模块、报表管理模块、地图导航模块、数据维护模块、告警管理模块、在线监控模块、电量与负荷预测模块、电能评价模块。
其中，所述系统设置模块包括系统配置子模块、数据字典维护子模块和菜单管理子模块，用于系统要求使用者根据不同的权限进行不同显示；
所述档案管理模块包括企业档案管理子模块、子站档案管理子模块、变压器档案管理子模块、回路档案管理子模块和设备档案管理子模块；所述企业档案管理子模块，用于对企业的关键信息进行添加、查询、修改和删除以及导入、导出管理；所述子站档案管理子模块，用于对子站的关键信息进行添加、查询、修改和删除以及导入、导出管理；所述变压器档案管理子模块，用于对变压器的关键信息进行添加、查询、修改和删除以及导入、导出管理；所述回路档案管理子模块，用于对回路的关键信息进行添加、查询、修改和删除以及导入、导出管理；所述设备档案管理子模块，用于对设备的关键信息进行添加、查询、修改和删除以及导入、导出管理；
所述报表管理模块包括原始值表报管理子模块、电量统计表报管理子模块、负荷统计表报管理子模块和报警表报管理子模块；所述原始值表报管理子模块，用于对通讯机采集到的数据进行显示和导入、导出；所述电量统计表报管理子模块，用于对电量数据进行查询和导入、导出；所述负荷统计表报管理子模块，用于对负荷进行查询以及导入、导出；所述报警表报管理子模块，用于对报警信息进行查询以及导入、导出；
所述地图导航模块，用于通过地图以宏观的角度观察所有正在运行的企业，起到定位、观察的作用；
所述数据维护模块包括省份管理子模块、市区管理子模块、区县管理子模块、工业区管理子模块和数据字典维护子模块；所述省份管理子模块，用于对省份信息进行以添加、查询、修改和删除；所述市区管理子模块，用于对市区信息进行以添加、查询、修改和删除；所述区县管理子模块，用于对区县信息进行以添加、查询、修改和删除；所述工业区管理子模块，用于对工业区信息进行以添加、查询、修改和删除；所述数据字典维护子模块，用于对数据字典信息进行添加、查询、修改和删除；
所述告警管理模块包括告警对象设置子模块和告警策略设置子模块；所述告警对象设置子模块，用于对告警对象信息进行添加、查询、修改和删除；所述告警策略设置子模块，用于对告警策略进行添加、查询、修改和删除；
所述在线监控模块包括一次接线图子模块、用电参数子模块、电量分析子模块、报警管理子模块和指标关联子模块；所述一次接线图子模块，用于显示企业一次接线图，对接线图上面的数据进行实时的监控；所述用电参数子模块，用于显示通讯机采集到的数据，并通过可视化的图表进行趋势分析；所述电量分析子模块，用于显示变压器、子站、回路和设备的数据，并利用可视化的图表进行趋势分析；所述报警管理子模块，用于对报警的信息进行比较分析，并对报警设备数量、同比、环比进行分析；所述指标关联子模块，用于对用电参数进行同轴对比分析；
所述电量与负荷预测模块，用于对电量负荷进行预测；
所述电能评价模块，用于对企业的运行方式及经济运行效果进行评价。
本发明的另一目的在于提供一种应用所述的用户端智能配用电系统的用户端智能配用电方法，所述用户端智能配用电方法包括以下步骤：
步骤一，分析智能电能交互终端AMI基础单元，设计多协议数据通讯网关；
步骤二，分别构建配用电质量和能效评测模型并进行模型优化；
步骤三，基于人工智能方法的用电预测与分析，智能优化指导系统分析；
步骤四，能效评测标准评价优化，多个分布式发电单元接入控制协调优化。
进一步，所述步骤一中的智能电能交互终端AMI基础单元由智能电表、室内端口和显示器、邻近用户数据采集和控制中心组成；通过智能电表采集相关数据，通过通讯管理机管理大约集群电表，采集数据并发送到测量数据管理系统，存储到本地实时数据库中，实现对现场能源数据和能源设备的采集和控制，并对采集的数据进行计算、分析和统计。
所述多协议数据通讯网关包括协议转换APP、TCP/IP协议、ZigBee协议、Lora协议、RTOS实时操作系统以及无线收发模块驱动，用于将采集的数据打包传送给服务器；作为Lora或者Zigbee网络的根节点，用于负责将附近站点的信息经过变换后，通过GPRS或者NBIOT模块上传给远程服务器。
进一步，所述步骤二中的配用电质量和能效评测模型的构建包括：
(1)开始建立模型，并分析模型影响因素与对象基础电能数据；
(2)判断指标与适配数据是否适配，若否，则返回步骤(1)；若是，则利用层次分析法确定主观权重；
(3)判断主观权重目标集是否存在符合对象；若否，则返回主观权重确定步骤；若是，则对电能基础数据进行分析以及预处理；
(4)确定指标计算方式及数据指标计算处理，对数据进行分级处理后利用遗传算法确定指标客观权值；对数据进行归一化处理，利用BP神经网络对评价数据进行优化及预测后，利用遗传算法确定指标客观权值；
(5)判断归一化和分级客观权值哪种更符合实际应用情况；若分级更符合，则使用分级处理后的客观权值；若归一化更符合，则使用归一化处理后的客观权值；
(6)组合赋权得出指标权值，模型建立完成。
进一步，所述步骤三中的基于人工智能方法的用电预测与分析包括：
(1)利用改进的聚类算法Ak-means实现跨数据集学习；
(2)数据预处理，包括电力负荷数据集扩展、电力负荷数据数值化、电力负荷数据缺失值处理、电力负荷数据异常值处理以及电力负荷数据标准化；
(3)模型调优，包括优化时间步长、神经元数量优化、激活函数选取；
(4)构建基于循环神经网络的电力负荷组合预测模型。
进一步，所述基于循环神经网络的电力负荷组合预测模型包括：
数据层，用于将多个不同用电企业数据集整合在一起的原始数据集；
预处理层，使用数据预处理方法对数据进行处理，并通过Ak-means聚类算法初步提炼出不同子数据集之间特征并为数据打上标签，实现跨数据集的训练；
输入层，用于将预处理层数据集的所有可用的特征数据作为网络输入数据；
隐藏层，采用循环神经网络的改进后的LSTM或者GRU网络，用于对输入层给的特征数据进行自动学习，自动学习到数据中隐藏的有用信息；
输出层，用于负责将隐藏层学习到的信息转成最终结果。
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述的用户端智能配用电方法的步骤。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述的用户端智能配用电方法的步骤。
本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述的用户端智能配用电系统。
结合上述的技术方案和解决的技术问题，本发明所要保护的技术方案所具备的优点及积极效果为：
本发明提供的用户端智能配用电系统，在国家及湖北省的产业政策及发展规划的支持下，以发展“基于互联网的用户端智能配用电系统”为导向，针对目前市场上电力需求侧管理和能效管理系统缺乏智能评价和智能优化功能的现状，立足于电力需求侧管理和能效管理智能在线监测的基本功能，针对目前市场上电力需求侧管理和能效管理系统缺乏智能评价和智能优化功能的现状，运用计算机语言模块开发技术，对互联网用户端配用电系统进行智能化监测、评价和优化模块展开关键技术攻关，同时，通过接口支持输配电网、新能源等相关数据导入。本发明通过接口、安全管理等模块与已有的配用电运行采集监测系统、省自供电服务平台实现数据共享，优势互补，功能互补，开发一套具有自主知识产权的基于互联网的用户端智能配用电系统，将政策和相关条例，通过评测权值量化、分配等方法形成评价报告，辅助领导决策。同时，本发明结合某市低碳节能智慧管理系统，建立电能供配用实时在线监测网络，汇总能源数据统计和能源审计等多方数据，实现重点单位用电在线监测，统筹电力资源合理配置，为推行能效评价和需求响应提供实时信息依据和效果验证。另外，本发明通过应用示范，加强我省电力需求侧管理和能效管理水平，提升我省电能服务行业的能效管理智能配用电技术，推动配用电相关行业的发展。
本发明实现了以下关键技术：1)智能电能交互终端AMI基础单元的分析；2)多协议数据通讯网关分析；3)配用电质量和能效评测建模与实现；4)智能优化指导系统的分析；5)基于人工智能方法的用电预测与分析的建模；6)基于物联网用户端智能配用电系统支撑平台设计与开发；7)能效评测标准、评价与优化规范：建立一套完善的、基于第三方机构；8)服务的电力需求侧管理评价体系，标准、评价方法、优化指导；9)多个分布式发电单元接入控制与协调优化。
本发明运用嵌入式技术、移动通信技术、传感技术、智能控制以及云服务等新技术，通过对配用电端数据采集、传输与协议智能接口设计、配用电电能和能效评测、基于人工智能方法的用电预测与分析和配用电优化与方案等相关关键技术攻关，开发一套具有自主知识产权的基于物联网的用户端智能配用电支撑平台，构成一个设备关联、协议互通、数据共享、多任务管理的第三方数据服务系统，并在相关企业应用示范。
本发明市场主要面对电能管理信息化、互联网用户智能化和电能服务产业化三个方向，综合运用信息化、标准化等手段和措施，不断提高企业和全社会科学用电水平。统筹现有电能管理系统等资源，按照统一设计、科学规范、开放有效原则，逐步建设具备在线监测、决策分析、实施管理与统计、有序用电以及需求响应等功能的电能服务管理平台。强化平台应用，实现用电管理的“数字化、网络化、可视化、专业化”，为用户提供系统化电能管理或专业化托管服务。在实施执行期内，完成设计制造基于互联网用户端智能配用电系统1套，用于省内基于互联网用户端智能配用电系统的运行示范。系统建设完成后，在某市东湖高新区地标建筑马蹄莲大楼(某新能源研究院有限公司)成功示范，并成功在房地产行业得到推广，在某市江岸区某银泰嘉园置业有限公司完成系统建设。这将有助提升我国电力需求侧管理和能效管理水平，推动我省电力需求侧管理和能效管理与行业的发展。同时对于电能服务公司和电能评测机构等相关产业来说，可改善其服务质量，提升竞争力。
本发明所开发的产品为一种基于互联网用户端智能配用电系统，对于推动我省电力需求侧管理平台能效管理、需求响应的发展，培育和发展我省与之相应的电力需求侧产业，带动我省电力评测机构和电能服务企业向着可持续发展的方向发展，具有积极的促进作用。同时，本发明的实施，将形成实施应用示范，提升我省电力需求侧管理和能效管理水平，同时提升电能质量治理。电能质量治理是通过提高供电质量，能够减少劣质电能对电力需求侧造成的经济损失，降低额外损耗，从而提高能源利用效率。基于对电能质量的经济成本的准确评估，对比不同电能质量治理方案的相对节能效益，可以使电力需求侧明确电能质量治理的重要性，积极采取措施改善电能质量，进而提高系统整体电能质量水平，实现社会整体效益的提高。
