CN116070782A - 一种基于大数据的能源储备管理方法及系统 - Google Patents
一种基于大数据的能源储备管理方法及系统 Download PDFInfo
- Publication number
- CN116070782A CN116070782A CN202310205212.2A CN202310205212A CN116070782A CN 116070782 A CN116070782 A CN 116070782A CN 202310205212 A CN202310205212 A CN 202310205212A CN 116070782 A CN116070782 A CN 116070782A
- Authority
- CN
- China
- Prior art keywords
- data
- power generation
- energy
- power
- prediction
- 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.)
- Granted
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
本发明公开了一种基于大数据的能源储备管理方法及系统,通过获取目标地区中的发电站分布数据,对发电站分布数据进行发电功率与发电量数据提取,得到第一发电站数据。从目标地区电力能源大数据中进行地区用电预测,得到用电预测数据,对用电预测数据进行区域分析,得到区域用电分布预测数据,将区域用电分布预测数据与第一发电站数据进行地区能源消耗模拟分析,得到能耗模拟数据,根据所述能耗模拟数据进行能源储备综合分析,得到能源储备调控方案。
Description
技术领域
本发明涉及能源管理领域,更具体的,涉及一种基于大数据的能源储备管理方法及系统。
背景技术
城市经济发展、城市治理都离不开坚强电网的支撑,电网建设水平与电力能源的稳定供应能力直接反映一座城市的现代化程度。电力是城市发展的“引擎”,推动城市高质量发展向纵深推进,电力基础建设必须走在前面。对于现代建筑群的新型城市来说,电力作为重要能源供给的主导地位越来越突出。电力能源在现代工业化城市中的地位越来越明显,可以说电力的供给决定了一个现代城市经济的生死,且电力能源具有普及面最广和覆盖率最大的特征,合理可行的利用电力能源,减少不必要的消耗和杂费。提升电力能源应用率已成为当前电力发展的重要任务。
但是,目前的电力能源管理方式上,依然存在发电功率与发电质量的调控不合理、能源利用率低等情况,因此,如何保障电力能源供应与储备,如何实现低碳环保的能源调控与提高能源利用率依然是目前亟需解决的重要难题。
发明内容
本发明克服了现有技术的缺陷,提出了一种基于大数据的能源储备管理方法及系统。
本发明第一方面提供了一种基于大数据的能源储备管理方法,包括:
根据预设区域内的发电站分布获取对应的能源供电储备数据,根据不同发电方式将所述能源供电储备数据进行划分得到风能发电能源数据、水力发电能源数据、光伏发电能源数据;
对所述风能发电能源数据、水力发电能源数据、光伏发电能源数据进行发电功率与发电质量评估得到不同发电方式的第一发电能源数据;
获取预设区域的环境大数据与电力供应大数据,根据环境大数据与电力供应大数据对预设区域进行电力需求评估得到电力供应需求预测数据;
根据第一发电能源数据与环境大数据进行能源发电预测分析,得到发电预测数据;
根据发电预测数据与电力供应需求预测数据对不同发电站进行能源调控分析,得到发电任务方案与能源储备方案。
本方案中,所述根据预设区域内的发电站分布获取对应的能源供电储备数据,根据不同发电方式将所述能源供电储备数据进行划分得到风能发电能源数据、水力发电能源数据、光伏发电能源数据,具体为:
根据预设区域内的发电站分布信息获取全部发电站历史发电数据;
根据发电站的发电方式类别,将历史发电数据进行划分得到风能发电能源数据、水力发电能源数据、光伏发电能源数据;
所述发电能源数据包括在历史时间内的发电功率、电能传输信息、发电总量统计、发电时间等数据。
本方案中,所述对所述风能发电能源数据、水力发电能源数据、光伏发电能源数据进行发电功率与发电质量评估得到不同发电方式的第一发电能源数据,具体为:
根据预设数据格式,将发电能源数据中的发电功率、电能传输信息、发电总量统计、发电时间数据进行数据标准化,得到电力能源发电数据表;
所述发电能源数据包括风能发电能源数据、水力发电能源数据、光伏发电能源数据;
根据发电时间获取对应发电站环境信息,根据不同的发电站发电方式检索环境信息中对应的关键环境数据,并将电力能源发电数据表与关键环境数据进行数据融合得到第一发电能源数据。
本方案中,所述根据环境大数据与电力供应大数据对预设区域进行电力需求评估得到电力供应需求预测数据,具体为:
构建能源预测模型;
将环境大数据与电力供应大数据进行数据清洗与数据去冗余;
将环境大数据与电力供应大数据导入能源预测模型,能源预测模型通过分析电力供应大数据得到供电功率波动数据与供电量周期波动数据;
根据所述供电功率波动数据、供电量周期波动数据进行波动趋势分析得到对应波动时间节点信息;
根据时间节点信息,分析环境大数据中各环境条件变化趋势,将变化趋势高于预设趋势区间的环境条件标记为核心环境条件;
将核心环境条件进行数据整合并通过环境大数据进行预测分析得到预测环境条件数据;
根据预测环境条件数据与电力供应大数据进行供应需求分析,得到电力供应需求预测数据。
本方案中,所述根据第一发电能源数据与环境大数据进行能源发电预测分析,得到发电预测数据,具体为:
获取第一发电能源数据中的电力能源发电数据表与关键环境数据;
根据所述关键环境数据生成关键词检索标签;
根据关键词检索标签从环境大数据中进行数据检索得到关键环境检索结果数据;
将关键环境检索结果数据根据数据采集时间进行数据有序化处理;
