CN115879691A - 基于大数据的人工智能电力调度决策系统及方法 - Google Patents
基于大数据的人工智能电力调度决策系统及方法 Download PDFInfo
- Publication number
- CN115879691A CN115879691A CN202211343391.8A CN202211343391A CN115879691A CN 115879691 A CN115879691 A CN 115879691A CN 202211343391 A CN202211343391 A CN 202211343391A CN 115879691 A CN115879691 A CN 115879691A
- Authority
- CN
- China
- Prior art keywords
- power
- data
- algorithm
- component
- unit
- 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
Images
Classifications
-
- 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
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于大数据的人工智能电力调度决策系统及方法,该系统包括:多模型融合电力数据处理单元,用于对电力数据利用算法进行处理,得到计算结果;电力调度全过程单元,用于实现发电站电力输送、变电站电力变压、变电站电力分配以及居民电力连接;大数据算法调配单元,用于提供人工智能算法和基础数据预处理算法;系统统一协调管理单元,用于将不同模型下的电力数据、大数据算法调配单元、电力调度数据库,进行全过程的调配与管制;电力调配场景选择单元,用于在不同的场景下进行电力数据的调度方式的选择。本发明解决了电力行业生产中业务场景关联少等问题,对电力行业数字化及智能化发展有着重要作用。
Description
技术领域
本发明涉及电力调度领域,尤其涉及基于大数据的人工智能电力调度决策系统及方法。
背景技术
大数据、人工智能与电力工业融合是能源行业“新基建”的时代;核心之一,更是电力企业智能化产业升级的重大需求。目前传统电力企业积累了丰富的数据资源,但是面临着数据种类多、结构复杂、行业知识联系不紧密、业务场景关联少等问题。大数据技术可以将海量电力数据流程化处理及快速提取,人工智能算法可以将数据进行专业化融合以及精准挖掘,因此亟需开展大数据人工智能技术在电力领域的创新研究,研制面向电力领域生产自动决断平台,形成基于不同模型下的电力数据体的流水线式汇聚、集成、处理与融合的集成框架,融合基于大数据和人工智能的多场景生产调控预测技术,实现电力工业的数字化、智能化转型以及电力企业的降本增效。
在数字化时代,电力行业电力调度领域长期执行着在IT时代编制的一种数据业务模型,称之为POSC,一直作为电力数据建设和信息管理系统的数据业务模型执行,处理着数据与业务的运行关系。
但是在电力调度开发中,现有的IT架构已经不能适应生产需求,面临着数据种类多、结构复杂、行业知识联系不紧密、业务场景关联少等问题。
发明内容
为了克服现有技术存在的缺点与不足,本发明提供基于大数据的人工智能电力调度决策系统及方法。本发明所采用的技术方案是,本发明提供如下技术方案:
一方面,提供了基于大数据的人工智能电力调度决策系统及方法,所述系统包括:
多模型融合电力数据处理单元,用于对电力数据利用算法进行处理,得到计算结果;
电力调度全过程单元,用于实现发电站电力输送、变电站电力变压、变电站电力分配以及居民电力连接;
大数据算法调配单元,用于提供人工智能算法和基础数据预处理算法;
系统统一协调管理单元,用于将不同模型下的电力数据、大数据算法调配单元、电力调度数据库,进行全过程的调配与管制;
电力调配场景选择单元,用于在不同的场景下进行电力数据的调度方式的选择。
在一种可选的实施例中,所述电力调度决策单元包括:
数据采集组件,用于提供包括5G信号传输、边缘网络服务、数据保存、数据分类、数据计算、数据编码;
数据处理组件,用于为处理海量不同模型下的电力数据体并提供数据运行环境;
数据综合组件,包括数据筛查、异常数据剔除以及数据评估;
服务管理组件,用于电力调配过程中的配套服务;