本发明提供的用户端智能配用电系统，将数据采集和监控、电能质量和能效评价、数据挖掘与人工智能预测、精准优化治理四个关键功能整合，建立全程、闭环数据流监管，实现各项业务数据融合、科学管理和信息共享服务。在系统执行期内，本发明设计制造基于互联网用户端智能配用电系统1套，用于省内基于互联网用户端智能配用电系统的运行示范。
本发明提供的用户端智能配用电系统完成时达到的主要技术指标如下：1)准确采集电压，电流，有用功，无用功，谐波，电量等参数；测量精度0.5级，具备多检测设备的联网能力；2)系统平台稳定、连续正常运行>720h，信息保存时间大于2年；3)报警输出时间(平台：小于5S)；报警代码准确性：100％；4)保证用户远程操作稳定、可靠、安全，延时小于2S。
本发明的技术方案转化后的预期收益和商业价值为：本发明可用于对全国范围内用电企业和设备进行能效管理，基于互联网用户端智能配用电系统运行示范并逐步推广。预期在技术方案转化初期能够形成年产13套的产能，年合同额可达到400万元规模，年净利润在40万元以上。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，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是本发明实施例提供的用户端智能配用电方法流程图；
图2是本发明实施例提供的用户端智能配用电系统支撑平台拓扑结构图；
图3是本发明实施例提供的智能电能交互终端AMI基础单元应用拓扑图；
图4是本发明实施例提供的多协议数据通讯网关内部软件结构示意图；
图5是本发明实施例提供的专用数据通信网关的逻辑框架图；
图6是本发明实施例提供的能效评测模型建立流程图；
图7是本发明实施例提供的层次结构模型图；
图8是本发明实施例提供的BP网络结构示意图；
图9是本发明实施例提供的归一化数据训练曲线对比图；
图10是本发明实施例提供的分级数据训练曲线对比图；
图11是本发明实施例提供的基于循环神经网络的电力负荷组合预测模型结构示意图；
图12是本发明实施例提供的系统支撑平台网络拓扑图；
图13是本发明实施例提供的系统业务逻辑流程图；
图14是本发明实施例提供的支撑平台软件架构设计图；
图15是本发明实施例提供的支撑平台软件模块结构图；
图16是本发明实施例提供的电能质量评价体系示意图。
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。
针对现有技术存在的问题，本发明提供了一种用户端智能配用电系统、方法、介质、设备及终端，下面结合附图对本发明作详细的描述。
为了使本领域技术人员充分了解本发明如何具体实现，该部分是对权利要求技术方案进行展开说明的解释说明实施例。
如图1所示，本发明实施例提供的用户端智能配用电方法包括以下步骤：
S101，分析智能电能交互终端AMI基础单元，设计多协议数据通讯网关；
S102，分别构建配用电质量和能效评测模型并进行模型优化；
S103，基于人工智能方法的用电预测与分析，智能优化指导系统分析；
S104，能效评测标准评价优化，多个分布式发电单元接入控制与协调优化。
本发明实施例提供的智能电能交互终端AMI基础单元由智能电表、室内端口和显示器、邻近用户数据采集和控制中心组成；通过智能电表采集相关数据，通过通讯管理机管理大约集群电表，采集数据并发送到测量数据管理系统，存储到本地实时数据库中，实现对现场能源数据和能源设备的采集和控制，并对采集的数据进行计算、分析和统计。
本发明实施例提供的多协议数据通讯网关包括协议转换APP、TCP/IP协议、ZigBee协议、Lora 协议、RTOS实时操作系统以及无线收发模块驱动，用于将采集的数据打包传送给服务器；作为Lora 或者Zigbee网络的根节点，用于负责将附近站点的信息经过变换后，通过GPRS或者NBIOT模块上传给远程服务器。
本发明实施例提供的配用电质量和能效评测模型的构建包括：
(1)开始建立模型，并分析模型影响因素与对象基础电能数据；
(2)判断指标与适配数据是否适配，若否，则返回步骤(1)；若是，则利用层次分析法确定主观权重；
(3)判断主观权重目标集是否存在符合对象；若否，则返回主观权重确定步骤；若是，则对电能基础数据进行分析以及预处理；
(4)确定指标计算方式及数据指标计算处理，对数据进行分级处理后利用遗传算法确定指标客观权值；对数据进行归一化处理，利用BP神经网络对评价数据进行优化及预测后，利用遗传算法确定指标客观权值；
(5)判断归一化和分级客观权值哪种更符合实际应用情况；若分级更符合，则使用分级处理后的客观权值；若归一化更符合，则使用归一化处理后的客观权值；
(6)组合赋权得出指标权值，模型建立完成。
本发明实施例提供的基于人工智能方法的用电预测与分析包括：
(1)利用改进的聚类算法Ak-means实现跨数据集学习；
(2)数据预处理，包括电力负荷数据集扩展、电力负荷数据数值化、电力负荷数据缺失值处理、电力负荷数据异常值处理以及电力负荷数据标准化；
(3)模型调优，包括优化时间步长、神经元数量优化、激活函数选取；
(4)构建基于循环神经网络的电力负荷组合预测模型。
本发明实施例提供的基于循环神经网络的电力负荷组合预测模型包括：
数据层，用于将多个不同用电企业数据集整合在一起的原始数据集；
预处理层，使用数据预处理方法对数据进行处理，并通过Ak-means聚类算法初步提炼出不同子数据集之间特征并为数据打上标签，实现跨数据集的训练；
输入层，用于将预处理层数据集的所有可用的特征数据作为网络输入数据；
隐藏层，采用循环神经网络的改进后的LSTM或者GRU网络，用于对输入层给的特征数据进行自动学习，自动学习到数据中隐藏的有用信息；
输出层，用于负责将隐藏层学习到的信息转成最终结果。
本发明实施例提供的用户端智能配用电系统采用B/S架构并使用MVC设计模式，包括数据采集传输层、数据层、业务层和应用服务层；
其中，数据采集传输层以指定的通讯协议进行数据的交互，则监控子站作为数据的发送端，监控中心作为数据的接收端；根据通讯协议内容，分别部署客户端和服务端；客户端根据数据上送频率要求，定时将指定的数据内容根据通讯协议发送到接收端；接收端在接收完数据后解析数据，将数据存入指定的数据库中；数据上报方式包括socket数据上报和webservice数据上报。
数据层和业务层，用于负责各子系统监测、调度数据的存储和调用，屏蔽平台运行底层的物理数据库的差异，以接口的形式提供各种通用的数据访问服务；系统分为实时数据库与数据中心两类，实时数据库用于负责各类实时数据，包括子系统运行的监测量；数据中心用于负责历史数据的统筹管理与存储，通过本平台实现各种检测数据的统一管理。
应用服务层，用于汇总不同类型的应用与服务并进行统一管理，所述应用与服务包括能效评估、智能能源调配、用能智能化调整、数据交互服务以及手机应用；每个模块的生命周期以及异常处理的基本运行信息均由统一的微内核服务管理器负责，实现插件式、动态加载的分布式面向服务组件模块应用管理；通过开放的分布式面向服务的应用模型的设计，实现各种能效管理功能的灵活组合与动态行为决策。
本发明实施例提供的用户端智能配用电系统还包括系统设置模块、档案管理模块、报表管理模块、地图导航模块、数据维护模块、告警管理模块、在线监控模块、电量与负荷预测模块、电能评价模块。
其中，系统设置模块包括系统配置子模块、数据字典维护子模块和菜单管理子模块，用于系统要求使用者根据不同的权限进行不同显示；
档案管理模块包括企业档案管理子模块、子站档案管理子模块、变压器档案管理子模块、回路档案管理子模块和设备档案管理子模块；企业档案管理子模块，用于对企业的关键信息进行添加、查询、修改和删除以及导入、导出管理；子站档案管理子模块，用于对子站的关键信息进行添加、查询、修改和删除以及导入、导出管理；变压器档案管理子模块，用于对变压器的关键信息进行添加、查询、修改和删除以及导入、导出管理；回路档案管理子模块，用于对回路的关键信息进行添加、查询、修改和删除以及导入、导出管理；设备档案管理子模块，用于对设备的关键信息进行添加、查询、修改和删除以及导入、导出管理；
报表管理模块包括原始值表报管理子模块、电量统计表报管理子模块、负荷统计表报管理子模块和报警表报管理子模块；原始值表报管理子模块，用于对通讯机采集到的数据进行显示和导入、导出；电量统计表报管理子模块，用于对电量数据进行查询和导入、导出；负荷统计表报管理子模块，用于对负荷进行查询以及导入、导出；报警表报管理子模块，用于对报警信息进行查询以及导入、导出；
地图导航模块，用于通过地图以宏观的角度观察所有正在运行的企业，起到定位、观察的作用；
数据维护模块包括省份管理子模块、市区管理子模块、区县管理子模块、工业区管理子模块和数据字典维护子模块；省份管理子模块，用于对省份信息进行以添加、查询、修改和删除；市区管理子模块，用于对市区信息进行以添加、查询、修改和删除；区县管理子模块，用于对区县信息进行以添加、查询、修改和删除；工业区管理子模块，用于对工业区信息进行以添加、查询、修改和删除；数据字典维护子模块，用于对数据字典信息进行添加、查询、修改和删除；
告警管理模块包括告警对象设置子模块和告警策略设置子模块；告警对象设置子模块，用于对告警对象信息进行添加、查询、修改和删除；告警策略设置子模块，用于对告警策略进行添加、查询、修改和删除；
在线监控模块包括一次接线图子模块、用电参数子模块、电量分析子模块、报警管理子模块和指标关联子模块；一次接线图子模块，用于显示企业一次接线图，对接线图上面的数据进行实时的监控；用电参数子模块，用于显示通讯机采集到的数据，并通过可视化的图表进行趋势分析；电量分析子模块，用于显示变压器、子站、回路和设备的数据，并利用可视化的图表进行趋势分析；报警管理子模块，用于对报警的信息进行比较分析，并对报警设备数量、同比、环比进行分析；指标关联子模块，用于对用电参数进行同轴对比分析；
电量与负荷预测模块，用于对电量负荷进行预测；
电能评价模块，用于对企业的运行方式及经济运行效果进行评价。
为了证明本发明的技术方案的创造性和技术价值，该部分是对权利要求技术方案进行具体产品上或相关技术上的应用实施例。
在实施执行期内，本发明设计制造基于互联网用户端智能配用电系统1套，用于省内基于互联网用户端智能配用电系统的运行示范；在实施完成后，能够形成年产13套的产能，形成年合同额400 万元规模，年净利润40万元。
在实施执行期内，本发明实施例完成设计制造基于互联网用户端智能配用电系统1套，用于省内基于互联网用户端智能配用电系统的运行示范。系统建设完成后，在某市东湖高新区地标建筑马蹄莲大楼(某新能源研究院有限公司)成功示范，并成功在房地产行业得到推广，在某市江岸区某银泰嘉园置业有限公司完成系统建设。这将有助提升我国电力需求侧管理和能效管理水平，推动我省电力需求侧管理和能效管理与行业的发展。同时对于电能服务公司和电能评测机构等相关产业来说，可改善其服务质量，提升竞争力。
