CN116108979A - 一种跨周期的多源异构电力数据处理系统及应用方法 - Google Patents

一种跨周期的多源异构电力数据处理系统及应用方法 Download PDF

Info

Publication number
CN116108979A
CN116108979A CN202310001897.9A CN202310001897A CN116108979A CN 116108979 A CN116108979 A CN 116108979A CN 202310001897 A CN202310001897 A CN 202310001897A CN 116108979 A CN116108979 A CN 116108979A
Authority
CN
China
Prior art keywords
data
module
power
source heterogeneous
cross
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310001897.9A
Other languages
English (en)
Inventor
康丽
郭逸华
徐妍珺
姚雯颖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Hengnengtai Enterprise Management Co ltd Puneng Power Technology Engineering Branch
Original Assignee
Shanghai Hengnengtai Enterprise Management Co ltd Puneng Power Technology Engineering Branch
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Hengnengtai Enterprise Management Co ltd Puneng Power Technology Engineering Branch filed Critical Shanghai Hengnengtai Enterprise Management Co ltd Puneng Power Technology Engineering Branch
Priority to CN202310001897.9A priority Critical patent/CN116108979A/zh
Publication of CN116108979A publication Critical patent/CN116108979A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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]
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

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

Abstract

一种跨周期的多源异构电力数据处理系统，包括数据采集模块、数据分析模块、数据建模模块、多源异构信息模块、预测模块、切换模块、数据推送模块；数据采集模块、数据分析模块、数据建模模块、多源异构信息模块、预测模块、切换模块、数据推送模块是安装在PC机内的应用软件；一种跨周期的多源异构电力数据处理系统的应用方法，包括七个步骤。本发明能得出用电区域用电负荷数据模型，并能根据获得的模型进行用电预测，在该区域用电功率发生变化前能提前调节，保证现场稳定供电，还能在用电数据异常，及时提示供电端和用电端，减少了用电事故发生的几率，能对用户给出合理化节电建议，并在供电数据和平时出现明显偏差时能主动提示用电方进行检修。