居民用电组件,用于对居民用电情况进行统计及预测。
在一种可选的实施例中,所述多模型融合电力数据处理单元包括
基础数据库,用于存储电力领域基础数据;
基础电力大数据分类区,用于对存储的电力领域基础数据进行分类打包;
异常数据剔除,用于根据电力行业已有的数据标准以及自定义标准对异常数据进行剔除;
数据通道管理区,用于直接提取所述基础数据库中的数据,以及对外开放数据服务通道,使所述系统根据需求快速调用所述基础数据库中的数据。
在一种可选的实施例中,所述电力调度全过程单元包括:
电力前段生产自动决断组件,用于实现从电力生产、电力传送、参数配置、电力分配、自动决断一体化智能算法服务;
电力中段变电站电力变压组件,用于中段服务人员以及管理人员掌握电力的实时数据,为电力储运提供指导;
电力后段变电站电力分配组件,用于根据电力后段电力设施管理、电力需求、电力供应、居民用电量进行电力传送,实现电力输送的统一指导;
系统维护与控制组件,用于维护系统中的所有参数的正常运行,以及维护系统的稳定。
在一种可选的实施例中,所述大数据算法调配单元包括:
由卷积神经网络算法以及决策树算法构成的人工融合算法库,
基于电力调度场景匹配的融合算法库。
在一种可选的实施例中,所述系统统一协调管理单元包括:
系统原始参数设定、系统更新参数设定、系统账号登录、系统定时维护、系统链接匹配、系统规模扩展、系统接口组成、系统后台更改与系统前端更改。
在一种可选的实施例中,所述电力前段生产自动决断组件包括:电力生产参数优化组件,可再生能源目标智能决策组件,电厂蓄能组件,电厂规模单元,电厂参数设定单元,电力产量传送组件,电力产能智能标定组件,电力转化效率组件。
在一种可选的实施例中,所述电力中段变电站电力变压组件包括:变压效率组件、电力分配组件、变电站管理组件以及电力传输线组件。
在一种可选的实施例中,所述电力后段变电站电力分配组件包括电力设施智慧管理组件、市场需求智能分析组件、电力供应电力传送组件、电力基础设施建设指导组件、电力用户分布组件以及电力管道管理组件。
另一方面,提供了一种面向电力领域的生产智能决策方法,所述方法包括:
步骤S1:通过多模型融合电力数据处理单元根据电力行业已有的数据标准以及自定义标准对异常数据进行剔除、清洗补全、关联融合后,放入数据库或数据池中;
步骤S2:基于专家知识对电力前、中、后段业务进行全面的梳理,分析不同场景下数据的关联关系,建立电力数据知识图谱,将所有梳理的业务进行汇聚并构建业务架构;
步骤S3:集成传统数值模拟方法以及经典卷积神经网络算法方法,并可以根据不同应用场景自定义搭建融合物理约束的卷积神经网络算法模型,并通过大数据算法调配单元根据特定数据和特定业务进行智能计算;
步骤S4:通过系统统一协调管理单元对不同模型下的电力数据、大数据算法调配单元、电力调度数据库,进行全过程的调配与管制;
步骤S5:根据智能计算的结果通过电力调配场景选择单元在不同的场景下进行电力数据的调度方式的选择;
步骤S6:通过电力调度全过程单元实现发电站电力输送、变电站电力变压、变电站电力分配以及居民电力连接。
本发明实施例提供的上述技术方案的有益效果如下:
本发明实施例提供的系统,通过多模型融合电力数据处理单元建立了不同模型下的电力数据体的流水线式汇聚、集成、处理与融合的集成框架,实现数据种类多、结构复杂的电力领域数据一体化治理;通过电力调度全过程单元实现发电站电力输送、变电站电力变压、变电站电力分配以及居民电力连接,增强行业知识紧密联系;通过大数据算法调配单元融合了基于大数据和人工智能的多场景生产调控预测技术,并形成了面向电力领域知识图谱以及不同场景下模型端到端无代码的自定义开发模式,提供人工智能算法和基础数据预处理算法;通过系统统一协调管理单元,将不同模型下的电力数据、大数据算法调配单元、电力调度数据库,进行全过程的调配与管制;通过电力调配场景选择单元,在不同的场景下进行电力数据的调度方式的选择,解决了电力行业生产中业务场景关联少等问题,通过上述模块配合实现对电力领域的生产进行自动决断。本发明实施例提供的系统对电力行业数字化及智能化发展有着重要作用,实现了降本增效的目的。
附图说明
图1为本发明第一系统结构图;
图2为本发明第二系统结构图;
图3为本发明第三系统结构图;
图4为本发明第四系统结构图;
图5为本发明第五系统结构图;