将关键环境检索结果数据导入能源预测模型进行数据预测得到关键环境数据预测值;
将关键环境数据预测值与电力能源发电数据表导入能源预测模型进行不同发电方式的发电预测分析,得到风能发电预测数据、光伏发电预测数据、水力发电预测数据;
将所述风能发电预测数据、光伏发电预测数据、水力发电预测数据进行数据整合得到发电预测数据。
本方案中,所述根据发电预测数据与电力供应需求预测数据对不同发电站进行能源调控分析,得到发电任务方案与能源储备方案,具体为:
获取不同发电站的能源储备峰值信息;
根据发电预测数据与电力供应需求预测数据对不同发电站进行发电压力分析与发电量最优匹配计算,得到不同发电站对应的发电任务方案;
根据能源储备峰值信息与发电预测数据进行能源储备量需求分析,得到不同发电站对应的能源储备方案。
本方案中,所述根据发电预测数据与电力供应需求预测数据对不同发电站进行能源调控分析,得到发电任务方案与能源储备方案,还包括:
根据所述发电任务方案与能源储备方案对不同发电站进行运行调控;
实时获取不同发电站的发电数据与能源储备数据;
实时监控与分析发电数据、能源储备数据是否在发电任务方案、能源储备方案中的预测数据范围内;
若不在预测数据范围内,将对应发电站标记为预测偏差发电站,根据发电数据、能源储备数据与预测数据进行数据对并得到电力需求差值信息;
根据电力需求差值信息,对非预测偏差发电站对应的发电任务方案与能源储备方案进行方案调整并得到新的发电任务方案与能源储备方案。
本发明第二方面还提供了一种基于大数据的能源储备管理系统,该系统包括:存储器、处理器,所述存储器中包括基于大数据的能源储备管理程序,所述基于大数据的能源储备管理程序被所述处理器执行时实现如下步骤:
根据预设区域内的发电站分布获取对应的能源供电储备数据,根据不同发电方式将所述能源供电储备数据进行划分得到风能发电能源数据、水力发电能源数据、光伏发电能源数据;
对所述风能发电能源数据、水力发电能源数据、光伏发电能源数据进行发电功率与发电质量评估得到不同发电方式的第一发电能源数据;
获取预设区域的环境大数据与电力供应大数据,根据环境大数据与电力供应大数据对预设区域进行电力需求评估得到电力供应需求预测数据;
根据第一发电能源数据与环境大数据进行能源发电预测分析,得到发电预测数据;
根据发电预测数据与电力供应需求预测数据对不同发电站进行能源调控分析,得到发电任务方案与能源储备方案。
本方案中,所述对所述风能发电能源数据、水力发电能源数据、光伏发电能源数据进行发电功率与发电质量评估得到不同发电方式的第一发电能源数据,具体为:
根据预设数据格式,将发电能源数据中的发电功率、电能传输信息、发电总量统计、发电时间数据进行数据标准化,得到电力能源发电数据表;
所述发电能源数据包括风能发电能源数据、水力发电能源数据、光伏发电能源数据;
根据发电时间获取对应发电站环境信息,根据不同的发电站发电方式检索环境信息中对应的关键环境数据,并将电力能源发电数据表与关键环境数据进行数据融合得到第一发电能源数据。
本方案中,所述根据发电预测数据与电力供应需求预测数据对不同发电站进行能源调控分析,得到发电任务方案与能源储备方案,具体为:
获取不同发电站的能源储备峰值信息;
根据发电预测数据与电力供应需求预测数据对不同发电站进行发电压力分析与发电量最优匹配计算,得到不同发电站对应的发电任务方案;
根据能源储备峰值信息与发电预测数据进行能源储备量需求分析,得到不同发电站对应的能源储备方案。
本发明公开了一种基于大数据的能源储备管理方法及系统,通过获取目标地区中的发电站分布数据,对发电站分布数据进行发电功率与发电量数据提取,得到第一发电站数据。从目标地区电力能源大数据中进行地区用电预测,得到用电预测数据,对用电预测数据进行区域分析,得到区域用电分布预测数据,将区域用电分布预测数据与第一发电站数据进行地区能源消耗模拟分析,得到能耗模拟数据,根据所述能耗模拟数据进行能源储备综合分析,得到能源储备调控方案。
附图说明
图1示出了本发明一种基于大数据的能源储备管理方法的流程图;
图2示出了本发明第一发电能源数据获取流程图;
图3示出了本发明能源储备方案获取流程图;
图4示出了本发明一种基于大数据的能源储备管理系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种基于大数据的能源储备管理方法的流程图。
如图1所示,本发明第一方面提供了一种基于大数据的能源储备管理方法,包括:
S102,根据预设区域内的发电站分布获取对应的能源供电储备数据,根据不同发电方式将所述能源供电储备数据进行划分得到风能发电能源数据、水力发电能源数据、光伏发电能源数据;
S104,对所述风能发电能源数据、水力发电能源数据、光伏发电能源数据进行发电功率与发电质量评估得到不同发电方式的第一发电能源数据;
S106,获取预设区域的环境大数据与电力供应大数据,根据环境大数据与电力供应大数据对预设区域进行电力需求评估得到电力供应需求预测数据;
S108,根据第一发电能源数据与环境大数据进行能源发电预测分析,得到发电预测数据;
S110,根据发电预测数据与电力供应需求预测数据对不同发电站进行能源调控分析,得到发电任务方案与能源储备方案。
根据本发明实施例,所述根据预设区域内的发电站分布获取对应的能源供电储备数据,根据不同发电方式将所述能源供电储备数据进行划分得到风能发电能源数据、水力发电能源数据、光伏发电能源数据,具体为:
根据预设区域内的发电站分布信息获取全部发电站历史发电数据;
根据发电站的发电方式类别,将历史发电数据进行划分得到风能发电能源数据、水力发电能源数据、光伏发电能源数据;
所述发电能源数据包括在历史时间内的发电功率、电能传输信息、发电总量统计、发电时间等数据。
需要说明的是,在预设区域内包括一个或多个风能发电站、水力发电站、光伏发电站等,不同发电方式的发电站其发电特点与储电能力有较大差异,在本发明中,同一种发电方式的发电站归类为同一类发电站。