Description

一种跨周期的多源异构电力数据处理系统及应用方法
技术领域
本发明涉及电力技术领域，特别是一种跨周期的多源异构电力数据处理系统及应用方法。
背景技术
随着供电技术的发展，为了保证安全供电，电力部门或者相关用电终端的使用者会在相应区域除开电能计量表等之外，还会安装温度、湿度、电压及电流等监测设备，以监测相应区域的用电设备工作性能以及供电是否正常，尽可能保证安全供电。
虽然现有的相关用电监测设备一定程度上实现了智能化供电管理，但是受到结构所限还存在一定的缺陷，具体体现如下。其一：其监测的各种数据只能反映当时的用电数据情况，用电方及供电方只能根据当前的数据进行用电方式调整，比如说某个区域一个时间段出现用电高峰，导致供电电压降低，那么供电方就可为该区域调配充足的电力满足用电设备的工作需要，或者用电方在此刻减少一些负荷，满足重要的用电设备能正常工作；上述模式，由于属于被动调控方式，无论使用电方是供电方无法提前得到提示，相应来说，会给具体的对应处置工作带来不利，不能达到相应处置方法的时效性，会多少对安全供电造成不利影响。其二：不能在用电区域可能发生用电事故时(比如短路、开路等)提示用电方，通常情况下，都是用电方通过观察到相应监测设备出现数据异常后，才能及时了解到情况，这样，不能提前做针对性处置预案，也会对安全供电造成不利影响。综上所述，提供一种能基于用户的日常用电行为进行分析建模，能尽可能保证安全、平稳为用户供电的系统及应用方法显得尤为必要。
发明内容
为了克服现有供电技术中，由于技术所限存在如背景所述弊端，本发明提供了基于各传感器采集的数据，在相应模块单元共同作用下，能将各数据统一进行计算分析建模，通过建模的数据能自动对相关区域不同时间段用电负荷进行自适应调节，保证现场稳定供电，且能基于获得的数据对用户给出合理化节电建议，并在供电数据和平时出现明显偏差时(存在故障几率)能主动提示用电方进行检修，有效保证了安全供电的一种跨周期的多源异构电力数据处理系统及应用方法。
本发明解决其技术问题所采用的技术方案是：
一种跨周期的多源异构电力数据处理系统，其特征在于，包括数据采集模块、数据分析模块、数据建模模块、多源异构信息模块、预测模块、切换模块、数据推送模块；所述数据采集模块、数据分析模块、数据建模模块、多源异构信息模块、预测模块、切换模块、数据推送模块是安装在PC机内的应用软件；一种跨周期的多源异构电力数据处理系统的应用方法，包括如下步骤，步骤A：数据采集模块采集用电区域数据，将上述数据初步分类别处理后输出到数据分析模块；步骤B：数据分析模块基于人工智能技术，运用弱监督/半监督/非监督机器学习方法中的一种或多种，开展基于数据驱动的用户分类算法、对数据采集模块获得输入的数据进行计算分析，并基于用户的用电时序行为模式，用于构建基于时序行为的用户分类算法模型，具体的使用到的用户数据包括96点曲线、日电量及月电量数据等；步骤C：数据建模模块对步骤B获得的数据分类算法结果的特性归因分析，具体的，根据弱监督学习的分类算法模型，开展对分类的结果的归因分析，可视化分析，提炼出用户用电方面的相应特点，将用户分类的结果服务于电量及负荷预测工作；步骤D：多源异构信息模块对步骤C的数据以及多源异构信息进行跨周期精准用电负荷预测模型的构建，具体的，多源异构信息除开96点曲线、日电量及月电量数据，还包括气象、经济、政策、用电变更流程等因素，变更流程包括用电区域的增减容、改类、过户等，该步骤获得的数据服务于用户用电预测；步骤E：预测模块基于多源异构特征表征，计算建立面向跨周期精准负荷预测的时序学习模型，具体的，模型数据包括用电区域提前一年、一季度、一个月预测全月的96点曲线(30天*96)以及T日(14:00前)预测T+2日的96点曲线；步骤F：数据推送模块在用电区域用户负荷异常时，为用电方及管理方推送提示数据，并给出具体的异常类型；步骤G：切换模块根据用电区域历史数据的用电预测数据，在用电区域高峰或者低峰时间段调整供电端对该供电区域的供电功率。
进一步地，所述步骤A中，数据采集模块采集用电区域的数据，包括表计、电流表、电压表、温度表获得的单位时间内用电数据、各时间段电流及电压数据、以及现场的温度数据。
进一步地，所述步骤C中，用户分类得到的电量及负荷预测数据能通过显示界面显示，并输出到切换模块。
进一步地，所述步骤F中，数据推送模块判断用电区域用户负荷异常的数据包括电流异常过大、电压异常过低、以及温度过高等，具体的，数据推送模块的数据库子模块存有相应用电区域相应时间段历史平均电流、电压、温度数据，在上述数据超过阈值时则推送信息。
进一步地，所述步骤G中，切换模块在用电区域高峰或者低峰时间段调整供电端对该供电区域的供电功率的同时，会根据反馈相关区域的数据针对性调节输出功率，满足现场用电设备的用电需要。
进一步地，所述数据推送模块还能根据用电数据给出合理化节电建议，实现节电减排目的。
进一步地，所述步骤E中，包括多源异构信息的统一特征表征方法确定以及面向跨周期精准负荷预测的时序学习模型确定，多源异构信息的统一特征表征方法确定包括采用随机森林算法构建基础模型和基于模型集成完成多源异构数据融合；面向跨周期精准负荷预测的时序学习模型确定，是在多源异构信息特征表征基础上建立的跨周期精准负荷预测模型，主要运用灰色预测模型完成负荷预测。