图6为本发明方法流程图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互结合,下面结合附图和有具体实施例对本申请作进一步详细说明。
如图1所示,基于大数据的人工智能电力调度决策系统,
请一并参见图1-图5,本发明实施例提供了基于大数据的人工智能电力调度决策系统及方法,系统包括:
多模型融合电力数据处理单元,用于对电力数据利用算法进行处理,得到计算结果。
电力调度全过程单元,用于实现发电站电力输送、变电站电力变压、变电站电力分配以及居民电力连接。
大数据算法调配单元,用于提供人工智能算法和基础数据预处理算法。
系统统一协调管理单元,用于将不同模型下的电力数据、大数据算法调配单元、电力调度数据库,进行全过程的调配与管制。
电力调配场景选择单元,用于在不同的场景下进行电力数据的调度方式的选择。
本发明实施例提供的上述技术方案的有益效果如下:
本发明实施例提供的系统,通过多模型融合电力数据处理单元建立了不同模型下的电力数据体的流水线式汇聚、集成、处理与融合的集成框架,实现数据种类多、结构复杂的电力领域数据一体化治理;通过电力调度全过程单元实现发电站电力输送、变电站电力变压、变电站电力分配以及居民电力连接,增强行业知识紧密联系;通过大数据算法调配单元融合了基于大数据和人工智能的多场景生产调控预测技术,并形成了面向电力领域知识图谱以及不同场景下模型端到端无代码的自定义开发模式,提供人工智能算法和基础数据预处理算法;通过系统统一协调管理单元,将不同模型下的电力数据、大数据算法调配单元、电力调度数据库,进行全过程的调配与管制;通过电力调配场景选择单元,在不同的场景下进行电力数据的调度方式的选择,解决了电力行业生产中业务场景关联少等问题,通过上述模块配合实现对电力领域的生产进行自动决断。本发明实施例提供的系统对电力行业数字化及智能化发展有着重要作用,实现了降本增效的目的。
以下通过可选的实施例进一步解释和描述本发明实施例提供的系统。
在一种可选的实施例中,电力调度决策单元包括:
数据采集组件,用于提供包括5G信号传输、边缘网络服务、数据保存、数据分类、数据计算、数据编码。
数据采集组件包括中国科技云云服务器,满足Windows、Linux以及 Unix操作系统环境,提供包括5G信号传输、边缘网络服务、数据保存、数据分类、数据计算、人工智能计算与数据服务等多项基础设施资源服务。
数据处理组件,用于为处理海量不同模型下的电力数据体并提供数据运行环境。
数据处理组件包括大数据全栈组件管理系统,利用Hadoop分布式存储为基础,以Apache Spark和Storm为混合计算框架,结合Piflow等数据流处理系统,构建了处理海量不同模型下的电力数据体的数据处理组件。
需要说明的是,Hadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下,开发分布式程序。充分利用集群的威力进行高速运算和存储。
数据综合组件,包括数据筛查、异常数据剔除以及数据评估。
需要说明的是,数据综合组件为基于大数据的人工智能电力调度决策系统及方法的核心,包含数据筛查、异常数据剔除以及数据评估。
进一步地,数据筛查采集的数据的来源是开放知识数据,包括通过电力专业领域数据库(Oracle、MysqI,SQL等)、电力数值模拟软件 (matlab、CMG、Eclipse等)以及电力物联网(Scada等),监测实验数据,包括能够提取结构化数据如动态生产数据以及地震反演数据;非结构化数据,如电力曲线以及数字岩心图片,半结构数据如地震解释以及电力报告等,形成电力大数据分类区,数值模拟数据等。
异常数据剔除主要对不同模型下的电力数据体进行数据清洗和数据融合,利用局部清洗、全局清洗及统计学方法对缺失、异常数据进行清洗,通过建立面向电力领域的专业知识图谱对清洗后的数据进行关联融合,形成核心的研究数据库、方法库、成果库以及专家知识库。
数据计算主要包括了基于Hadoop中Ma pRed uce的数据批处理计算、Sparkstreaming流处理计算、自主开发的卷积神经网络算法算法库及电力数值模拟方法库,可以实现电力海量数据的批处理/流处理与离线/ 实时计算。
服务管理组件,用于电力调配过程中的配套服务。
服务管理组件是电力调配过程中的配套服务模块。
在一种可选的实施例中,服务管理组件包括电力上游生产开发单元,电力中段变电站电力变压组件,电力后段智慧销售单元,管理单元。