图2示出了本发明第一发电能源数据获取流程图。
根据本发明实施例,所述对所述风能发电能源数据、水力发电能源数据、光伏发电能源数据进行发电功率与发电质量评估得到不同发电方式的第一发电能源数据,具体为:
S202,根据预设数据格式,将发电能源数据中的发电功率、电能传输信息、发电总量统计、发电时间数据进行数据标准化,得到电力能源发电数据表;
S204,所述发电能源数据包括风能发电能源数据、水力发电能源数据、光伏发电能源数据;
S206,根据发电时间获取对应发电站环境信息,根据不同的发电站发电方式检索环境信息中对应的关键环境数据,并将电力能源发电数据表与关键环境数据进行数据融合得到第一发电能源数据。
需要说明的是,所述风能发电数据、水力发电能源数据、光伏发电能源数据对应不同的第一发电能源数据,所述根据不同的发电站发电方式检索环境信息中对应的关键环境数据中,风力发电站的关键环境数据包括风向、风力、天气状况等信息,水力发电站的关键环境数据包括河流落差与流量、天气状况等,光伏发电站的关键环境数据包括光照时间、光照强度、气温等。
根据本发明实施例,所述根据环境大数据与电力供应大数据对预设区域进行电力需求评估得到电力供应需求预测数据,具体为:
构建能源预测模型;
将环境大数据与电力供应大数据进行数据清洗与数据去冗余;
将环境大数据与电力供应大数据导入能源预测模型,能源预测模型通过分析电力供应大数据得到供电功率波动数据与供电量周期波动数据;
根据所述供电功率波动数据、供电量周期波动数据进行波动趋势分析得到对应波动时间节点信息;
根据时间节点信息,分析环境大数据中各环境条件变化趋势,将变化趋势高于预设趋势区间的环境条件标记为核心环境条件;
将核心环境条件进行数据整合并通过环境大数据进行预测分析得到预测环境条件数据;
根据预测环境条件数据与电力供应大数据进行供应需求分析,得到电力供应需求预测数据。
需要说明的是,所述环境大数据为整个与预设区域内的环境大数据,包括天气状况、光照时间与强度、平均气温、季节气候等,所述环境大数据为主要影响预设区域供电量的条件数据。所述能源预测模型包括基于SVN、K-means等算法的大数据检索分析模块与基于LSTM长短期算法的电力预测模块。
根据本发明实施例,所述根据第一发电能源数据与环境大数据进行能源发电预测分析,得到发电预测数据,具体为:
获取第一发电能源数据中的电力能源发电数据表与关键环境数据;
根据所述关键环境数据生成关键词检索标签;
根据关键词检索标签从环境大数据中进行数据检索得到关键环境检索结果数据;
将关键环境检索结果数据根据数据采集时间进行数据有序化处理;
将关键环境检索结果数据导入能源预测模型进行数据预测得到关键环境数据预测值;
将关键环境数据预测值与电力能源发电数据表导入能源预测模型进行不同发电方式的发电预测分析,得到风能发电预测数据、光伏发电预测数据、水力发电预测数据;
将所述风能发电预测数据、光伏发电预测数据、水力发电预测数据进行数据整合得到发电预测数据。
需要说明的是,所述发电预测数据包括发电功率预测数据、发电峰值预测数据、发电量大小预测数据。所述将关键环境检索结果数据根据数据采集时间进行数据有序化处理具体为根据时间顺序将数据进行排序处理得到有序数据,以便于后续进行下一步的数据预测分析。
图3示出了本发明能源储备方案获取流程图。
根据本发明实施例,所述根据发电预测数据与电力供应需求预测数据对不同发电站进行能源调控分析,得到发电任务方案与能源储备方案,具体为:
S302,获取不同发电站的能源储备峰值信息;
S304,根据发电预测数据与电力供应需求预测数据对不同发电站进行发电压力分析与发电量最优匹配计算,得到不同发电站对应的发电任务方案;
S306,根据能源储备峰值信息与发电预测数据进行能源储备量需求分析,得到不同发电站对应的能源储备方案。
需要说明的是,所述不同发电站即不同发电方式的发电站,包括风能发电站、水力发电站、光伏发电站。
根据本发明实施例,所述根据发电预测数据与电力供应需求预测数据对不同发电站进行能源调控分析,得到发电任务方案与能源储备方案,还包括:
根据所述发电任务方案与能源储备方案对不同发电站进行运行调控;
实时获取不同发电站的发电数据与能源储备数据;
实时监控与分析发电数据、能源储备数据是否在发电任务方案、能源储备方案中的预测数据范围内;
若不在预测数据范围内,将对应发电站标记为预测偏差发电站,根据发电数据、能源储备数据与预测数据进行数据对并得到电力需求差值信息;
根据电力需求差值信息,对非预测偏差发电站对应的发电任务方案与能源储备方案进行方案调整并得到新的发电任务方案与能源储备方案。
需要说明的是,在进行方案调控运行时,受制于环境影响或电力设备的不可控因素,可能会出现发电站发电量与能源储备量不符合预测数据的预设范围,本发明通过实时监控并获取发电站发电与储能数据,并在出现发电量与能源储备量不符合预设范围内的情况时,实时对非预测偏差发电站进行方案调整,以达到整体发电与储能符合预测数据要求。例如,在风能发电站出现发电量与储电量较低时(即不符合预测数据要求),可通过加大其余发电站(水力发电站或光伏发电站)的发电与储能量以达到整体预设地区的发电与储能需求。
根据本发明实施例,所述根据发电预测数据与电力供应需求预测数据对不同发电站进行发电压力分析与发电量最优匹配计算,得到不同发电站对应的发电任务方案,还包括:
获取风能发电站、水力发电站、光伏发电站在预设区域内的地点分布信息;
根据所述地点分布信息与电网中心进行传输距离计算,得到风能发电平均传输距离、水力发电平均传输距离、光伏发电平均传输距离;
获取风能发电站、水力发电站、光伏发电站的第一发电能源数据;
根据所述第一发电能源数据与风能发电平均传输距离、水力发电平均传输距离、光伏发电平均传输距离进行发电站的发电与传输效能综合计算,得到各个发电站的传输效能信息;