本发明有益效果是：本发明基于多种传感器采集的数据，经过相关软件单元共同作用，能将各数据统一进行分析建模，得出用电区域单位时间内用电负荷数据模型，并能根据获得的数据模型进行用电预测，在该区域用电功率发生变化前能提前调节供电功率，保证现场稳定供电，还能在用电数据异常，存在短路及开路等几率时，及时提示供电端和用电端，减少了用电事故发生的几率。本发明中，能基于获得的数据对用户给出合理化节电建议，并在供电数据和平时出现明显偏差时能主动提示用电方进行检修，有效保证了安全供电。基于上述，本发明具有好的应用前景。
附图说明
以下结合附图和实施例将本发明做进一步说明。
图1是本发明架构框图。
图2是本发明聚类K-means算法作业流程架构框图。
图3是本发明半监督SSCADP算法架构框图。
具体实施方式
图1中所示，一种跨周期的多源异构电力数据处理系统，包括数据采集模块、数据分析模块、数据建模模块、多源异构信息模块、预测模块、切换模块、数据推送模块；所述数据采集模块、数据分析模块、数据建模模块、多源异构信息模块、预测模块、切换模块、数据推送模块是安装在供电端PC机内的应用软件。
图1中所示，一种跨周期的多源异构电力数据处理系统的应用方法，包括如下步骤，步骤A：数据采集模块实时采集用电区域的用电数据，将上述数据初步分类处理后输出到数据分析模块，为到数据分析模块提供基础的计算数据；具体的，步骤A中，数据采集模块采集用电区域的数据，包括表计、电流表、电压表、温度表等获得的单位时间内总用电数据、各时间段电流及电压数据、以及现场具体的温度数据，数据采集模块能将上述数据储存，方便后续的调阅。
图1中所示，步骤B：数据分析模块基于人工智能，运用弱监督/半监督/非监督学习的方法一种或多种，开展基于数据驱动的用户分类算法、对获得的总用电数据、各时间段电流及电压数据、以及现场具体的温度数据等进行计算分析，得出基于用户的用电时序行为模式，并用于构建基于时序行为的用户分类算法模型；具体的使用到的用户数据包括96点曲线(每间隔15分钟采样数据建立的曲线)、日用电量及月电量数据等。本发明具体使用的K-means算法(非监督学习)是最为普及的一种聚类算法，其各个簇均用其中全部资源的平均值来代表，这个均值即为该聚类结果各个簇的质心点。K-Means算法的核心思想是在一定空间中，随机选择K对象(总用电数据、各时间段电流及电压数据、以及现场具体的温度数据等)作为质点，对靠近质点的数据对象分别归类，然后重新计算质点，如此逐次迭代更新质点，直到使算法规则函数收敛呈最优化状态。K-means算法质量使用误差平方和SSE作为度量依据，当出现两种不同的聚类结果时(不同的总用电数据、各时间段电流及电压数据、以及现场具体的温度数据等数据结果)，优先考虑SSE(度量)相对较小的一方。SSE的计算公式为：
Figure BDA0004034273040000051
；簇质心ei的计算公式为：
Figure BDA0004034273040000052
，式中，K为生成簇的数目，Ei为第i个簇，ei表示Ei簇的质心，ni代表第i个簇包含的数据对象的数量，x表示数据对象。1)聚类算法实现的流程如下：①输入：计算基础是数据集Ω，n个数据对象(不同的总用电数据、各时间段电流及电压数据、以及现场具体的温度数据等数据)，公式如下：
Ω＝{xi|xi＝(xi1，xi2，...，xid)，i＝1，2，...n}
C＝{cj|cj＝(cj＝(cj1，cj2，...，cjd)，j＝1，2，...k)}
式中，xi＝(xi1，xi2，...，xid)代表一个d维的数据向量，表示任意某个数据全部(d个)属性，cj＝(cj＝(cj1，cj2，...，cjd)代表第j个聚类簇的中心点，n是集合的容量；K作为聚类的数目，C代表全部簇中心点集合。②输出：得到聚类结果R，公式为：
R＝{rj＝(rj1，rj2，...rjh)，j＝1，2...k，0＜k＜n}。2)具体步骤：①设定任意两个数据对象(不同的总用电数据、各时间段电流及电压数据、以及现场具体的温度数据等数据)ci与cj之间欧式距离是dis(ci，cj)，具体表示为：
Figure BDA0004034273040000053
计算数据集Ω中每个数据对象到K个簇中心点的距离，把数据对象归并到与其间隔最近的簇里。②簇质心点cj，表示为：
Figure BDA0004034273040000061
其中，N(ψi)是同一簇中数据的个数；重新计算每个簇的质心。③判断是不是达到结束前提，满足则输出结果；若不满足，跳回到步骤②继续运算；聚类K-means算法作业流程如图2所示。本发明采用的半监督SSCADP算法框架如图3所示，SSCADP算法将Hoeffding树作为基分类器，当tD中的每个样本被分类完成后，每个样本从根结点开始根据划分属性和划分取值依次落入至决策树的叶子节点，与该叶子节点相对应的统计值(不同的总用电数据、各时间段电流及电压数据、以及现场具体的温度数据等数据)将会更新，例如样本总数、各个属性的取值、类别的分布等。如果当前决策树一旦满足一个检测周期后，在每个叶子节点中调用基于密度自适应的聚类算法，利用少量的样本标记信息给不含标记的样本打上标记，并同步进行概念漂移检测。然后对检测到的具有概念漂移的局部结构进行剪枝，达到适应当前概念的目的。最后如果叶子节点中的样本数量达到指定的阈值后，基于Hoeffding不等式判断当前节点是否满足分裂条件。SSCADP采用Hoeffding树作为基分类器，当一个训练样本到达时，它会沿着根节点根据每个节点的划分属性和划分取值递归地落入至相应的叶子节点，同时该样本点的信息会被存储起来用于更新当前叶子节点的统计值。