电力上游生产开发单元,包含了储层物性预测、电力产能标定、电力产量预测、参数配置等适用于现场开发人员的应用模块,实现对电力生产开发方面的针对性指导。电力后段智慧销售单元,包含了电力基础电力设施管理、电力供应预测及价格分析等模块,是面向电力后段销售及市场分析人员的专业化微服务应用;管理单元,专门针对发电站电力输送平台的居民电力连接,对于不同部门与职务人员进行定制化管理以及权限分配,包括用户管理、角色管理、系统公告以及租户管理等。同时服务管理组件还有专门的API服务调用接口,用于对接电力专家系统或者租户体验系统等。
居民用电组件是面向机关单位、研究人员以及管理人员,实现不同人员对平台微服务功能以及电力数据使用。
居民用电组件,用于对居民用电情况进行统计及预测。作为一种示例,包括机关单位、研究人员和管理人员等。
在一种可选的实施例中,多模型融合电力数据处理单元包括:基础数据库,用于存储电力领域基础数据。
电力领域生产决策平台底层接入基础数据库,包括高校电力科研数据库、电力公司专业数据库、电力公司专业数据库以及经济评估数据库,数据库类型涵盖Oracle、Mysql,SQL等。
基础电力大数据分类区,用于对存储的电力领域基础数据进行分类打包。
异常数据剔除,用于根据电力行业已有的数据标准以及自定义标准对异常数据进行剔除。
异常数据剔除根据电力行业已有的数据标准以及自定义标准对异常数据进行剔除,并利用全局清洗算法搜索数据中缺失和异常问题,并进行数据的补全和除噪,将清洗过的数据通过各自的质量评估体系进行评估,评估不合格的数据需要根据其所属领域和数据特点进行二次清洗,直至通过数据评估,以此来提升数据质量。接着,以清洗后的数据实体为节点,以实体之间的关系作为边,通过专家的经验知识构建了面向电力领域的知识图谱,建立了电力领域的图数据库。
数据通道管理区,用于直接提取基础数据库中的数据,以及对外开放数据服务通道,使系统根据需求快速调用基础数据库中的数据。
数据通道管理区可以直接提取基础数据库中的数据,并对外开放数据服务通道,应用层中各个模块可以根据自己需求快速调用基础数据接口。最后,应用层包含了微服务应用、算法调用、可视化服务以及对外服务,可以直接调用通过了数据质量评估的核心数据、电力知识图谱构建的图数据库以及基础电力大数据分类区。多模型融合电力数据处理单元实现了数据采集-清洗-提取-融合的一体化数据治理体系。
在一种可选的实施例中,电力调度全过程单元包括:
电力前段生产自动决断组件,用于实现从电力生产、电力传送、参数配置、电力分配、自动决断一体化智能算法服务。
在一种可选的实施例中,电力前段生产自动决断组件包括:电力生产参数优化组件,可再生能源目标智能决策组件,电厂蓄能组件,电厂规模单元,电厂参数设定单元,电力产量传送组件,电力产能智能标定组件,电力转化效率组件。
电力前段生产自动决断组件主要包含了八个集成好的算法模块,每个功能模块下包含了对应各个不同场景的智能算法及应用实例,形成从电力生产-电力传送-参数配置-电力分配-自动决断一体化智能算法服务体系。
电力中段变电站电力变压组件,用于中段服务人员以及管理人员掌握电力的实时数据,为电力储运提供指导。
在一种可选的实施例中,电力中段变电站电力变压组件包括:变压效率组件、电力分配组件、变电站管理组件以及电力传输线组件。电力中段变电站电力变压组件面向中段服务人员以及管理人员,能够掌握电力从采集、运输、接收的实时数据,为电力储运提供指导。
电力后段变电站电力分配组件,用于根据电力后段电力设施管理、电力需求、电力供应、居民用电量进行电力传送,实现电力输送的统一指导。
在一种可选的实施例中,电力后段变电站电力分配组件包括电力设施智慧管理组件、市场需求智能分析组件、电力供应电力传送组件、电力基础设施建设指导组件、电力用户分布组件以及电力管道管理组件。
电力后段变电站电力分配组件通过电力基础电力设施管理可以了解发电厂及城市燃气的详细数据,基于基础数据用于市场价格智能分析以及电力供应电力传送,实现电力贸易智慧指导。
系统维护与控制组件,用于控制不同用户面向系统中每个模块的操作权限。
系统维护与控制组件主要包含了用户管理、角色管理、部门管理、职务管理、租户管理以及数据字典,可以控制不同部门以及职务的人员对基于大数据的人工智能电力调度决策系统及方法各模块的操作权限,从而使得上游开发人员、下段销售人员、系统测试人员以及系统租赁人员操作各自领域的模块而互不干扰。