根据传输效能信息进行不同发电站的发电量最优匹配计算,并进一步优化发电任务方案;
实时获取预设地区内各个发电站区域电力需求差值变化信息,判断需求差值的变化速率大小;
若变化速率大于预设速率,则采用短时优化策略,否则为长时优化策略;
短时优化策略采用最短路径优先调度,网络传输损耗要求宽松,利用多能互补原则最大程度满足需求响应;
长时优化策略采用网络传输损耗优先原则,在能源网络拓扑中以最小网络传输损耗的基础上,进行电压及电流的实时调整;
获取短时优化或长时优化策略下各个发电站的发电与储能变化数据,将所述发电与储能变化数据导入能源预测模型进行更新训练。
需要说明的是,所述传输效能信息为反映不同发电站的实际发电质量与传输损耗的综合评估信息,通过传输效能信息能够对不同发电站进行更为精准的发电量优化计算,从而得到精准、高效、安全的发电任务方案。所述预设速率一般为人为设定值。
根据本发明实施例,还包括:
获取发电任务方案与能源储备方案;
获取不同发电站的发电峰值信息与储能峰值信息;
将发电任务方案、能源储备方案与发电峰值信息、储能峰值信息进行发电站的电力传输压力评估,得到不同发电站的压力分析数据;
根据所述压力分析数据生成不同的电力设备维护方案,并将所述维护方案发送至对应的发电站预设终端设备。
需要说明的是,所述压力分析数据包括发电压力与储能压力分析数据。
图4示出了本发明一种基于大数据的能源储备管理系统的框图。
本发明第二方面还提供了一种基于大数据的能源储备管理系统4,该系统包括:存储器41、处理器42,所述存储器中包括基于大数据的能源储备管理程序,所述基于大数据的能源储备管理程序被所述处理器执行时实现如下步骤:
根据预设区域内的发电站分布获取对应的能源供电储备数据,根据不同发电方式将所述能源供电储备数据进行划分得到风能发电能源数据、水力发电能源数据、光伏发电能源数据;
对所述风能发电能源数据、水力发电能源数据、光伏发电能源数据进行发电功率与发电质量评估得到不同发电方式的第一发电能源数据;
获取预设区域的环境大数据与电力供应大数据,根据环境大数据与电力供应大数据对预设区域进行电力需求评估得到电力供应需求预测数据;
根据第一发电能源数据与环境大数据进行能源发电预测分析,得到发电预测数据;
根据发电预测数据与电力供应需求预测数据对不同发电站进行能源调控分析,得到发电任务方案与能源储备方案。
根据本发明实施例,所述根据预设区域内的发电站分布获取对应的能源供电储备数据,根据不同发电方式将所述能源供电储备数据进行划分得到风能发电能源数据、水力发电能源数据、光伏发电能源数据,具体为:
根据预设区域内的发电站分布信息获取全部发电站历史发电数据;
根据发电站的发电方式类别,将历史发电数据进行划分得到风能发电能源数据、水力发电能源数据、光伏发电能源数据;
所述发电能源数据包括在历史时间内的发电功率、电能传输信息、发电总量统计、发电时间等数据。
需要说明的是,在预设区域内包括一个或多个风能发电站、水力发电站、光伏发电站等,不同发电方式的发电站其发电特点与储电能力有较大差异,在本发明中,同一种发电方式的发电站归类为同一类发电站。
根据本发明实施例,所述对所述风能发电能源数据、水力发电能源数据、光伏发电能源数据进行发电功率与发电质量评估得到不同发电方式的第一发电能源数据,具体为:
根据预设数据格式,将发电能源数据中的发电功率、电能传输信息、发电总量统计、发电时间数据进行数据标准化,得到电力能源发电数据表;
所述发电能源数据包括风能发电能源数据、水力发电能源数据、光伏发电能源数据;
根据发电时间获取对应发电站环境信息,根据不同的发电站发电方式检索环境信息中对应的关键环境数据,并将电力能源发电数据表与关键环境数据进行数据融合得到第一发电能源数据。
需要说明的是,所述风能发电数据、水力发电能源数据、光伏发电能源数据对应不同的第一发电能源数据,所述根据不同的发电站发电方式检索环境信息中对应的关键环境数据中,风力发电站的关键环境数据包括风向、风力、天气状况等信息,水力发电站的关键环境数据包括河流落差与流量、天气状况等,光伏发电站的关键环境数据包括光照时间、光照强度、气温等。
根据本发明实施例,所述根据环境大数据与电力供应大数据对预设区域进行电力需求评估得到电力供应需求预测数据,具体为:
构建能源预测模型;
将环境大数据与电力供应大数据进行数据清洗与数据去冗余;
将环境大数据与电力供应大数据导入能源预测模型,能源预测模型通过分析电力供应大数据得到供电功率波动数据与供电量周期波动数据;
根据所述供电功率波动数据、供电量周期波动数据进行波动趋势分析得到对应波动时间节点信息;
根据时间节点信息,分析环境大数据中各环境条件变化趋势,将变化趋势高于预设趋势区间的环境条件标记为核心环境条件;
将核心环境条件进行数据整合并通过环境大数据进行预测分析得到预测环境条件数据;
根据预测环境条件数据与电力供应大数据进行供应需求分析,得到电力供应需求预测数据。
需要说明的是,所述环境大数据为整个与预设区域内的环境大数据,包括天气状况、光照时间与强度、平均气温、季节气候等,所述环境大数据为主要影响预设区域供电量的条件数据。所述能源预测模型包括基于SVN、K-means等算法的大数据检索分析模块与基于LSTM长短期算法的电力预测模块。
根据本发明实施例,所述根据第一发电能源数据与环境大数据进行能源发电预测分析,得到发电预测数据,具体为:
获取第一发电能源数据中的电力能源发电数据表与关键环境数据;
根据所述关键环境数据生成关键词检索标签;
根据关键词检索标签从环境大数据中进行数据检索得到关键环境检索结果数据;
将关键环境检索结果数据根据数据采集时间进行数据有序化处理;
将关键环境检索结果数据导入能源预测模型进行数据预测得到关键环境数据预测值;
将关键环境数据预测值与电力能源发电数据表导入能源预测模型进行不同发电方式的发电预测分析,得到风能发电预测数据、光伏发电预测数据、水力发电预测数据;