随后一旦满足检测周期，通过调用基于密度自适应的聚类方法，未标记样本将会打上相应的标记。当叶子节点中的样本数量(不同的总用电数据、各时间段电流及电压数据、以及现场具体的温度数据等数据)达到指定的阈值时，就会启动分裂机制，基于Hoeffding不等式和之前记录过的统计信息。如果达到一个检测周期，SSCADP会调用自适应定位聚簇中心算法，该算法在CFSDP算法基础上结合SAND中的变化检测方法来自动定位聚簇中心。当每个叶子节点中的概念簇形成后，基于图的标签传播算法在每个簇中利用少量有标记样本来给未标记样本打上标记。如果一个簇中全是未标记样本则给所有样本打上离它最近的那个簇的多数类标记。
图1中所示，步骤C：数据建模模块对步骤B获得的数据分类算法结果的特性归因分析，具体的，根据弱监督学习的分类算法模型，开展对分类的结果的归因分析，可视化分析，提炼出用户用电方面的特点(比如相应每个时间段的用电负荷)，将上述用户分类的结果服务于电量及负荷的预测。
图1中所示，步骤C中，用户分类得到的电量及负荷预测数据能通过显示界面显示且数据能储存，工作人员可随时调阅，上述并输出到切换模块。步骤D：多源异构信息模块对步骤C的数据以及结合多源异构信息进行跨周期精准用电负荷预测模型的构建，具体的，多源异构信息还包括气象数据、经济及政策影响、用电变更流程(用户增减容、改类、过户等)等因素，由于输入的数据更加多样化，能有效服务于用户的用电预测。
图1中所示，步骤E：预测模块基于多源异构特征表征，计算建立面向跨周期精准用户负荷预测的时序学习模型，具体的，时序学习模型包括建立用电区域提前一年、一季度、一个月预测全月的96点曲线(30天*96)以及T日(14:00前)预测T+2日的96点曲线。步骤F：数据推送模块在用电区域用户负荷异常时，为用电方及管理方的智能手机及PC机推送提示数据(语音和短信、文字等方式提示)，并给出具体的异常类型(比如说现场电流过大有可能存在用电设备短路现象，电流过低有可能存在供电开路)；数据推送模块判断用电区域用户负荷异常的数据包括电流异常过大、电压异常过低、以及温度过高等，具体的，数据推送模块的数据库子模块存有相应用电区域相应时间段历史平均电流、电压、温度数据，数据推送模块能结合实时采集的数据和数据库子模块的数据作比对，在上述数据超过阈值时则推送信息；数据推送模块还能根据用电数据给出合理化节电建议，实现节电减排目的。本发明根据弱监督学习的分类算法模型，开展对分类的结果的归因分析，可视化分析，提炼出用户用电方面的特点。将用户分类的结果服务于电量及负荷预测，具体的包括如下步骤。多源异构信息的统一特征表征方法研究,(1)采用随机森林算法构建基础模型。随机森林算法在不同网格内建模中会随机抽取数据属性值进行模型构建，从而可以有效解决多源异构数据的属性差异，完成模型训练。其次，针对大量的未标注数据，采用预剪枝方式对半监督随机森林模型进行修改，即依据标注数据构建的基础随机森林模型，在加入未标注数据后，对新模型进行验证，若新模型效果提升，则保留剪枝，反之，则进行回退处理，剪枝采用测量袋外估计算法对随机森林模型进行优化和求解。(2)基于模型集成完成多源异构数据融合。对多源异构信息的时序属性、空间拓扑属性等特征进行分析和建模，为每一组结构化数据的特征构建子分类器，然后将多子分类器进行模型集成，实现基于模型集成的多源异构数据融合。面向跨周期精准负荷预测的时序学习模型研究，具体研究在多源异构信息特征表征的基础上的跨周期精准负荷预测模型，运用灰色预测模型完成负荷预测，灰色系统理论认为，所有随机变化，即灰度量，都是在一定范围内变化的。通常使用累加生成和累减还原的方法，将混乱的未组织的原始数据转换为生成数据的规则序列。因为灰色预测模型是以生成数据为基础，从而灰色预测数据需要对生成数据模型所得到的预测值进行还原处理。用灰色模型的微分方程作为电力系统单一指标(如负荷)时，微分方程解的时间响应函数的表达式即为所求的灰色预测模型，通过对模型的精度和可信度进行校验并修正后，可采用此模型来预测电力负荷未来发展变化规律。
图1中所示，步骤G：切换模块根据用电区域历史数据的用电预测数据，在用电区域高峰或者低峰时间段提前做好预案调整供电端对该供电区域的供电功率；具体的，步骤G中，切换模块在用电区域高峰或者低峰时间段调整供电端对该供电区域的供电功率的同时，会根据反馈相关区域的数据针对性调节输出功率，满足现场用电设备的用电需要。
图1中所示，本发明基于多种传感器采集的数据，经过数据采集模块、数据分析模块、数据建模模块、多源异构信息模块、预测模块、切换模块、数据推送模块共同作用，能将各数据统一进行分析建模，得出用电区域单位时间内用电负荷数据模型，并能根据获得的数据模型进行用电预测，在该区域用电功率发生变化前能提前调节用电功率，保证现场稳定供电，还能在用电数据异常，存在短路及开路等几率时，及时提示供电端和用电端，减少了用电事故发生的几率。本发明中，能基于获得的数据对用户给出合理化节电建议，并在供电数据和平时出现明显偏差时能主动提示用电方进行检修，有效保证了安全供电。
以上显示和描述了本发明的基本原理和主要特征及本发明的优点，对于本领域技术人员而言，显然本发明限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (7)