本发明实施例在研发或者使用过程中取得了一些积极效果，和现有技术相比的确具备很大的优势，下面内容结合试验过程的数据、图表等进行描述。
本发明实施例提供的用户端智能配用电系统由配用电端数据采集与传输、配用电能质量和能效评测、基于人工智能方法的用电预测与分析、配用电优化方案以及基于物联网的用户端智能配用电支撑平台等部分组成。“智能”指提出一种基于电能质量、能效评测及优化的智能评测体系，关键技术主要包括评测规范、标准与方法，研制评测工具，搭建支撑平台。该体系是由一个统一整体的、从高到低的层次体系，既包含纵向的层次关系，又包含指标间的平行关系，评测内容是针对各项指标，测试的内容、采集的数据及加权计算方法等。
1、智能电能交互终端AMI基础单元的分析
AMI由通信网络将以下四个基本组成部分联接成为完整的系统：智能电表、室内端口和显示器、邻近用户数据采集、控制中心。设计的智能电能交互终端AMI基础单元应用拓扑如图3所示。通过智能电表采集相关数据，通过通讯管理机管理大约集群电表，采集数据并将其发送到测量数据管理系统，存储到本地实时数据库中，实现对现场能源数据和能源设备的采集和控制，通过并对采集的数据进行计算、分析、统计。系统可配置2台互为主从的实时数据/数据采集服务器，实现对整个能源系统的数据采集和控制，并兼作本地应用服务器。
实时数据库的数据通过网络接口，导入到支撑平台的关系数据库MySQL，其可靠性、稳定性、数据压缩比、响应速度等主要技术指标都能达到实用要求。
通过智能数据采集模块和带数字接口的智能电力仪表，本发明通过图形化组态功能实现对负荷用电量和用电质量的实时监测。监测数据包括：电压、电流、有功功率、无功功率、功率因数、有功无功电能、谐波、环境与开关状态、事件记录等用电参数。监测对象包括：电力需求侧中低压馈线回路、主要耗能机电设备、厂房(生活区)其他耗能设施。同时也可以对非电量数据，如用水量、用气量、热量、投料量、产量等，通过电子式流量表、电子式热量表、电子皮带秤、地秤等现场智能数据采集，根据现场条件和系统应用的要求，采集的数据也可以取自用户的其他智能系统的数据接口。
数据传输网络：本发明平台可采用企业专属内网、热点、网络运营商提供的网络(宽带、蜂窝数据)等进行数据通讯。通过在能耗监测仪表箱(柜)中安装的能耗智能数据网关，实时采集能耗计量仪表的数据，并且通过TCP/IP网络传输到智能企业智慧能源管理后台。无需远距离布线，施工简单可靠。通过本发明数据网关提供多种接入方式，目前支持RS-485/RS-232总线、光纤、工业以太网、无线、GPRS/NBIoT/Lora/WiFi/Bluetooth/Zigbee等多种方式网络传输。
2、多协议数据通讯网关设计
其主要功能是不仅能将自身采集的数据打包传送给服务器，还能够作为Lora或者Zigbee网络的根节点，负责将附近站点的信息经过变换后，通过GPRS或者NBIOT模块上传给远程服务器。这种 1带多的拓扑结构，具有良好兼容性，也能大幅度降低通信服务费。多协议数据通讯网关内部软件结构如图4所示。
其逻辑框架总体框架设计，如图5所示。
专用数据通信网关以高性能微控器为核心。通过人机接口配置相关采集项、采集方式和频率等信息，如采用按钮/液晶屏设置，或通过WiFi+移动手机APP设置，便于现场观察数据、输入参数和系统调试。系统还支持GPRS/3G/4G等通信方式，将采集到的电力信息、环境信息和现场图像等信息，上报到云服务支撑平台。此外专用数据通讯网关增加了与控制器的485通信接口。
3、配用电质量和能效评测建模与实现
3.1能效评测模型建立流程
通过分析电能质量模型在各行业的影响因素，根据行业通用性原则和国内普遍电表的数据读取项，确定配用电质量评价模型的核心指标为以下四项：频率偏差，功率因数，电压波动，三相不平衡度。
采用组合赋权法对电能质量评价模型影响因素进行赋权。对于主观权重的得出，将通过收集文献中已给定的推荐权值形成目标集，再进一步利用层次分析法根据问题的性质和需达到的总目标，最终得出最合适的权值决策。
由于BP神经网络算法的分类的准确度高，学习能力强，具备联想记忆的功能，且十分客观，非常适合对评价数据进行处理和预测，能通过BP神经网络对于评价数据的学习，增强评价结果于指标之间的联系，同时排除另外的干扰因素，在拥有良好拟合度的情况下，还能通过预测扩大已标记样本空间，便于之后得出客观权值。
遗传算法能够在对结果进行学习的基础下得出指标的权值，对比其他指标确定算法有着能进一步探究指标与评价结果之间联系的优势，因此使用遗传算法，得出与评价结果数据综合偏差最小的权值组合，即得出客观权值，随后对主客观权值进行组合赋权，得出组合权值。具体模型建立流程图如图 6所示。
3.2用电质量和能效评测模型实现
1)计算主观权值
通过层次分析法来确定，确定的具体步骤如下：
A.建立层次结构模型
三个权值集候选目标为：
Y1＝[0.2044,0.1871,0.2074,0.4011]；
Y2＝[0.283,0.234,0.267,0.216]；
Y3＝[0.2237,0.1956,0.2122,0.3685]；
按选取主观权值的四个影响因素：频率偏差，功率因数，电压波动和三相不平衡度，构成层次分析模型，如图7所示。
B.构造成对比较矩阵
其中a 14＝1/3表示三相不平衡度与电压波动重要性之比为1/3，即认为电压波动比三相不平衡度重要。
C.作一致性检验
检验成对比较矩阵A一致性首先需要计算CI：
其中，CI表示衡量成对比较矩阵不一致程度的指标。
CR<0.1，通过了一致性检验，就说明虽然A不是完全一致的矩阵，但是A具有合适的、可以满足检验的一致性。
D.层次总排序及决策
要从三个候选目标Y1，Y2，Y3中选一个总体上最适合上述四个影响因素的候选目标。对此，对三个候选目标Y1，Y2，Y3分别比较他们的三相不平衡度(X1)，功率因数(X2)，频率(X3)，电压波动(X4)。
经过计算的出三个目标的得分分别为：
[0.40554994 0.34072003 0.25373003]
应选择目标集中的Y1,即[0.2044,0.1871,0.2074,0.4011]作为影响因素主观权值。
2)数据预处理
利用KNN的经典过程：首先对具有完整属性(H-R)的数据进行训练，得到每一条完整数据对应的特征，然后对每一条缺失数据进行数据训练，之后再选取k值，如果当k的取值过小时，一旦有噪声得成分存在们将会对预测产生比较大影响，例如取k值为1时，一旦最近的一个点是噪声，那么就会出现偏差；如果k的取值太大，学习的近似误差会增大，这时与输入目标点较远实例也会对预测起作用，使预测发生错误。k值的增大就意味着整体的模型变得简单；而如果k＝N的时候，那么就是取全部的实例，即为取实例中某分类下最多的点，就对预测没有什么实际的意义了；而且k的取值尽量要取奇数，以保证在计算结果最后会产生一个较多的类别。
使用K-Means算法对基础数据的异常数据进行识别与清洗。通过分析，数据的主要异常来自于一些电压、电流数据明显区别于其他(过大过小或为负)，功率因数为零等，是否要删除异常值可根据实际情况考虑，根据对模型研究目的和数据的实际情况考虑，电压、电流为过大过小的情况可能是数据传输过程的错位情况，电流电压为零的情况则是电表本身瞬时故障和传输过程中数据丢失，至于部分属性值的负值情况可能存在电表的误差大于被测电流时，会有这这种现象发生，不存在实质意义上的负值，可以对检测出的异常点采取删除含有异常值的记录的操作。
3)对数据标准化处理
数据的标准化通俗来讲就是将数据按比例缩放，然后数据就能转换到一个所希望的区间之中。这在很多的评价方法里面会用到，使用数据的标准化对指标进行对应的处理，就可以抛弃指标的单位上的限值，就可以适合于不同单位的指标进行之后的比较和加权。
目前数据标准化方法有很多，比较典型的有直线型方法、折线型方法和曲线型方法。很显然，使用不同的数据标准化方法，就可以得到不同的处理后数据，进而对系统的评价结果也会产生不一样的影响，但是目前来讲，并没有通用的法则可以去遵守。
现有的将指标值标准化转换的方法比如，基于指标取值论域上下确界的数学变换进行数据预处理。依据电能质量国家标准，以上下界来对指标评价值进行数据标准化操作，从而尽量将数据归纳至[0， 1]的范围。
归一化的目标是把数变为[0，1]]之间的小数以及把有量纲表达式变为无量纲表达式，归一化的好处是提升模型的收敛速度，也能提升模型的精度。
常见的数据归一化方法有min-max标准化、z-score标准化、log函数转换及atan函数转换，这里选择的是最普遍的min-max标准化，转换函数如下：
其中max为样本数据的最大值，min为样本数据的最小值。
因此，为便于不同单位或量级的指标能够进行比较和加权，同时提高模型的收敛速度及精度，将指标计算值和评价值均进行归一化处理。
4)模型求解和检验
A.使用BP神经网络对数据的训练A部分进行训练
首先明确两个理论准备，一是网络训练的目标，即找到合适的权值和阈值，使得误差E最小，误差E的公式为：
二是sigmoid函数，其是指神经网络的阈值函数，将变量映射当0和1之间，函数公式为：
图8为BP神经网络网络结构。
从而可以通过公式变换可得输出层权值与阈值的变化量：
同时也可以得到隐层权值和阈值的变化量：
B.使用遗传算法得出客观权值
对于遗传算法而言，遗传时的每一条染色体，都会对应一个预设的方案，判断所预设的解决方案是否优秀，可以使用适应性函数，根据适应性函数的值来进行判断。所以从一个基因组到其解的适应度形成一个映射。遗传算法的具体过程就是，首先根据策略判断个体的适应度，然后依据适应度选择父母，适应度高的个体被选中的概率高，适应度低的个体被淘汰，进而交叉生成子代，再对子代染色体进行变异，如此循环往复产生新一代的种群。这个过程中需要确定的一些参数有，最大进化代数以及重组概率，通过测试，确定最大进化代数1500代以及重组概率为0.7能获得比较快的收敛速度和准确度。
对于适应度函数的确定，归一化处理数据因为评价结果是一个确定的值，因此应该计算输出值与实际值的误差率，然后累加所有训练数据的误差率再除以训练数据数量，得出数据平均误差率作为适应度函数的值，而分级处理数据的评价结果实际而言是一个范围，因此适应度函数应是对于在范围中的输出值则不计算偏差值，对于不在范围中的输出值计算偏差值，确定的适应度函数为所有数据的更新权值得出的评价值与原评价值的平均偏差率，函数公式如下：
式中：wj表示所优化计算的权值；aj表示对应权值的指标值；Nj表示原评价值；m表示训练数据总数。