将所述风能发电预测数据、光伏发电预测数据、水力发电预测数据进行数据整合得到发电预测数据。
需要说明的是,所述发电预测数据包括发电功率预测数据、发电峰值预测数据、发电量大小预测数据。所述将关键环境检索结果数据根据数据采集时间进行数据有序化处理具体为根据时间顺序将数据进行排序处理得到有序数据,以便于后续进行下一步的数据预测分析。
根据本发明实施例,所述根据发电预测数据与电力供应需求预测数据对不同发电站进行能源调控分析,得到发电任务方案与能源储备方案,具体为:
获取不同发电站的能源储备峰值信息;
根据发电预测数据与电力供应需求预测数据对不同发电站进行发电压力分析与发电量最优匹配计算,得到不同发电站对应的发电任务方案;
根据能源储备峰值信息与发电预测数据进行能源储备量需求分析,得到不同发电站对应的能源储备方案。
需要说明的是,所述不同发电站即不同发电方式的发电站,包括风能发电站、水力发电站、光伏发电站。
根据本发明实施例,所述根据发电预测数据与电力供应需求预测数据对不同发电站进行能源调控分析,得到发电任务方案与能源储备方案,还包括:
根据所述发电任务方案与能源储备方案对不同发电站进行运行调控;
实时获取不同发电站的发电数据与能源储备数据;
实时监控与分析发电数据、能源储备数据是否在发电任务方案、能源储备方案中的预测数据范围内;
若不在预测数据范围内,将对应发电站标记为预测偏差发电站,根据发电数据、能源储备数据与预测数据进行数据对并得到电力需求差值信息;
根据电力需求差值信息,对非预测偏差发电站对应的发电任务方案与能源储备方案进行方案调整并得到新的发电任务方案与能源储备方案。
需要说明的是,在进行方案调控运行时,受制于环境影响或电力设备的不可控因素,可能会出现发电站发电量与能源储备量不符合预测数据的预设范围,本发明通过实时监控并获取发电站发电与储能数据,并在出现发电量与能源储备量不符合预设范围内的情况时,实时对非预测偏差发电站进行方案调整,以达到整体发电与储能符合预测数据要求。例如,在风能发电站出现发电量与储电量较低时(即不符合预测数据要求),可通过加大其余发电站(水力发电站或光伏发电站)的发电与储能量以达到整体预设地区的发电与储能需求。
根据本发明实施例,所述根据发电预测数据与电力供应需求预测数据对不同发电站进行发电压力分析与发电量最优匹配计算,得到不同发电站对应的发电任务方案,还包括:
获取风能发电站、水力发电站、光伏发电站在预设区域内的地点分布信息;
根据所述地点分布信息与电网中心进行传输距离计算,得到风能发电平均传输距离、水力发电平均传输距离、光伏发电平均传输距离;
获取风能发电站、水力发电站、光伏发电站的第一发电能源数据;
根据所述第一发电能源数据与风能发电平均传输距离、水力发电平均传输距离、光伏发电平均传输距离进行发电站的发电与传输效能综合计算,得到各个发电站的传输效能信息;
根据传输效能信息进行不同发电站的发电量最优匹配计算,并进一步优化发电任务方案;
实时获取预设地区内各个发电站区域电力需求差值变化信息,判断需求差值的变化速率大小;
若变化速率大于预设速率,则采用短时优化策略,否则为长时优化策略;
短时优化策略采用最短路径优先调度,网络传输损耗要求宽松,利用多能互补原则最大程度满足需求响应;
长时优化策略采用网络传输损耗优先原则,在能源网络拓扑中以最小网络传输损耗的基础上,进行电压及电流的实时调整;
获取短时优化或长时优化策略下各个发电站的发电与储能变化数据,将所述发电与储能变化数据导入能源预测模型进行更新训练。
需要说明的是,所述传输效能信息为反映不同发电站的实际发电质量与传输损耗的综合评估信息,通过传输效能信息能够对不同发电站进行更为精准的发电量优化计算,从而得到精准、高效、安全的发电任务方案。所述预设速率一般为人为设定值。
根据本发明实施例,还包括:
获取发电任务方案与能源储备方案;
获取不同发电站的发电峰值信息与储能峰值信息;
将发电任务方案、能源储备方案与发电峰值信息、储能峰值信息进行发电站的电力传输压力评估,得到不同发电站的压力分析数据;
根据所述压力分析数据生成不同的电力设备维护方案,并将所述维护方案发送至对应的发电站预设终端设备。
需要说明的是,所述压力分析数据包括发电压力与储能压力分析数据。
本发明公开了一种基于大数据的能源储备管理方法及系统,通过获取目标地区中的发电站分布数据,对发电站分布数据进行发电功率与发电量数据提取,得到第一发电站数据。从目标地区电力能源大数据中进行地区用电预测,得到用电预测数据,对用电预测数据进行区域分析,得到区域用电分布预测数据,将区域用电分布预测数据与第一发电站数据进行地区能源消耗模拟分析,得到能耗模拟数据,根据所述能耗模拟数据进行能源储备综合分析,得到能源储备调控方案。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
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,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于大数据的能源储备管理方法,其特征在于,包括:
根据预设区域内的发电站分布获取对应的能源供电储备数据,根据不同发电方式将所述能源供电储备数据进行划分得到风能发电能源数据、水力发电能源数据、光伏发电能源数据;
对所述风能发电能源数据、水力发电能源数据、光伏发电能源数据进行发电功率与发电质量评估得到不同发电方式的第一发电能源数据;
获取预设区域的环境大数据与电力供应大数据,根据环境大数据与电力供应大数据对预设区域进行电力需求评估得到电力供应需求预测数据;
根据第一发电能源数据与环境大数据进行能源发电预测分析,得到发电预测数据;
根据发电预测数据与电力供应需求预测数据对不同发电站进行能源调控分析,得到发电任务方案与能源储备方案。