在一种可选的实施例中,大数据算法调配单元包括:
由卷积神经网络算法以及决策树算法构成的人工融合算法库。
大数据算法调配单元面向电力领域物理规律与AI的集成算法图,主要由两部分组成,一部分是由卷积神经网络算法以及决策树算法构成的人工融合算法库,其中卷积神经网络算法库是基于Python环境,通过sklearn、keras、TensorFlow等学习库直接调用支撑向量机、随机森林、神经网络、朴素贝叶斯等智能算法;经典算法则是基于matlab和 Python语言,自主开发了有限元、有限差分和有限体积等经典算法,同时也能调用已经集成好的算法如有限元、有限体积、有限差分、Kriging 差值、三次样条插值以及函数拟合等。图5为面向电力领域生产只能决策系统不同场景模块示意图。
基于电力调度场景匹配的融合算法库。
基于电力调度场景匹配的智能算法,核心思想是以卷积神经网络算法算法(支撑向量机、随机森林、决策树、人工神经网络、Xgboost、K近邻、朴素贝叶斯等)为基础,将决策树算法中的控制方程、边界条件、初始条件作为约束,以构建新的损失函数的形式融入到卷积神经网络算法算法中,基于上述算法的开发模式,建立了储层物性电力传送、电力产能智能标定、压裂效果智能评价等特色算法。除此之外,考虑到电力领域人员的编程能力,建立了端到端的无代码操作平台,将人工智能算法以及定制化算法集成封装成结构化的算法模块(H5、PTH、T7、PKL、MAT等格式),通过拖拽式的方式进行调用,前端通过点击拖拽图标触发算法事件,后端根据前端响应自动搭建模型,实现算法的快速组装与流水线调用模式。
在一种可选的实施例中,系统统一协调管理单元包括:
系统原始参数设定、系统更新参数设定、系统账号登录、系统定时维护、系统链接匹配、系统规模扩展、系统接口组成、系统后台更改与系统前端更改。
进一步地,系统统一协调管理单元采用云原生构架下的Docker技术,将生产运营数据、智能算法、智能服务构件库等进行容器化封装,主要是包括分布式存储、缓存读写、接口认证、统一认证、访问控制、服务控制、设备服务、用户服务、分析接口等,形成应用程序部署的独立单元,实现高水平资源隔离;采用云原生架构下的Kubernetes技术进行全过程的调配与管制,将容器组织成组,并且提供容器间的负载均衡,可实现随时扩展或收缩容器规模,采用滚动发布功能,在应用不停机的情况下将应用程序从一个环境提升到另一个环境,形成分布式模型输出、读取和利用的云原生模型管理。以“功能即服务”为落脚点,通过松耦合方式,采用云原生架构下的Dapr框架,将接口认证、网站认证、访问控制、路由控制、融合算法库、设备服务、知识服务、模型服务按照业务能力进行组织、分离,可以更轻松的更新代码,彼此独立的进行缩放,实现微服务化应用的快速构建和协调调用。
在一种可选的实施例中,电力调配场景选择单元,用于在不同的场景下进行电力数据的调度方式的选择。
用户登录平台后可以通过本地上传、在线导入以及网络爬虫三种方式获取所需数据集,上传的数据会暂时保存在后台数据库中,并赋予特定的标签编码,基于大数据的人工智能电力调度决策系统及方法考虑到电力各个行业数据以及算法的复杂性,构建了模型编辑器,在编辑器上导入所需的数据,选择对应的数据清洗算法来提高数据质量,基于封装好的算法构件库通过拖拽的形式来在不同的场景下进行电力数据的调度方式的选择,通过图形化的方式更好的帮助用户建立复杂的自主学习模型,通过可视化技术可以看到模型的输出结果以及应用效果,自主搭建好的模型也可以进行流程化封装,方便下次一键式调用,同时这些定制化算法模型具有API 接口,可以允许其他软件进行调用,内部数据也可以通过Url进行访问。
如图6所示,提供了一种面向电力领域的生产智能决策方法,方法包括:
步骤S1:通过多模型融合电力数据处理单元根据电力行业已有的数据标准以及自定义标准对异常数据进行剔除、清洗补全、关联融合后,放入数据库或数据池中;
步骤S2:基于专家知识对电力前、中、后段业务进行全面的梳理,分析不同场景下数据的关联关系,建立电力数据知识图谱,将所有梳理的业务进行汇聚并构建业务架构;
步骤S3:集成传统数值模拟方法以及经典卷积神经网络算法方法,并可以根据不同应用场景自定义搭建融合物理约束的卷积神经网络算法模型,并通过大数据算法调配单元根据特定数据和特定业务进行智能计算;
步骤S4:通过系统统一协调管理单元104对不同模型下的电力数据、大数据算法调配单元、电力调度数据库,进行全过程的调配与管制;
步骤S5:根据智能计算的结果通过电力调配场景选择单元在不同的场景下进行电力数据的调度方式的选择;
步骤S6:通过电力调度全过程单元实现发电站电力输送、变电站电力变压、变电站电力分配以及居民电力连接。
本发明实施例提供的方法囊括了电力上游生产开发、中段储运集输和下段生产销售各个模块,流程化自动化处理不同模型下的电力数据,提高了管理人员和服务人员你的工作效率。
提出了针对不同模型下的电力数据的治理体系,能够打破行业壁垒,高效整合来自不同机构不同类型的数据库,并进行数据标准化、清洗及融合,根据专家经验建立电力领域知识图谱,实现了数据采集-清洗-提取- 融合的一体化数据治理体系,加强了行业知识的融合。
提出了针对电力领域的平台业务架构,将电力上游生产模块、中段输运模块、下段销售模块以及平台内部的系统管理模块进行了一体化集成,形成了完整的一站式服务模式,从整体提高了管理人员的决策能力。
提出了面向电力领域的大数据算法调配单元,不但将卷积神经网络算法和决策树算法集成到了人工融合算法库,还将两种算法进行了深度结合,形成了基于不同场景下的特色算法,构建了电力领域特色算法构件库,实现了无代码的封装调用模式,提高了科研人员的建模效率。
提出了电力上中下段各模块的容器化封装与自动化管理模式,将电力数据运营、智能算法调用和特色算法展示容器化封装和独立化部署,实现微服务化应用的快速构建和协调调用,加强了应用层的可扩展性和移植性。
提出了模型自定义开发模式,利用平台内部算法库以及面向电力领域知识图谱数据,形成了拖拽式流程化的模型编辑器,提高了开发人员的工作效率。
在本发明描述中,需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”、“固定”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以通过具体情况理解上述术语在本发明中的具体含义。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解的是,在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种等效的变化、修改、替换和变型,本发明的范围由所附权利要求及其等同范围限定。
Claims (10)
1.基于大数据的人工智能电力调度决策系统,其特征在于,该系统包括:
多模型融合电力数据处理单元,用于对电力数据利用算法进行处理,得到计算结果;
电力调度全过程单元,用于实现发电站电力输送、变电站电力变压、变电站电力分配以及居民电力连接;
大数据算法调配单元,用于提供人工智能算法和基础数据预处理算法;
系统统一协调管理单元,用于将不同模型下的电力数据、大数据算法调配单元、电力调度数据库,进行全过程的调配与管制;
电力调配场景选择单元,用于在不同的场景下进行电力数据的调度方式的选择。
2.根据权利要求1所述的基于大数据的人工智能电力调度决策系统及,其特征在于,所述电力调度决策单元包括:
数据采集组件,用于提供包括5G信号传输、边缘网络服务、数据保存、数据分类、数据计算、数据编码;
数据处理组件,用于为处理海量不同模型下的电力数据体并提供数据运行环境;
数据综合组件,包括数据筛查、异常数据剔除以及数据评估;
服务管理组件,用于电力调配过程中的配套服务;
居民用电组件,用于对居民用电情况进行统计及预测。
3.根据权利要求2所述的基于大数据的人工智能电力调度决策系统,其特征在于,所述多模型融合电力数据处理单元包括基础数据库,用于存储电力领域基础数据;
基础电力大数据分类区,用于对存储的电力领域基础数据进行分类打包;
异常数据剔除,用于根据电力行业已有的数据标准以及自定义标准对异常数据进行剔除;
数据通道管理区,用于直接提取所述基础数据库中的数据,以及对外开放数据服务通道,使所述系统根据需求快速调用所述基础数据库中的数据。
4.根据权利要求3所述的基于大数据的人工智能电力调度决策系统,其特征在于,所述电力调度全过程单元包括:
电力前段生产自动决断组件,用于实现从电力生产、电力传送、参数配置、电力分配、自动决断一体化智能算法服务;
电力中段变电站电力变压组件,用于中段服务人员以及管理人员掌握电力的实时数据,为电力储运提供指导;
电力后段变电站电力分配组件,用于根据电力后段电力设施管理、电力需求、电力供应、居民用电量进行电力传送,实现电力输送的统一指导;