C.结果检验
用电数据中非训练数据包括检验B，检验C及预测数据D，检验数据B将检验BP神经网络学习后对于检验数据评价的正确率，检验数据C将检验遗传算法得出的客观权值对于检验数据评价的正确率，同时使用主客观组合赋权得出权值之后，将会将组合权值用于对预测数据D的评价结果预测。
3.3评测模型优化
A.评价方法优化
使用BP神经网络对数据进行处理，若能使处理后的结果保证适当的拟合度，就能在保证基本结果数据特征的情况下，加强指标与结果及数据与数据之间的联系，这对于评价这一角度而言是具有很大的优势的，对后续继续探究指标与结果之间的直接联系有一定的益处。同时，在一定情况下，通过使用BP神经网络对已经进行标记的数据进行训练，获得较好的拟合度后，进而对更多未标记的数据进行预测标记，能够在节省人力物力的情况下，获得更大的标记样本空间，可帮助更深入分析数据某方面的特性，比如进一步探究某一指标对评价结果的影响机制。
为了能够在对结果进行学习的基础下，得出指标的权值，考虑遗传算法，遗传算法可以通过计算最小化与实际结果之间的误差来确定最合适于评价环境的指标权重，遗传算法可以直接对结构性的数据进行操作，也不会受到数据连续性的限制，不需要确定的规则，具有十分良好的全局搜索能力。
因此针对用电质量评价模型，在分析现有的电能质量评价方法优缺点的基础之上，提出了一种新的基于BP神经网络及遗传算法的电能质量评价模型，通过层次分析法得出客观权值，通过BP神经网络及遗传算法得出客观权值，最后对权值进行组合。
B.数据处理优化
在对用电质量进行评价的过程中，还可以通过对数据采用普通归一化及归一化再分级的两种不同数据预处理来对评价过程进行优化，可以通过这两种不同的数据前期处理方式探究在不同情况下，对于结果的预测和计算权值时的数据偏差值大小的影响。事实上，对于已获得的数据而言，对其进行如上所说的处理，在使用BP神经网络情况下，归一化结果数据得到的优化程度要远大于分级结果数据，归一化数据能在保证较好拟合度的同时，通过对全局训练数据的学习，加深所研究电能数据指标与结果之间的联系，如图9所示。
而客观权值结果对比得到，归一化处理得出的权值数据相对均衡，分级处理得出的权值则会放大某一项指标的重要性，使得某一项指标的权值占比更多，两者各有长处，对于两者误差率的对比，分级数据的结果误差率与归一化数据结果误差率相比而言较低一些，两者有各自适合使用的环境，如图 10所示。
分析分级处理的结果可知，分级数据事实上对于四种指标每种指标五个级别而言，分级数据其实总共只会存在625种不同的数据，因此对于分级数据的预测而言就显得更为直观明确，只用对这625 数据进行标记，便可以通过分类算法得到之后所有数据的预测评价值，因此使用这种方式处理数据可以使数据的标记进一步节省人力物力，能使客观权值的得出变得相对简易，同时也说明分级处理后的数据抗干扰能力很强；而最终指标权值之间的差距，可以反映对所研究的电能数据而言，对其质量影响较大的指标，这种最终结果的悬殊，对以后针对某一指标所的进行电能治理，是有一定启发性的；但数据重合性大的同时也代表可训练数据较少，且对于评价结果而言，其在数据细分上存在缺陷，无法进一步对结果进行探究。
分析归一化处理的结果可以得出，归一化处理情况下，可以使用BP神经网络对于更多的数据进行学习，避免出现主观评价仅仅针对于当前数据而忽视其在相似情况下的表现，同时由于其数据及结果更为细致，可以根据主观因素对某一指标和结果进行深入分析，这在对电能的进一步研究方向有优势。
C.行业数据获取上的优化
使用多种处理方法仅能尽量减少标记数据的局限性，使数据增加全局上的联系，但无法消除标记本身所带来的主观性，且无法反映不同的标记和评价结果所代表的现实影响，在现实生产表现上缺乏相应的对应情形，如当电能质量评价结果为比较差的情况下，没有对应电能在实际中表现情况的预测，因此对后续的精准治理可能带来不了很大作用，对于数据获取上的优化，应是在对数据的收集方面添加上对行业电能影响典型相关的表现，比如对某一行业电能会对该行业生产量造成影响，就应将生产量纳入数据收集项，并以此作为指标的影响结果，继而就能精准对应生产量与电能质量的关系，以生产量为导向对电能进行精准治理。
4、基于人工智能方法的用电预测与分析
本发明结合近几年比较热门的神经网络学习算法，针对电力用户侧海量、多源、异构的电力负荷数据的预测展开研究。预测方式可以大致分为两大类：传统预测方法和神经网络预测方法。虽然从单数据集上的预测结果来看，传统预测方法和神经网络预测方法的预测效果很好，但是在多数据集情况下的预测能力基本为零。在多个电力负荷数据集的预测问题上，由于不同数据集的电力负荷变化规律存在差异并且每个数据集的电力负荷变化规律比较复杂，常规的预测方法不太适用于电力负荷多数据集的预测。
考虑到电力负荷数据海量、多源的特点，在电力负荷预测过程中需要面临电力大数据的处理优化问题以及电力负荷预测模型不能跨数据集预测等问题，并针对这些问题提出了以下几点解决方案和优化措施：
1)针对跨数据集学习问题，提出一种组合预测模型，在实现跨数据集的模型训练和预测的同时还能保障对每个数据集有较高的预测精度。该组合预测模型主要根据本发明提出的改进型Ak-means 聚类模型以及循环神经网络模型组合而成。
2)针对组合预测模型在初始训练时预测效果不佳的问题，提出了对于组合预测网络模型的结构参数优化的方法以及模型训练过程减少过拟合风险的方法，来进一步提升组合模型的预测精度。主要包括时间步长的优化，局部试凑法确定隐藏层神经元数量以及激活函数的对比分析选择，从而提升组合模型的预测精度。
3)针对循环神经网络类型的选择问题，通过对LSTM和GRU这两种改进型的循环神经网络的工作原理进行详细的分析和研究，并对多种循环神经网络模型的预测效果进行对比测试分析，总结出在电力负荷预测方面LSTM和GRU的差异性。LSTM在训练次数相同时学习能力更强；而GRU的构造更简单，比LSTM少一个门结构，这样就少几个矩阵乘法，在训练数据很大的情况下GRU能节省很多时间，不过因为GRU门结构少了，这也意味着它的在相同学习次数的情况下，学习能力弱于LSTM，所以它通常需要更多的训练次数来弥补。
4)针对电力负荷数据海量的特点，指出在电力负荷预测问题上数据处理的重要性，不同的数据处理方式可能会导致预测结果出现严重偏差。电力负荷预测问题的上限是由数据和特征共同决定，而模型和算法的作用就是不断地逼近这个上限。提出一种适用于电力负荷预测的数据处理方案：包括数据集扩展、特征数值化、数据清洗以及标准化等经过微加工和改进后的数据处理步骤，进一步提升组合模型的预测精度。
4.1改进的聚类算法Ak-means实现跨数据集学习
常规算法模型以及人工神经网络类模型都是针对单一的数据集来进行训练和预测的，这些预测模型和单个用户基本上就是一对一的关系，想要预测每个企业的用电负荷都需要单独为每个企业训练一个预测模型，训练过程过于复杂。聚类分析能够将不同企业产生的用电负荷数据集进行归类，从而提取出多个数据集之间的差异性特征，利用聚类分析来提取出不同数据集之间的差异性特征来表征不同数据集，然后将不同的数据集的表征特征输入到一个常规的预测模型中来实现跨数据集的训练。由于 k-means需要事先设定K值以及对于初始质心点的选择很敏感，本发明针对这一问题进行改进提出 AK-means算法。
4.2数据预处理方法
1)电力负荷数据集扩展
为了提升预测精度，获取更多有效的特征数据，包括气温，天气情况，降雨量，节假日，风力，这些特征会影响到企业用电负荷的特征信息。
2)电力负荷数据数值化
扩展的数据特征中某些特征数据类型有整数，浮点数以及字符串，其中非数值类型的数据是无法用于模型训练的，如天气、风力、节假日等数据需要进行数值化。
3)电力负荷数据缺失值处理
采用简单的固定值法或者均值法进行缺失值填充，能够保留数据特征并且不影响模型的训练。
4)电力负荷数据异常值处理
采用箱型图法对异常进行识别，然后采用前后若干个样本数据的平均值来修正该异常值。
5)电力负荷数据标准化
针对本发明涉及的电力负荷预测场景，通过实际的对比测试分析之后，将改进的log函数标准化和z-score标准化这两种方式应用于电力负荷数据的标准化。
4.3模型调优方法
1)优化时间步长
时间步长决定着神经元能够吸收学习多长时间的历史数据信息，合适的时间步长能提升模型的预测精度。
2)神经元数量优化
合适的神经元数量能在不影响模型训练精度的同时，减少模型训练计算开销。
3)激活函数选取
在实验测试中发现，当采用常规的sigmoid，tanh激活函数时，模型在训练过程中，代价函数值很容易趋于稳定，训练过程停止。这样训练出来的网络模型基本没有学习到有用的信息，预测误差也会非常大。当采用ReLU激活函数之后能有效的改善这一问题，使得模型的预测误差大大减少。
4.4基于神经网络的组合预测模型
基于循环神经网络的电力负荷组合预测模型结构如图11所示。图组合模型分为五个部分，第一层是数据层(Data)，是将多个不同用电企业数据集整合在一起的原始数据集。
第二层是预处理层(Preprocess)，使用上述数据预处理方法对数据进行处理，并通过Ak-means 聚类算法来初步提炼出不同子数据集之间特征，并为数据打上标签，实现跨数据集的训练。
第三层是输入层(Input)，主要是将第二层数据集的所有可用的特征数据作为网络的输入数据。
第四层是隐藏层(Hidden)，主要是对输入层给的特征数据进行自动学习，自动学习到数据中隐藏的有用信息。这一层采用循环神经网络的改进后的LSTM或者GRU网络，LSTM/GRU因为能够学习到特定时间内的有用信息而在时间序列预测方面具有非常显著的效果。
第五层是输出层(Output)，负责将隐藏层学习到的信息转成最终结果。
4.5组合预测模型结果分析
表1预测模型对比
如表1所示，本发明实施例提出的基于循环神经网络的组合预测模型既实现了跨数据集的模型训练，又能保障子数据集上的高预测精度，基本达到单数据集训练情况下的预测精度。其中，基于LSTM 的组合预测模型和基于GRU的组合预测模型的性能基本相当，它们的预测误差分别低至4.05％和 3.54％，相比线性回归模型和随机森林模型等有较大提升。
5、智能优化指导系统的分析
对电机、空调等能耗高设备进行监测，评估电能转化率；同时结合上述提及的“配用电质量和能效评测”数据，建立专家辅助分析系统，给出配用电优化方案。
通过对能耗设备数据分类分项采集，并将这些能耗数据与相对应的设备、用能相结合，管理人员可了解和掌握建筑各个环节和重点设备的实时能耗状况、单位能耗数据、能耗变化趋势和实时运行参数等信息。主要研究内容如下：
1)对中低压变配电系统进行实时监控、故障告警和自动化管理；