1.一种跨周期的多源异构电力数据处理系统，其特征在于，包括数据采集模块、数据分析模块、数据建模模块、多源异构信息模块、预测模块、切换模块、数据推送模块；所述数据采集模块、数据分析模块、数据建模模块、多源异构信息模块、预测模块、切换模块、数据推送模块是安装在PC机内的应用软件；一种跨周期的多源异构电力数据处理系统的应用方法，包括如下步骤，步骤A：数据采集模块采集用电区域数据，将上述数据初步分类别处理后输出到数据分析模块；步骤B：数据分析模块基于人工智能技术，运用弱监督/半监督/非监督机器学习方法中的一种或多种，开展基于数据驱动的用户分类算法、对数据采集模块获得输入的数据进行计算分析，并基于用户的用电时序行为模式，用于构建基于时序行为的用户分类算法模型，具体的使用到的用户数据包括96点曲线、日电量及月电量数据；步骤C：数据建模模块对步骤B获得的数据分类算法结果的特性归因分析，具体的，根据弱监督学习的分类算法模型，开展对分类的结果的归因分析，可视化分析，提炼出用户用电方面的相应特点，将用户分类的结果服务于电量及负荷预测工作；步骤D：多源异构信息模块对步骤C的数据以及多源异构信息进行跨周期精准用电负荷预测模型的构建，具体的，多源异构信息除开96点曲线、日电量及月电量数据，还包括气象、经济、政策、用电变更流程因素，变更流程包括用电区域的增减容、改类、过户，该步骤获得的数据服务于用户用电预测；步骤E：预测模块基于多源异构特征表征，计算建立面向跨周期精准负荷预测的时序学习模型，具体的，模型数据包括用电区域提前一年、一季度、一个月预测全月的96点曲线以及T日预测T+2日的96点曲线；步骤F：数据推送模块在用电区域用户负荷异常时，为用电方及管理方推送提示数据，并给出具体的异常类型；步骤G：切换模块根据用电区域历史数据的用电预测数据，在用电区域高峰或者低峰时间段调整供电端对该供电区域的供电功率。
2.根据权利要求1所述的一种跨周期的多源异构电力数据处理系统的应用方法，其特征在于，步骤A中，数据采集模块采集用电区域的数据，包括表计、电流表、电压表、温度表获得的单位时间内用电数据、各时间段电流及电压数据、以及现场的温度数据。
3.根据权利要求1所述的一种跨周期的多源异构电力数据处理系统的应用方法，其特征在于，步骤C中，用户分类得到的电量及负荷预测数据能通过显示界面显示，并输出到切换模块。
4.根据权利要求1所述的一种跨周期的多源异构电力数据处理系统的应用方法，其特征在于，步骤F中，数据推送模块判断用电区域用户负荷异常的数据包括电流异常过大、电压异常过低、以及温度过高，具体的，数据推送模块的数据库子模块存有相应用电区域相应时间段历史平均电流、电压、温度数据，在上述数据超过阈值时则推送信息。
5.根据权利要求1所述的一种跨周期的多源异构电力数据处理系统的应用方法，其特征在于，步骤G中，切换模块在用电区域高峰或者低峰时间段调整供电端对该供电区域的供电功率的同时，会根据反馈相关区域的数据针对性调节输出功率，满足现场用电设备的用电需要。
6.根据权利要求1所述的一种跨周期的多源异构电力数据处理系统的应用方法，其特征在于，数据推送模块还能根据用电数据给出合理化节电建议，实现节电减排目的。
7.根据权利要求1所述的一种跨周期的多源异构电力数据处理系统的应用方法，其特征在于，步骤E中，包括多源异构信息的统一特征表征方法确定以及面向跨周期精准负荷预测的时序学习模型确定，多源异构信息的统一特征表征方法确定包括采用随机森林算法构建基础模型和基于模型集成完成多源异构数据融合；面向跨周期精准负荷预测的时序学习模型确定，是在多源异构信息特征表征基础上建立的跨周期精准负荷预测模型，主要运用灰色预测模型完成负荷预测。
CN202310001897.9A 2023-01-03 2023-01-03 一种跨周期的多源异构电力数据处理系统及应用方法 Pending CN116108979A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310001897.9A CN116108979A (zh) 2023-01-03 2023-01-03 一种跨周期的多源异构电力数据处理系统及应用方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310001897.9A CN116108979A (zh) 2023-01-03 2023-01-03 一种跨周期的多源异构电力数据处理系统及应用方法