系统维护与控制组件,用于维护系统中的所有参数的正常运行,以及维护系统的稳定。
5.根据权利要求4所述的基于大数据的人工智能电力调度决策系统,其特征在于,所述大数据算法调配单元包括:由卷积神经网络算法以及决策树算法构成的人工融合算法库,基于电力调度场景匹配的融合算法库。
6.根据权利要求5所述的基于大数据的人工智能电力调度决策系统,其特征在于,所述系统统一协调管理单元包括:系统原始参数设定、系统更新参数设定、系统账号登录、系统定时维护、系统链接匹配、系统规模扩展、系统接口组成、系统后台更改与系统前端更改。
7.根据权利要求4或6所述的基于大数据的人工智能电力调度决策系统,其特征在于,所述电力前段生产自动决断组件包括:电力生产参数优化组件,可再生能源目标智能决策组件,电厂蓄能组件,电厂规模单元,电厂参数设定单元,电力产量传送组件,电力产能智能标定组件,电力转化效率组件。
8.根据权利要求7所述的基于大数据的人工智能电力调度决策系统,其特征在于,所述电力中段变电站电力变压组件包括:变压效率组件、电力分配组件、变电站管理组件以及电力传输线组件。
9.根据权利要求8所述的基于大数据的人工智能电力调度决策系统,其特征在于,所述电力后段变电站电力分配组件包括电力设施智慧管理组件、市场需求智能分析组件、电力供应电力传送组件、电力基础设施建设指导组件、电力用户分布组件以及电力管道管理组件。
10.一种面向电力领域的生产智能决策方法,其特征在于,包括:
步骤S1:通过多模型融合电力数据处理单元根据电力行业已有的数据标准以及自定义标准对异常数据进行剔除、清洗补全、关联融合后,放入数据库或数据池中;
步骤S2:基于专家知识对电力前、中、后段业务进行全面的梳理,分析不同场景下数据的关联关系,建立电力数据知识图谱,将所有梳理的业务进行汇聚并构建业务架构;
步骤S3:集成传统数值模拟方法以及卷积神经网络算法方法,并根据不同应用场景自定义搭建融合物理约束的卷积神经网络算法模型,并通过大数据算法调配单元根据特定数据和特定业务进行智能计算;
步骤S4:通过系统统一协调管理单元对不同模型下的电力数据、大数据算法调配单元、电力调度数据库,进行全过程的调配与管制;
步骤S5:根据智能计算的结果通过电力调配场景选择单元在不同的场景下进行电力数据的调度方式的选择;
步骤S6:通过电力调度全过程单元实现发电站电力输送、变电站电力变压、变电站电力分配以及居民电力连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211343391.8A CN115879691A (zh) | 2022-10-29 | 2022-10-29 | 基于大数据的人工智能电力调度决策系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211343391.8A CN115879691A (zh) | 2022-10-29 | 2022-10-29 | 基于大数据的人工智能电力调度决策系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115879691A true CN115879691A (zh) | 2023-03-31 |
Family
ID=85759176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211343391.8A Pending CN115879691A (zh) | 2022-10-29 | 2022-10-29 | 基于大数据的人工智能电力调度决策系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115879691A (zh) |
-
2022
- 2022-10-29 CN CN202211343391.8A patent/CN115879691A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Digital twins for information-sharing in remanufacturing supply chain: A review | |
CN108879692B (zh) | 一种区域综合能源系统能流分布预测方法及系统 | |
CN105678398A (zh) | 基于大数据技术的电力负荷预测方法及基于该方法的研究应用系统 | |
CN111798332A (zh) | 一种基于标准化的综合能源一体化系统 | |
Yu et al. | Job shop scheduling based on digital twin technology: a survey and an intelligent platform | |
CN103559562A (zh) | 电网智能运行系统及其实现方法 | |
US20230281544A1 (en) | Oil and gas production-oriented intelligent decision-making system and method | |
Liu et al. | Research and application of artificial intelligence service platform for the power field | |
CN117171842A (zh) | 一种城市慢行桥梁健康监测与数字孪生系统 | |
CN111160867A (zh) | 大范围地域停车场大数据分析系统 | |
Liu et al. | Edge sensing data-imaging conversion scheme of load forecasting in smart grid | |
Gu et al. | Knowledge discovery for smart grid operation, control, and situation awareness—a big data visualization platform | |
CN115423429A (zh) | 基于图像和声音信息的多模态一体化配网运营系统 | |
Chen et al. | [Retracted] The Construction of a Smart City Energy Efficiency Management System Oriented to the Mobile Data Aggregation of the Internet of Things | |
CN116468287A (zh) | 一种基于数字孪生的智慧园区控制系统 | |
Sordan et al. | Industry 4.0: A bibliometric analysis in the perspective of operations management | |
CN116128199A (zh) | 一种基于人工智能的情报数据分析控制平台及方法 | |
Peng et al. | Knowledge graph for power grid dispatching of digital homes based on graph convolutional network | |
Kovalyov | Design and development of a power system digital twin: A model-based approach | |
CN115879691A (zh) | 基于大数据的人工智能电力调度决策系统及方法 | |
CN115687299A (zh) | 基于大数据的用户营销管理方法及系统 | |
Liu | The application of big data in the intelligent tourism management mode is explored | |
CN112308382B (zh) | 一种开放性的tod城市大数据监测分析平台 | |
Chen et al. | Investigation of Coal Preparation for Life Cycle by Using Building Information Modeling (BIM): A Case Study | |
Elavarasi et al. | Big data analytics and machine learning techniques to manage the smart grid |
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 |