2)实现各类能耗数据和能效指标在线监测、自动采集和储存，并提供灵活多样的查询方式；
3)建立以物理空间、重点设备、分类分项为管理维度对能耗进行统计分析、内部核算的管理体系；
4)对各公共区域进行独立的能耗核算，实现能耗费用分摊，实行能耗限额标准管理，规范能源使用方式，控制能源支出；
5)通过系统的数据导入/导出接口，可通过第三方专用能效分析工具，帮助管理人员发现不合理用能现象；
6)为节能技术改造提供数据依据，以及检验节能改造效果。
6、基于物联网用户端智能配用电系统支撑平台设计与开发
6.1系统结构设计
本发明是集数据采集、在线监控、电能评价，电能预测于一体的支撑平台。平台的业务逻辑是：通过通讯机将电路中的一些重要的数据采集，通过通信协议将数据传输到以写好表结构的数据库中去。通过平台将数据库的数据以可视化的图表的显示展示给用户，方便用户进行其趋势分析和其他商业用途。平台还支持对当前电力系统进行在线的监控，达到预防事故、实时观察系统运行状态的效果。平台的优点之一是采集到的一些用电参数进行分析与评价，以达到电能评价的效果。平台的另一个有点是可以通过已经存在的数据来进行负荷以及电量的预测。数据量越大进行预测的结果也就越准确，因此建议系统运行一段时间之后在开启电能预测模块。
本发明支撑平台的拓扑图如图12所示。
系统采用传统的B/S架构，即用浏览器来访问系统。因此将系统使用MVC设计模式。MVC设计模式是将系统分成三层：V指的是View(视图层)，即与用户进行交互的页面和进行数据显示的部分；C指的是Controller(控制层)，即将数据传到后台后要对数据进行处理，将传过来的数据转化成系统所需要的数据；M指的是Model(模型层)，即处理系统中核心的业务逻辑。系统一般的情况是要与数据库进行交互的，因此除了上述的视图层、模型层、控制层之外还需要一块与数据库进行连接，本发明将与数据库进行交互的一层被称为持久层(简称DAO层)，使用了DAO层之后，进行数据进行维护更加的容易。在一般的系统之中，操作的业务逻辑是用户通过对View进行操作，将一些关键的信息提交到后台的Controller层；Controller将传过来的数据进行逻辑业务处理，处理的方法是调用Model层进行业务逻辑；Model层进行业务处理一般是要与数据库进行交换的，所以一般情况下Model层调用DAO层进行业务处理；最后Controller将结果返回给View层。
MVC的业务逻辑流程如图13所示。
6.2支撑平台软件架构设计
为了降低系统耦合性，支撑平台软件采用分层设计的方案，其软件架构设计如图14所示。
1)数据采集传输层
平台采用数据集成的方式，将各服务商采集到的企业数据进行集成，并在平台中根据政府需求进行统一展示。接入的服务商需要按照开发规范进行数据上报。目前平台提供了两种数据上报方式： socket数据上报、webservice数据上报。
以指定的通讯协议进行数据的交互，则监控子站作为数据的发送端，监控中心作为数据的接收端。根据通讯协议内容，分别部署客户端和服务端。客户端根据数据上送频率的要求，定时将指定的数据内容根据通讯协议发送到接收端，接收端在接收完数据后解析数据，将数据存入指定的数据库中。
为保证数据传输的稳定与可靠，通讯协议满足以下条件：
支持数据的实时上送，定时上报
支持断点数据的传送
支持心跳包，及时判断通信状态
支持身份验证，对非法数据进行过滤
在此次实施实施中，使用工业组态成熟的网络通讯协议方案作为监控子系统与监控中心数据通讯的指定协议。
2)数据层和业务层
主要负责各子系统监测，调度等数据的存储，调用等，可屏蔽平台运行底层的物理数据库的差异，以接口的形式提供各种通用的数据访问服务，为平台数据分析预发布提供数据源支持，系统主要分为实时数据库与数据中心两类，前者主要负责各类实时数据，如子系统运行的监测量等，后者主要负责历史数据的统筹管理与存储，通过本平台实现各种检测数据的统一管理。
3)应用服务层
汇总不同类型的应用与服务，如能效评估、智能能源调配、用能智能化调整、数据交互服务以及手机应用等，均在此应用服务层同意进行管理，每个模块的生命周期，异常处理等基本运行信息，均由同意的微内核服务管理器负责，实现插件式、动态加载的分布式面向服务组件模块应用管理。通过开放的分布式面向服务的应用模型的设计，保证各种能效管理功能的灵活组合与动态行为决策。
技术选择
实施开发过程中采用了前后端分离，前端与后台进行交换的数据格式选取的是JSON，JSON是 web开发之中最为通用的数据格式。后台统一将数据转化成JSON格式传给前台，经由前台进行显示。前后端分离的好处是：如果需要对前端的展示层页面进行替换，可以不需要修改后台的业务逻辑；如果需要替换后台语言，可以不需要修改前台页面。软件语言的选择如表2所示。
表2软件语言的选择
6.3支撑平台软件模块结构设计
支撑平台具体模块功能表设计如表3所示。
表3支撑平台具体模块功能表
7、能效评测标准、评价与优化规范
由于能效评涉及范围较广，本发明经费受限，本发明只针对配用电能效评测中电能质量评价体系标准、评价方法、优化指导做了研究。
7.1建立电能质量评测标准的意义
近年来，我国的电力电子设备制造业发展迅速，由于其对于电能质量的高要求，我国的电能质量治理也迎来了一波发展，但是依旧存在治理不科学、针对性差等情况，因此应首先对电能质量进行合理的综合评价，进而深入对其影响因素进行分析，才能保证电能治理的高效性。
在形成能效评测这些标准之前，对于各行业的电能质量进行评价及指标分析是不可或缺的前期工作，唯有对实际环境下的电能质量进行准确的评价进而对指标进行对应的分析，才能制定合理有效的指标管理方式。
7.2电能质量评价体系设计以及各项指标项评价方法、优化指导
这里，电能质量特指在配用电网公共连接点处对电力用户的供电电压质量和电力用户在电网公共连接点处对公用电网的干扰水平。针对企业内部典型电能质量干扰源，需要进行电能质量专项检测。利用便携式电能质量分析仪进行现场实际测量，并出具相关的测试报告。专项检测的技术指标包括：谐波电流、谐波电压、三相电压不平衡度、电压波动和闪变、功率因数、频率偏差、电压偏差等。根据电能质量各项指标，评价体系如图16所示。
功率因数
评价依据
功率因数标准0.90，适用于160千伏安以上的高压供电工业用户(包括社队工业用户)、装有带负荷调整电压装置的高压供电电力用户和3200千伏安及以上的高压供电电力排灌站；
功率因数标准0.85，适用于100千伏安(千瓦)及以上的其他工业用户(包括社队工业用户)， 100千伏安(千瓦)及以上的非工业用户和100千伏安(千瓦)及以上的电力排灌站；
功率因数标准0.80，适用于100千伏安(千瓦)及以上的农业用户和趸售用户，但大工业用户未划由电业直接管理的趸售用户，功率因数标准应为0.85。
谐波
评价要点
谐波电压(电流)应选择在电网正常供电时可能出现的最小运行方式，且应在谐波源工作周期中产生的谐波量大的时段内进行(例如：电弧炼钢炉应在熔化期测量)
测量时间应包括谐波源负荷运行全工况生产周期，宜不低于24小时，对于负荷变化快的谐波源 (例如：炼钢电弧炉、晶闸管变流设备供电的轧机、电力机车)，测量时间窗口应不大于2min。
评价依据：
公用电网谐波电压(相电压)限值如表4所示。
表4公用电网谐波电压限值
公共连接点的全部用户向该点注入的谐波电流分量(方均根值)不应超过表5中规定的允许值。
表5注入公共连接点的谐波电流允许值
同一公共连接点的每个用户向电网注入的谐波电流允许值按此用户在该点的协议容量与其公共连接点的供电设备容量之比进行分配。分配的计算方法见下式。
其中，Ihi表示每个用户向电网注入的谐波电流允许值，单位为安培(A)；Ih表示第一次换算的第h次谐波电流允许值，单位为安培(A)；α表示相位叠加系数可按表6进行取值。
表6相位叠加系数的取值
数据处理与分析
谐波测量采样窗口宽度为10个工频周期，取3s内j个测量数值的方均根值作为第h次谐波(电压或电流)的测量结果，应按下式进行计算：
式中：j表示3s内均匀间隔的测量次数，取15；uh,k表示第k次测量得到的第h次谐波值；Uh表示3s内第h次谐波的测量结果。
谐波测量的数据应取有效测量时段内各相实测量值的95％概率大值中最大的一相值，作为判断谐波是否超过允许值的依据。
注：为了实用方便，实测值的95％概率大值可将实测值按由大到小次序排列，舍弃前面5％的大值取剩余实测值中的最大值。
间谐波
评价要点
间谐波的评估测量要求在系统正常运行的最小方式下，间谐波发生最大的情况下测量；当系统条件不符合要求时(大于正常最小方式)，可按短路容量折算结果(即将测量结果乘以实际短路容量和最小短路容量之比)。测量时间应包括谐波源负荷运行全工况生产周期，宜不低于24h。
评价依据
220kV及以下电力系统公共连接点(PCC)各次间谐波电压含有率应不大于表7限值。
表7间谐波电压含有率限值(％)
接于PCC的单个用户引起的各次间谐波电压含有率一般不得超过表8限值，根据连接点的负荷状态，此限值可以做适当变动，但必须满足①功率因数规定。
表8单一用户间谐波电压含有率限值(％)
数据处理和分析
间谐波测量的频率分辨率应为5Hz，测量采样窗口宽度应为10个工频周期，取3s内m次测量数值的方均根值作为第ih次间谐波电压的一个测量结果，可按下式计算得到：
式中：Uih表示3s内第ih次谐波的测量结果；m表示3s内均匀间隔的测量次数，m＝15为无缝采样；uih,k表示第k次测量得到的第ih次间谐波电压值。
间谐波的测量可以在3s测量取值结果的基础上，综合出3min的测量值，可按下式计算得到：
式中：
表示第ih次间谐波的3min的测量值；uih,k表示第k次测量得到的第ih次间谐波值。以有效评估时间段内三相综合值95％概率大值中较大的一相值为评估依据。
频率偏差
评价要点
测量电网基波频率，每次取1s、3s或10s间隔内计到的整数周期与整数周期累计时间之比(和 1s、3s或10s时钟重叠的单个周期应丢弃)。测量时间间隔不能重叠，每1s、3s或10s间隔应在1s、 3s或10s时钟开始时计。本依据不排斥更先进的频率测量方法的采用。
评价依据
电力系统正常运行条件下频率偏差限制为±2％Hz。当系统容量较小时，偏差限制可以放宽到± 5％Hz；
冲击负荷引起的系统频率变化为±2％Hz，根据冲击负荷性质和大小以及系统的条件也可适当变动，但应保证近区电力网、发电机组和用户安全、稳定运行以及正常供电。
电压偏差
评价要点
系统运行方式的变化和用户生产周期的改变(负载的改变)都会影响电压偏差，电压偏差评估的监测时间应连续，不应少于24小时。
获得电压有效值的基本的测量时间窗口应为10周波，并且每个测量时间窗口应该与紧邻的测量时间窗口接近而不重叠，连续测量并计算电压有效值的平均值，最终计算获得供电电压偏差值，计算公式如下：
电压偏差(％)＝(电压测量值-系统标称电压)/系统标称电压×100(％)
评价依据
35kV及以上供电电压正、负偏差绝对值之和不超过标称电压的10％；注：如供电电压上下偏差同号(均为正或负)时，按较大的偏差绝对值作为衡量依据；
“20kV及以下三相供电电压偏差为标称电压的±7％”；
“220V单相供电电压偏差为标称电压的+7％，-10％；
对供电点短路容量较小，供电距离较长以及对供电电压偏差有特殊要求的用户，由供、用电双方协议确定。
数据处理与分析
获得电压有效值的基本测量时间窗口宜为10周波，等间距选取测量时间窗口，连续测量并计算电压有效值，最终计算获得供电电压偏差值。监测数据应每分钟存储一组，1分钟电压有效值应按式 6进行计算。
式中：Umin-1分钟电压有效值；Ui-10周波电压有效值；N-1min内Ui的个数，取300。
电压波动和闪变
评价要点
对电力系统公共连接点，在系统正常运行的较小方式下，测量获得至少一周(168h)的电压波动值和最大长时间闪变值。对波动负荷用户在电力系统公共连接点引起的电压波动，在其处于正常、连续工作状态，并保证波动负荷的最大工作周期包含在内，测量获得至少一天(24h)的电压波动值和最大长时间闪变值，以及波动负荷退出时的背景闪变值，电压波动的观测周期宜取1小时的整数倍。
评价依据
任何一个波动负荷用户在电力系统公共连接点产生的电压波动,其限值和电压变动频度、电压等级有关。电压波动限值见表9。
表9电压波动限值
电力系统公共连接点，在系统正常运行的较小方式下，以一周(168h)为测量周期，所有长时间闪变值Plt都应满足表10闪变限值的要求。
表10闪变限值
波动负荷单独引起的闪变值根据用户负荷大小、其协议用电容量占总供电容量的比例以及电力系统公共连接点的状况，分别按三级作不同的规定和处理。
第一级规定，满足本级规定可以不往闪变核算允许接入电网。LV和MV用户第一级限值见表11。
对于HV用户，满足(ΔS/Sac)max＜0.1％。
满足Plt＜0.25的单个波动用户。
符合GB 17625.2和GB/Z 17625.3的低压用电设备。
第二级规定。波动负荷单独引起的长时间闪变值须小于该负荷用户的闪变限值。
第三级规定。不满足第二级规定的单个波动用户，经过治理后仍超过其闪变限值，可根据PCC 点实际闪变状况和电网的发展预测适当放宽限值，但PCC点的闪变限值必须满足1的规定。
表11 LV和MV用户第一级限值
数据处理和分析
电压波动通过电压方均根值曲线U(t)来描述，电压变动d和电压变动频度r是衡量电压波动大小和快慢的主要指标，电压变动d的定义可按式来表达
式中：ΔU-电压方均根值曲线上相邻两个极值电压之差；UN-系统标称电压。
电压方均根值应采用波形两个相邻过零点间的半周期数据的有效值算法，每半个周期计算一个方均根值；
计算出电压变动频度r和电压变动d，d取对应于r次变动所测量的d的最大值作为该测量时间窗口的值，数据的时标为测量时间窗口的结束时刻；
电压波动的测量时间窗口宜取1小时的整数倍；
对电力系统公共连接点，所有闪变测量值中的最大值不大于规定值；
波动负荷用户在电力系统公共连接点单独引起的闪变值通过式(11)计算获得，最大值应不大于按式(3)计算出的闪变限值Ei。
式中：Plt2-波动负荷单独引起的长时间闪变值；Plt1-波动负荷投入时的长时间闪变测量值；Plt0- 背景闪变值，是波动负荷退出时一段时期内的长时间闪变测量值。
单个用户闪变限值的计算方法：
首先求出接于PCC点的全部负荷产生闪变的总限值G；
式中：Lp——PCC点对应电压等级的长时间闪变值PIt限值；LH——上一电压等级的长时间闪变值PIt限值；T——上一电压等级对下一电压等级的闪变传递系数，推荐为0.8。不考虑超高压(EHV) 系统对下一级电压系统的闪变传递。
单个用户闪变限值Ei为：
式中：F——波动负荷的同时系数，其典型值F＝0.2～0.3(但必须满足Si/F≤St)。
三相不平衡
评价要点
测量应在电力系统正常运行的最小方式(或较小方式)下，不平衡负荷处于正常、连续工作状态下进行，并保证不平衡负荷的最大工作周期包含在内。
对于电力系统的公共连接点，测量持续时间取一周(168h)，每个不平衡度的测量间隔可为1min 的整数倍；对于波动负荷，可取正常工作日24h持续测量，每个不平衡度的测量间隔为1min。
评价依据
电网正常运行时，公共连接点负序电压不平衡度不超过2％，短时不超过4％。
接于公共连接点的每个用户引起该点负序电压不平衡度允许值一般为1.3％，短时不超过2.6％。根据连接点的负荷状况以及邻近发电机、继电保护和自动装置安全运行要求，该允许值可作适当变动。
数据处理和分析
对于电力系统的公共连接点，供电电压负序不平衡度测量值的10min方均根值的95％概率大值应不大于2％，所有测量值中的最大值应不大于4％。对日波动不平衡负荷，供电电压负序不平衡度测量值的1min方均根值的95％概率大值应不大于2％，所有测量值中的最大值不大于4％。
对于接于公共连接点的每个用户，引起的供电电压负序不平衡度测量值的1min方均根值的95％概率大值应不大于1.3％，所有测量值中的最大值应不大于2.6％。为了实用方便，可取注入系统负序电流测量值的1min方均根值的95％概率大值和最大值，其值应不大于按规定换算得到的注入系统负序电流的允许值。
7.3电能质量评价体系的应用
电能质量评价体系应用在需求侧、配用电典型行业情况如表12所示。
表12电能质量指标分配在不同行业中的应用
电能质量等级划分方案设计。电能质量分为5个等级，优秀，良好，一般，合格，不合格。电能质量的每个指标同样划分以上5个等级，根据实际情况将具体的限值平均划分，各个指标值按照从小到大分别是优秀，良好，一般，合格，超过限值的指标定为不合格。
各个电能质量指标等级确定之后，最终电能质量等级需要根据不同电能质量指标在各个行业中的权重具体确定。实际上，对用电质量进行评价研究中，在对已确定的各指标计算客观权值的基础之上，还可以添加对权值占比过低的指标的舍弃及指标的再选取，即若某一项指标在实际计算中表现出对结果的影响几乎可以忽略不计，就可以放弃该指标，再去筛选其他合适的指标进行计算，如此循环，就能获得对所研究的电能质量评价结果真正产生影响的指标和其影响系数，这对进一步实现行业标准的制定存在一定的启发。
电能质量各指标等级划分方案如表13所示。
表13电能质量各指标等级划分
8、多个分布式发电单元接入控制与协调优化
通过在系统内安装光伏发电、地热发电、风力发电、储能装置等分布式电源，部署控制接口及监控软件，实现分布式电源双向计量，用户侧分布式电源运行状态监测与并网控制；综合能源需求、电价、燃料消耗、电能质量要求等，结合储能装置，实现园区内分布式电源就地消纳与优化协调控制，分布式电源参与电网错峰。同时，实现园区供用电运行状况安全监控、电能质量实时监控。研制、部署园区配电线路及设备故障智能检测与隔离设备，并对故障迅速响应，实现自愈供电。依托配电 SCADA主站系统，实现供电设备状况远程监视与控制；支持与园区管理中心主站的信息集成，提高故障响应及处理速度。
8.1风力发电供能控制模型
对风机发电的实时运行信息、报警信息进行全面的监视，并对风机发电进行多方面的统计和分析，实现对风机发电的全方面掌控。风力发电能量管理提供以下具体功能：可实时显示风力发电的当前发电总功率、日总发电量、累计总发电量，累计CO2减排量及每天发电功率曲线图；采集风机运行状态数据包括：三相电压、三相电流、电网频率、功率因数、输出功率等；可实时对并网点电能质量进行监测和分析。
8.2光伏发电供能控制模型
光伏发电监控可以显示下列信息：可实时显示光伏的当前发电总功率、日总发电量、累计总发电量、以及每天发电功率曲线图。监控所有逆变器的运行状态，采用声光报警方式提示设备出现故障，可实时对并网点电能质量进行监测和分析。
8.3储能供能控制模型
对储能电池的实时运行信息、报警信息进行全面的监视，并对储能进行多方面的统计和分析，实现对储能的全方面掌控。储能监控可以显示下列信息：1)可实时显示储能的当前可放电量、可充电量、最大放电功率、当前放电功率、可放电时间、今日总充电量、今日总放电量。2)能遥信交直流双向变流器的运行状态、告警信息，其中保护信号包括：低电压保护、过电压保护、缺相保护、低频率保护、过频率保护、过电流保护、器件异常保护、电池组异常工况保护、过温保护。3)遥测：能遥测交直流双向变流器的电池电压、电池充放电电流、交流电压、输入输出功率等。4)遥调：能对电池充放电时间、充放电电流、电池保护电压进行遥调，实现远端对交直流双向变流器相关参数的调节。 5)遥控：能对交直流双向变流器进行远端的遥控电池充电、遥控电池放电的功能。
8.4多能互补式供能控制模型
在完成了负荷监控、分布式能源监控管理、综合能源管理的基础上建立统一的多能互补式高效能量转换与控制模型：1)监控电网入口PCC处配电网的电压、频率、相位角，以及配电上下网功率，电网系统电压、频率、相位角。2)实时统计微电网总发电出力、储能剩余容量、微电网总有功负荷、总无功负荷、敏感负荷总有功、可控负荷总有功、完全可切除负荷总有功、无功功率。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和 /或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种用户端智能配用电系统，其特征在于，所述用户端智能配用电系统采用B/S架构并使用MVC设计模式，包括数据采集传输层、数据层、业务层和应用服务层；
其中，所述数据采集传输层以指定的通讯协议进行数据的交互，则监控子站作为数据的发送端，监控中心作为数据的接收端；根据通讯协议内容，分别部署客户端和服务端；客户端根据数据上送频率要求，定时将指定的数据内容根据通讯协议发送到接收端；接收端在接收完数据后解析数据，将数据存入指定的数据库中；数据上报方式包括socket数据上报和webservice数据上报；
所述数据层和业务层，用于负责各子系统监测、调度数据的存储和调用，屏蔽平台运行底层的物理数据库的差异，以接口的形式提供各种通用的数据访问服务；系统分为实时数据库与数据中心两类，所述实时数据库用于负责各类实时数据，包括子系统运行的监测量；所述数据中心用于负责历史数据的统筹管理与存储，通过本平台实现各种检测数据的统一管理；
所述应用服务层，用于汇总不同类型的应用与服务并进行统一管理，所述应用与服务包括能效评估、智能能源调配、用能智能化调整、数据交互服务以及手机应用；每个模块的生命周期以及异常处理的基本运行信息均由统一的微内核服务管理器负责，实现插件式、动态加载的分布式面向服务组件模块应用管理；通过开放的分布式面向服务的应用模型的设计，实现各种能效管理功能的灵活组合与动态行为决策。