Publications (1)

Publication Number Publication Date
CN116108979A true CN116108979A (zh) 2023-05-12

Family

ID=86262266

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310001897.9A Pending CN116108979A (zh) 2023-01-03 2023-01-03 一种跨周期的多源异构电力数据处理系统及应用方法

Country Status (1)

Country Link
CN (1) CN116108979A (zh)

Similar Documents

Publication Publication Date Title
CN111783953B (zh) 一种基于优化lstm网络的24点电力负荷值7日预测方法
CN110570012B (zh) 一种基于Storm的电厂生产设备故障预警方法及系统
CN116245033B (zh) 人工智能驱动的电力系统分析方法及智能软件平台
CN112734128B (zh) 一种基于优化rbf的7日电力负荷峰值预测方法
CN106485089B (zh) 谐波用户典型工况的区间参数获取方法
CN115760484B (zh) 一种配电台区隐患辨识能力提升方法、装置、系统及存储介质
CN117725537A (zh) 实时计量数据处理平台
CN112363896A (zh) 日志异常检测系统
CN113225346A (zh) 一种基于机器学习的网络运维态势评估方法
CN112529683A (zh) 一种基于cs-pnn的客户信贷风险的评估方法及系统
CN105471647A (zh) 一种电力通信网故障定位方法
CN116187640A (zh) 一种基于网格多属性画像体系的配电网规划方法及装置
CN112417308A (zh) 一种基于电力大数据的用户画像标签生成方法
CN117094535B (zh) 基于人工智能的能源补给管理方法及系统
CN116432123A (zh) 一种基于cart决策树算法的电能表故障预警方法
CN111984514A (zh) 基于Prophet-bLSTM-DTW的日志异常检测方法
CN117674119A (zh) 电网运行风险评估方法、装置、计算机设备和存储介质
CN117394529A (zh) 基于scada的主配网合环倒供电控制条件辅助决策方法及系统
CN116976318A (zh) 基于深度学习和模型推理的电网倒闸操作票智能审核系统
CN111784019A (zh) 电力负荷处理方法和装置
CN114820036A (zh) 面向大数据和回归分析预测算法的充电市场分析系统
CN118428754A (zh) 一种新能源发电输入功率预测方法及系统
CN117878979A (zh) 基于电储能的功率平衡及动态补偿系统
CN117522066A (zh) 一种基于调峰电源设备组合预测的联合优化方法及系统
CN113033898A (zh) 基于k均值聚类与bi-lstm神经网络的电负荷预测方法及系统

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