2.根据权利要求1所述的一种基于大数据的能源储备管理方法,其特征在于,所述根据预设区域内的发电站分布获取对应的能源供电储备数据,根据不同发电方式将所述能源供电储备数据进行划分得到风能发电能源数据、水力发电能源数据、光伏发电能源数据,具体为:
根据预设区域内的发电站分布信息获取全部发电站历史发电数据;
根据发电站的发电方式类别,将历史发电数据进行划分得到风能发电能源数据、水力发电能源数据、光伏发电能源数据;
所述发电能源数据包括在历史时间内的发电功率、电能传输信息、发电总量统计、发电时间数据。
3.根据权利要求1所述的一种基于大数据的能源储备管理方法,其特征在于,所述对所述风能发电能源数据、水力发电能源数据、光伏发电能源数据进行发电功率与发电质量评估得到不同发电方式的第一发电能源数据,具体为:
根据预设数据格式,将发电能源数据中的发电功率、电能传输信息、发电总量统计、发电时间数据进行数据标准化,得到电力能源发电数据表;
所述发电能源数据包括风能发电能源数据、水力发电能源数据、光伏发电能源数据;
根据发电时间获取对应发电站环境信息,根据不同的发电站发电方式检索环境信息中对应的关键环境数据,并将电力能源发电数据表与关键环境数据进行数据融合得到第一发电能源数据。
4.根据权利要求3所述的一种基于大数据的能源储备管理方法,其特征在于,所述根据环境大数据与电力供应大数据对预设区域进行电力需求评估得到电力供应需求预测数据,具体为:
构建能源预测模型;
将环境大数据与电力供应大数据进行数据清洗与数据去冗余;
将环境大数据与电力供应大数据导入能源预测模型,能源预测模型通过分析电力供应大数据得到供电功率波动数据与供电量周期波动数据;
根据所述供电功率波动数据、供电量周期波动数据进行波动趋势分析得到对应波动时间节点信息;
根据时间节点信息,分析环境大数据中各环境条件变化趋势,将变化趋势高于预设趋势区间的环境条件标记为核心环境条件;
将核心环境条件进行数据整合并通过环境大数据进行预测分析得到预测环境条件数据;
根据预测环境条件数据与电力供应大数据进行供应需求分析,得到电力供应需求预测数据。
5.根据权利要求4所述的一种基于大数据的能源储备管理方法,其特征在于,所述根据第一发电能源数据与环境大数据进行能源发电预测分析,得到发电预测数据,具体为:
获取第一发电能源数据中的电力能源发电数据表与关键环境数据;
根据所述关键环境数据生成关键词检索标签;
根据关键词检索标签从环境大数据中进行数据检索得到关键环境检索结果数据;
将关键环境检索结果数据根据数据采集时间进行数据有序化处理;
将关键环境检索结果数据导入能源预测模型进行数据预测得到关键环境数据预测值;
将关键环境数据预测值与电力能源发电数据表导入能源预测模型进行不同发电方式的发电预测分析,得到风能发电预测数据、光伏发电预测数据、水力发电预测数据;
将所述风能发电预测数据、光伏发电预测数据、水力发电预测数据进行数据整合得到发电预测数据。
6.根据权利要求1所述的一种基于大数据的能源储备管理方法,其特征在于,所述根据发电预测数据与电力供应需求预测数据对不同发电站进行能源调控分析,得到发电任务方案与能源储备方案,具体为:
获取不同发电站的能源储备峰值信息;
根据发电预测数据与电力供应需求预测数据对不同发电站进行发电压力分析与发电量最优匹配计算,得到不同发电站对应的发电任务方案;
根据能源储备峰值信息与发电预测数据进行能源储备量需求分析,得到不同发电站对应的能源储备方案。
7.根据权利要求1所述的一种基于大数据的能源储备管理方法,其特征在于,所述根据发电预测数据与电力供应需求预测数据对不同发电站进行能源调控分析,得到发电任务方案与能源储备方案,还包括:
根据所述发电任务方案与能源储备方案对不同发电站进行运行调控;
实时获取不同发电站的发电数据与能源储备数据;
实时监控与分析发电数据、能源储备数据是否在发电任务方案、能源储备方案中的预测数据范围内;
若不在预测数据范围内,将对应发电站标记为预测偏差发电站,根据发电数据、能源储备数据与预测数据进行数据对并得到电力需求差值信息;
根据电力需求差值信息,对非预测偏差发电站对应的发电任务方案与能源储备方案进行方案调整并得到新的发电任务方案与能源储备方案。
8.一种基于大数据的能源储备管理系统,其特征在于,该系统包括:存储器、处理器,所述存储器中包括基于大数据的能源储备管理程序,所述基于大数据的能源储备管理程序被所述处理器执行时实现如下步骤:
根据预设区域内的发电站分布获取对应的能源供电储备数据,根据不同发电方式将所述能源供电储备数据进行划分得到风能发电能源数据、水力发电能源数据、光伏发电能源数据;
对所述风能发电能源数据、水力发电能源数据、光伏发电能源数据进行发电功率与发电质量评估得到不同发电方式的第一发电能源数据;
获取预设区域的环境大数据与电力供应大数据,根据环境大数据与电力供应大数据对预设区域进行电力需求评估得到电力供应需求预测数据;
根据第一发电能源数据与环境大数据进行能源发电预测分析,得到发电预测数据;
根据发电预测数据与电力供应需求预测数据对不同发电站进行能源调控分析,得到发电任务方案与能源储备方案。
9.根据权利要求8所述的一种基于大数据的能源储备管理系统,其特征在于,所述对所述风能发电能源数据、水力发电能源数据、光伏发电能源数据进行发电功率与发电质量评估得到不同发电方式的第一发电能源数据,具体为:
根据预设数据格式,将发电能源数据中的发电功率、电能传输信息、发电总量统计、发电时间数据进行数据标准化,得到电力能源发电数据表;
所述发电能源数据包括风能发电能源数据、水力发电能源数据、光伏发电能源数据;
根据发电时间获取对应发电站环境信息,根据不同的发电站发电方式检索环境信息中对应的关键环境数据,并将电力能源发电数据表与关键环境数据进行数据融合得到第一发电能源数据。
10.根据权利要求8所述的一种基于大数据的能源储备管理系统,其特征在于,所述根据发电预测数据与电力供应需求预测数据对不同发电站进行能源调控分析,得到发电任务方案与能源储备方案,具体为:
获取不同发电站的能源储备峰值信息;
根据发电预测数据与电力供应需求预测数据对不同发电站进行发电压力分析与发电量最优匹配计算,得到不同发电站对应的发电任务方案;
根据能源储备峰值信息与发电预测数据进行能源储备量需求分析,得到不同发电站对应的能源储备方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310205212.2A CN116070782B (zh) | 2023-03-06 | 2023-03-06 | 一种基于大数据的能源储备管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310205212.2A CN116070782B (zh) | 2023-03-06 | 2023-03-06 | 一种基于大数据的能源储备管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116070782A true CN116070782A (zh) | 2023-05-05 |
CN116070782B CN116070782B (zh) | 2023-07-04 |
Family
ID=86173297
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310205212.2A Active CN116070782B (zh) | 2023-03-06 | 2023-03-06 | 一种基于大数据的能源储备管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116070782B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014176204A (ja) * | 2013-03-08 | 2014-09-22 | Toshiba Corp | 供給電力予測システム、供給電力調整システム |
CN109961182A (zh) * | 2019-03-18 | 2019-07-02 | 珠海格力电器股份有限公司 | 供电数据管理方法、装置、计算机设备和存储介质 |
US20200033933A1 (en) * | 2015-06-30 | 2020-01-30 | China Electric Power Research Institute Company Limited | Active power distribution network multi-time scale coordinated optimization scheduling method and storage medium |
CN112787322A (zh) * | 2019-10-23 | 2021-05-11 | 滕欣元 | 基于scada系统和多时间尺度的电网动态管理方法 |
CN113128799A (zh) * | 2019-12-30 | 2021-07-16 | 中移(上海)信息通信科技有限公司 | 能源管控方法、装置、电子设备及计算机存储介质 |
CN113690883A (zh) * | 2021-08-18 | 2021-11-23 | 广东电网有限责任公司 | 新能源区域能源需求预测方法、装置、终端设备及介质 |
CN113746090A (zh) * | 2021-09-01 | 2021-12-03 | 广东电网有限责任公司 | 一种分布式资源电力需求预测系统及方法 |
WO2021244000A1 (zh) * | 2020-06-03 | 2021-12-09 | 国网上海市电力公司 | 一种区域能源综合体虚拟聚合系统及方法 |
CN114629234A (zh) * | 2021-11-25 | 2022-06-14 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于多站融合的时段调控系统和方法 |
CN114970362A (zh) * | 2022-06-08 | 2022-08-30 | 中交机电工程局有限公司 | 一种多能源结构下的电网负荷调度预测方法及系统 |
CN115271785A (zh) * | 2022-06-13 | 2022-11-01 | 西南石油大学 | 一种面向虚拟电厂的分布式电源激励机制分析方法 |
CN115310714A (zh) * | 2022-08-30 | 2022-11-08 | 国网辽宁省电力有限公司 | 一种园区能源优化调控方法、调控系统及存储介质 |
-
2023
- 2023-03-06 CN CN202310205212.2A patent/CN116070782B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014176204A (ja) * | 2013-03-08 | 2014-09-22 | Toshiba Corp | 供給電力予測システム、供給電力調整システム |
US20200033933A1 (en) * | 2015-06-30 | 2020-01-30 | China Electric Power Research Institute Company Limited | Active power distribution network multi-time scale coordinated optimization scheduling method and storage medium |
CN109961182A (zh) * | 2019-03-18 | 2019-07-02 | 珠海格力电器股份有限公司 | 供电数据管理方法、装置、计算机设备和存储介质 |