2.如权利要求1所述用户端智能配用电系统，其特征在于，所述用户端智能配用电系统还包括系统设置模块、档案管理模块、报表管理模块、地图导航模块、数据维护模块、告警管理模块、在线监控模块、电量与负荷预测模块、电能评价模块；
其中，所述系统设置模块包括系统配置子模块、数据字典维护子模块和菜单管理子模块，用于系统要求使用者根据不同的权限进行不同显示；
所述档案管理模块包括企业档案管理子模块、子站档案管理子模块、变压器档案管理子模块、回路档案管理子模块和设备档案管理子模块；所述企业档案管理子模块，用于对企业的关键信息进行添加、查询、修改和删除以及导入、导出管理；所述子站档案管理子模块，用于对子站的关键信息进行添加、查询、修改和删除以及导入、导出管理；所述变压器档案管理子模块，用于对变压器的关键信息进行添加、查询、修改和删除以及导入、导出管理；所述回路档案管理子模块，用于对回路的关键信息进行添加、查询、修改和删除以及导入、导出管理；所述设备档案管理子模块，用于对设备的关键信息进行添加、查询、修改和删除以及导入、导出管理；
所述报表管理模块包括原始值表报管理子模块、电量统计表报管理子模块、负荷统计表报管理子模块和报警表报管理子模块；所述原始值表报管理子模块，用于对通讯机采集到的数据进行显示和导入、导出；所述电量统计表报管理子模块，用于对电量数据进行查询和导入、导出；所述负荷统计表报管理子模块，用于对负荷进行查询以及导入、导出；所述报警表报管理子模块，用于对报警信息进行查询以及导入、导出；
所述地图导航模块，用于通过地图以宏观的角度观察所有正在运行的企业，起到定位、观察的作用；
所述数据维护模块包括省份管理子模块、市区管理子模块、区县管理子模块、工业区管理子模块和数据字典维护子模块；所述省份管理子模块，用于对省份信息进行以添加、查询、修改和删除；所述市区管理子模块，用于对市区信息进行以添加、查询、修改和删除；所述区县管理子模块，用于对区县信息进行以添加、查询、修改和删除；所述工业区管理子模块，用于对工业区信息进行以添加、查询、修改和删除；所述数据字典维护子模块，用于对数据字典信息进行添加、查询、修改和删除；
所述告警管理模块包括告警对象设置子模块和告警策略设置子模块；所述告警对象设置子模块，用于对告警对象信息进行添加、查询、修改和删除；所述告警策略设置子模块，用于对告警策略进行添加、查询、修改和删除；
所述在线监控模块包括一次接线图子模块、用电参数子模块、电量分析子模块、报警管理子模块和指标关联子模块；所述一次接线图子模块，用于显示企业一次接线图，对接线图上面的数据进行实时的监控；所述用电参数子模块，用于显示通讯机采集到的数据，并通过可视化的图表进行趋势分析；所述电量分析子模块，用于显示变压器、子站、回路和设备的数据，并利用可视化的图表进行趋势分析；所述报警管理子模块，用于对报警的信息进行比较分析，并对报警设备数量、同比、环比进行分析；所述指标关联子模块，用于对用电参数进行同轴对比分析；
所述电量与负荷预测模块，用于对电量负荷进行预测；
所述电能评价模块，用于对企业的运行方式及经济运行效果进行评价。
3.一种应用如权利要求1～2任意一项所述用户端智能配用电系统的用户端智能配用电方法，其特征在于，所述用户端智能配用电方法包括以下步骤：
步骤一，分析智能电能交互终端AMI基础单元，设计多协议数据通讯网关；
步骤二，分别构建配用电质量和能效评测模型并进行模型优化；
步骤三，基于人工智能方法的用电预测与分析，智能优化指导系统分析；
步骤四，能效评测标准评价优化，多个分布式发电单元接入控制协调优化。
4.如权利要求3所述用户端智能配用电方法，其特征在于，所述步骤一中的智能电能交互终端AMI基础单元由智能电表、室内端口和显示器、邻近用户数据采集和控制中心组成；通过智能电表采集相关数据，通过通讯管理机管理大约集群电表，采集数据并发送到测量数据管理系统，存储到本地实时数据库中，实现对现场能源数据和能源设备的采集和控制，并对采集的数据进行计算、分析和统计；
所述多协议数据通讯网关包括协议转换APP、TCP/IP协议、ZigBee协议、Lora协议、RTOS实时操作系统以及无线收发模块驱动，用于将采集的数据打包传送给服务器；作为Lora或者Zigbee网络的根节点，用于负责将附近站点的信息经过变换后，通过GPRS或者NBIOT模块上传给远程服务器。
5.如权利要求3所述用户端智能配用电方法，其特征在于，所述步骤二中的配用电质量和能效评测模型的构建包括：
(1)开始建立模型，并分析模型影响因素与对象基础电能数据；
(2)判断指标与适配数据是否适配，若否，则返回步骤(1)；若是，则利用层次分析法确定主观权重；
(3)判断主观权重目标集是否存在符合对象；若否，则返回主观权重确定步骤；若是，则对电能基础数据进行分析以及预处理；
(4)确定指标计算方式及数据指标计算处理，对数据进行分级处理后利用遗传算法确定指标客观权值；对数据进行归一化处理，利用BP神经网络对评价数据进行优化及预测后，利用遗传算法确定指标客观权值；
(5)判断归一化和分级客观权值哪种更符合实际应用情况；若分级更符合，则使用分级处理后的客观权值；若归一化更符合，则使用归一化处理后的客观权值；
(6)组合赋权得出指标权值，模型建立完成。
6.如权利要求3所述用户端智能配用电方法，其特征在于，所述步骤三中的基于人工智能方法的用电预测与分析包括：
(1)利用改进的聚类算法Ak-means实现跨数据集学习；
(2)数据预处理，包括电力负荷数据集扩展、电力负荷数据数值化、电力负荷数据缺失值处理、电力负荷数据异常值处理以及电力负荷数据标准化；
(3)模型调优，包括优化时间步长、神经元数量优化、激活函数选取；
(4)构建基于循环神经网络的电力负荷组合预测模型。
7.如权利要求3所述用户端智能配用电方法，其特征在于，所述基于循环神经网络的电力负荷组合预测模型包括：
数据层，用于将多个不同用电企业数据集整合在一起的原始数据集；
预处理层，使用数据预处理方法对数据进行处理，并通过Ak-means聚类算法初步提炼出不同子数据集之间特征并为数据打上标签，实现跨数据集的训练；
输入层，用于将预处理层数据集的所有可用的特征数据作为网络输入数据；
隐藏层，采用循环神经网络的改进后的LSTM或者GRU网络，用于对输入层给的特征数据进行自动学习，自动学习到数据中隐藏的有用信息；
输出层，用于负责将隐藏层学习到的信息转成最终结果。
8.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求3～7任意一项所述用户端智能配用电方法的步骤。
9.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求3～7任意一项所述用户端智能配用电方法的步骤。
10.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现如权利要求1～2任意一项所述用户端智能配用电系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211338002.2A CN115528817A (zh) | 2022-10-28 | 2022-10-28 | 一种用户端智能配用电系统、方法、介质、设备及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211338002.2A CN115528817A (zh) | 2022-10-28 | 2022-10-28 | 一种用户端智能配用电系统、方法、介质、设备及终端 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115528817A true CN115528817A (zh) | 2022-12-27 |
Family
ID=84704422
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211338002.2A Pending CN115528817A (zh) | 2022-10-28 | 2022-10-28 | 一种用户端智能配用电系统、方法、介质、设备及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115528817A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115983722A (zh) * | 2023-03-20 | 2023-04-18 | 睿至科技集团有限公司 | 一种云雾融合的物联网能源管理方法及系统 |
| CN116646933A (zh) * | 2023-07-24 | 2023-08-25 | 北京中能亿信软件有限公司 | 一种基于大数据的电力负荷调度方法及系统 |
| CN116840622A (zh) * | 2023-07-07 | 2023-10-03 | 云木科技有限公司 | 基于电量输入与输出对比计算的配电终端测试系统 |
| CN117254505A (zh) * | 2023-09-22 | 2023-12-19 | 南方电网调峰调频(广东)储能科技有限公司 | 基于数据处理的储能电站优化运行模式决策方法及系统 |
| CN117389237A (zh) * | 2023-12-13 | 2024-01-12 | 无锡雪浪数制科技有限公司 | 一种实现mvc的工业流程控制平台 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103259335A (zh) * | 2013-04-11 | 2013-08-21 | 国家电网公司 | 一种智能需求响应及需求侧优化运行系统 |
| CN105631764A (zh) * | 2015-12-31 | 2016-06-01 | 国网电力科学研究院武汉南瑞有限责任公司 | 面向智慧城市的智能电网大数据应用系统 |
| WO2020147349A1 (zh) * | 2019-01-14 | 2020-07-23 | 中国电力科学研究院有限公司 | 配电网运行辅助决策分析系统及方法 |
| CN112751411A (zh) * | 2019-10-29 | 2021-05-04 | 南京沃旭电力科技有限公司 | 一种基于大数据拟合技术的可视化电力用户用电评价平台 |
| CN112994239A (zh) * | 2021-03-03 | 2021-06-18 | 山东卓文信息科技有限公司 | 一种智能电网低压配电台区监控系统 |
| CN114819392A (zh) * | 2022-05-20 | 2022-07-29 | 重庆邮电大学 | 一种基于用户聚类扩展数据的用电预测方法 |
| CN115115091A (zh) * | 2022-05-20 | 2022-09-27 | 安徽继远软件有限公司 | 一种基于全景展示的园区智慧用能管控平台 |
| CN115169819A (zh) * | 2022-06-14 | 2022-10-11 | 北京许继电气有限公司 | 供电营业厅效能数据处理方法 |
-
2022
- 2022-10-28 CN CN202211338002.2A patent/CN115528817A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103259335A (zh) * | 2013-04-11 | 2013-08-21 | 国家电网公司 | 一种智能需求响应及需求侧优化运行系统 |
| CN105631764A (zh) * | 2015-12-31 | 2016-06-01 | 国网电力科学研究院武汉南瑞有限责任公司 | 面向智慧城市的智能电网大数据应用系统 |
| WO2020147349A1 (zh) * | 2019-01-14 | 2020-07-23 | 中国电力科学研究院有限公司 | 配电网运行辅助决策分析系统及方法 |
| CN112751411A (zh) * | 2019-10-29 | 2021-05-04 | 南京沃旭电力科技有限公司 | 一种基于大数据拟合技术的可视化电力用户用电评价平台 |
| CN112994239A (zh) * | 2021-03-03 | 2021-06-18 | 山东卓文信息科技有限公司 | 一种智能电网低压配电台区监控系统 |
| CN114819392A (zh) * | 2022-05-20 | 2022-07-29 | 重庆邮电大学 | 一种基于用户聚类扩展数据的用电预测方法 |
| CN115115091A (zh) * | 2022-05-20 | 2022-09-27 | 安徽继远软件有限公司 | 一种基于全景展示的园区智慧用能管控平台 |
| CN115169819A (zh) * | 2022-06-14 | 2022-10-11 | 北京许继电气有限公司 | 供电营业厅效能数据处理方法 |
Non-Patent Citations (3)
| Title |
|---|
| 朱怡: "用电端智能用电系统支撑平台的设计实现以及部署优化", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, pages 7 - 43 * |
| 王涛: "基于循环神经网络的电力负荷组合预测模型研究", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, pages 13 - 36 * |
| 陶紫倩: "办公楼宇电能质量评价研究", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, pages 10 - 25 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115983722A (zh) * | 2023-03-20 | 2023-04-18 | 睿至科技集团有限公司 | 一种云雾融合的物联网能源管理方法及系统 |
| CN115983722B (zh) * | 2023-03-20 | 2023-06-06 | 睿至科技集团有限公司 | 一种云雾融合的物联网能源管理方法及系统 |
| CN116840622A (zh) * | 2023-07-07 | 2023-10-03 | 云木科技有限公司 | 基于电量输入与输出对比计算的配电终端测试系统 |
| CN116840622B (zh) * | 2023-07-07 | 2024-01-26 | 云木科技有限公司 | 基于电量输入与输出对比计算的配电终端测试系统 |
| CN116646933A (zh) * | 2023-07-24 | 2023-08-25 | 北京中能亿信软件有限公司 | 一种基于大数据的电力负荷调度方法及系统 |
| CN116646933B (zh) * | 2023-07-24 | 2023-10-10 | 北京中能亿信软件有限公司 | 一种基于大数据的电力负荷调度方法及系统 |
| CN117254505A (zh) * | 2023-09-22 | 2023-12-19 | 南方电网调峰调频(广东)储能科技有限公司 | 基于数据处理的储能电站优化运行模式决策方法及系统 |
| CN117254505B (zh) * | 2023-09-22 | 2024-03-26 | 南方电网调峰调频(广东)储能科技有限公司 | 基于数据处理的储能电站优化运行模式决策方法及系统 |
| CN117389237A (zh) * | 2023-12-13 | 2024-01-12 | 无锡雪浪数制科技有限公司 | 一种实现mvc的工业流程控制平台 |
| CN117389237B (zh) * | 2023-12-13 | 2024-02-13 | 无锡雪浪数制科技有限公司 | 一种实现mvc的工业流程控制平台 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Artificial intelligence powered large-scale renewable integrations in multi-energy systems for carbon neutrality transition: Challenges and future perspectives | |
| Barja-Martinez et al. | Artificial intelligence techniques for enabling Big Data services in distribution networks: A review | |
| CN115528817A (zh) | 一种用户端智能配用电系统、方法、介质、设备及终端 | |
| Zhou et al. | Big data driven smart energy management: From big data to big insights | |
| Hernandez-Matheus et al. | A systematic review of machine learning techniques related to local energy communities | |
| CN103955777B (zh) | 光伏发电接入配电网方案设计与分析评估辅助系统 | |
| Pal et al. | IoT-based real time energy management of virtual power plant using PLC for Transactive energy framework | |
| CN104779699A (zh) | 一种多功能站点线损管理系统 | |
| CN105573997A (zh) | 一种确定窃电嫌疑用户的方法及装置 | |
| CN112700032A (zh) | 一种用于低压直流配用电系统的故障预测系统及方法 | |
| CN110928866A (zh) | 基于停电信息大数据分析的线路拓扑核查方法及系统 | |
| CN106651225A (zh) | 智能电网示范工程综合评估方法和系统 | |
| Zhan et al. | Non‐technical loss and power blackout detection under advanced metering infrastructure using a cooperative game based inference mechanism | |
| CN109038678A (zh) | 基于大数据的园区分布式能源智能管控系统 | |
| CN109829560A (zh) | 一种配电网可再生能源发电集群接入规划方法 | |
| CN116505656A (zh) | 基于5g物联网技术的风-光-储多能互补智慧用电系统 | |
| CN102299553B (zh) | 电能服务效果保障系统 | |
| Sun et al. | Calculation method of benchmark value of line loss rate in transformer district considering marketing customer portrait | |
| Gao et al. | SPSO-DBN based compensation algorithm for lackness of electric energy metering in micro-grid | |
| CN116522746A (zh) | 高耗能企业配电托管方法 | |
| Wu et al. | Survey on negative line loss rate of transformer region: rectification measures and challenges | |
| CN115293649A (zh) | 一种区配电网智能精细化降损方法 | |
| CN114266471A (zh) | 一种面向冷热电多能流耦合综合能源的能效评价方法 | |
| Aldulaimi et al. | Intelligent Load Identification of Household-Smart Meters Using Multilevel Decision Tree and Data Fusion Techniques | |
| Doddamani et al. | A transition from manual to intelligent automated power system operation-a indicative review |
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 |