CN112787322A (zh) * | 2019-10-23 | 2021-05-11 | 滕欣元 | 基于scada系统和多时间尺度的电网动态管理方法 |
CN113128799A (zh) * | 2019-12-30 | 2021-07-16 | 中移(上海)信息通信科技有限公司 | 能源管控方法、装置、电子设备及计算机存储介质 |
WO2021244000A1 (zh) * | 2020-06-03 | 2021-12-09 | 国网上海市电力公司 | 一种区域能源综合体虚拟聚合系统及方法 |
CN113690883A (zh) * | 2021-08-18 | 2021-11-23 | 广东电网有限责任公司 | 新能源区域能源需求预测方法、装置、终端设备及介质 |
CN113746090A (zh) * | 2021-09-01 | 2021-12-03 | 广东电网有限责任公司 | 一种分布式资源电力需求预测系统及方法 |
CN114629234A (zh) * | 2021-11-25 | 2022-06-14 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于多站融合的时段调控系统和方法 |
CN114970362A (zh) * | 2022-06-08 | 2022-08-30 | 中交机电工程局有限公司 | 一种多能源结构下的电网负荷调度预测方法及系统 |
CN115271785A (zh) * | 2022-06-13 | 2022-11-01 | 西南石油大学 | 一种面向虚拟电厂的分布式电源激励机制分析方法 |
CN115310714A (zh) * | 2022-08-30 | 2022-11-08 | 国网辽宁省电力有限公司 | 一种园区能源优化调控方法、调控系统及存储介质 |
Non-Patent Citations (2)
Title |
---|
杨立波;王亚军;赵利;: "基于云计算的电网预测模型与自适应调度研究", 电子器件, no. 02 * |
邹三红: "综合能源接入电网管控技术体系研究", 《电气应用》, vol. 36, no. 15, pages 79 - 82 * |
Also Published As
Publication number | Publication date |
---|---|
CN116070782B (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109398149A (zh) | 基于分布式能源应用的智能电动汽车充放电系统及其运行控制方法 | |
CN115796393B (zh) | 基于多能互动的能源网管理优化方法、系统及存储介质 | |
CN111009895B (zh) | 一种微网优化调度方法、系统以及设备 | |
Göransson et al. | Large scale integration of wind power: moderating thermal power plant cycling | |
CN116993227B (zh) | 一种基于人工智能的供热分析评估方法、系统及存储介质 | |
CN115915354A (zh) | 基站的供电管理方法和供电管理装置 | |
Kwon et al. | Coordinated energy management in resilient microgrids for wireless communication networks | |
CN110148971A (zh) | 一种分布式电源优化配置方法 | |
CN112953007A (zh) | 配电网调度方法、装置及系统、处理器、电子设备 | |
CN113902583B (zh) | 利用低压网络设备数据的配网侧运维方法及系统 | |
CN116633016B (zh) | 一种基于高频数据采集技术的电力管理系统和方法 | |
CN116070782B (zh) | 一种基于大数据的能源储备管理方法及系统 | |
CN117575343A (zh) | 一种乡镇综合能源服务成效评价方法及系统 | |
CN117096930A (zh) | 一种分布式资源群调群控技术应用方法及系统 | |
CN117221987A (zh) | 基站节能方法、基站、基站池及核心网 | |
CN115619159B (zh) | 一种智慧园区能源消耗分析调度方法和系统 | |
CN116937562A (zh) | 分布式光伏接入的电能质量预测方法、装置以及电力系统 | |
CN116706905A (zh) | 基于电力系统的多能预测及调度方法、设备及存储介质 | |
CN112560325B (zh) | 换电业务的预测方法、系统、设备及存储介质 | |
CN116523278B (zh) | 一种基于智慧能源管理平台的能源互补优化方法及系统 | |
CN117408840B (zh) | 基于智慧能源管理平台的多能源调度管控系统 | |
KR102513943B1 (ko) | 가로등 장착형 태양광 발전 예측 시스템 및 그 서비스 방법 | |
Fedorchuk et al. | Using the Concept of Prosumers as a Staff for Balancing at the Power Grid | |
Jain et al. | A data driven approach for scheduling the charging of electric vehicles | |
CN116911583B (zh) | 一种电动汽车充电站设备的规划方法、系统及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |