CN116245246A - 基于物联网的智慧城市供电管理方法、系统及存储介质 - Google Patents

基于物联网的智慧城市供电管理方法、系统及存储介质 Download PDF

Info

Publication number
CN116245246A
CN116245246A CN202310243810.9A CN202310243810A CN116245246A CN 116245246 A CN116245246 A CN 116245246A CN 202310243810 A CN202310243810 A CN 202310243810A CN 116245246 A CN116245246 A CN 116245246A
Authority
CN
China
Prior art keywords
power generation
data
power supply
power
generation data
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
CN202310243810.9A
Other languages
English (en)
Inventor
邵泽华
李勇
刘彬
权亚强
梁永增
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.)
Chengdu Qinchuan IoT Technology Co Ltd
Original Assignee
Chengdu Qinchuan IoT Technology Co Ltd
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 Chengdu Qinchuan IoT Technology Co Ltd filed Critical Chengdu Qinchuan IoT Technology Co Ltd
Publication of CN116245246A publication Critical patent/CN116245246A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004Generation forecast, e.g. methods or systems for forecasting future energy generation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25Integrating or interfacing systems involving database management systems
    • G06F16/252Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003Load forecast, e.g. methods or systems for forecasting future load demand
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144Demand-response operation of the power transmission or distribution network
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/01Protocols
    • H04L67/12Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS 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
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Water Supply & Treatment (AREA)
  • Data Mining & Analysis (AREA)
  • Public Health (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Development Economics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本说明书实施例提供一种基于物联网的智慧城市供电管理方法和系统,该智慧城市供电管理方法由城市供电管理平台执行,该智慧城市供电管理方法包括:通过传感网络平台获取第一发电数据;该第一发电数据由传感网络平台汇总第二发电数据确定,该第二发电数据为住宅自发电数据;通过第一预测模型,基于所述第一发电数据和环境数据,确定供电预测,所述第一预测模型为机器学习模型;以及将该供电预测发送至供电企业;本说明书的一些实施例通过对第二发电数据进行汇总得到第一发电数据,可以得到不同的区域和/或时间的第一发电数据,并基于第一发电数据和环境数据确定供电预测,提高了供电预测的准确性。

Description

基于物联网的智慧城市供电管理方法、系统及存储介质
交叉引用
本申请要求申请号为17663210的美国申请的优先权,全部内容通过引用的方式并入本申请。
技术领域
本说明书涉及物联网与云平台领域,特别涉及一种基于物联网的智慧城市供电管理方法和系统。
背景技术
传统粗放型的供电管理方法和系统已不符合时代要求,没有统筹考虑电网供电能力和用户需求之间的合理匹配,一定程度上造成电网的不合理供电。近年来,随着信息科学技术的发展,云平台的概念及其在物联网中的应用被越来越多的人提及。以云计算为核心服务的云平台服务模式,可以通过规模增益和资源共享的方式解决物联网各平台信息处理能力不足的问题。引入云平台可为物联网提供高效的、动态的、可大规模扩展的计算能力,使用户主导的物联网更好、更高效的运行。
因此,希望可以提供一种基于物联网的智慧城市供电管理方法和系统,利用物联网与云平台来提高供电管理方法与系统的效率和通用性,实现供电的精细化管理。
发明内容
本说明书实施例之一提供一种基于物联网的智慧城市供电管理方法,所述方法由城市供电管理平台执行,所述方法包括:通过传感网络平台获取第一发电数据;所述第一发电数据由所述传感网络平台汇总第二发电数据确定,所述第二发电数据为住宅自发电数据;基于所述第一发电数据和环境数据确定供电预测;以及将所述供电预测发送至供电企业。
本说明书实施例之一提供一种基于物联网的智慧城市供电管理系统,所述系统包括城市供电管理平台、传感网络平台、对象平台,所述城市供电管理平台被配置为执行以下操作:通过所述传感网络平台获取第一发电数据;所述第一发电数据由所述传感网络平台汇总第二发电数据确定,所述第二发电数据为住宅自发电数据;基于所述第一发电数据和环境数据确定供电预测;以及将所述供电预测发送至供电企业。
本说明书实施例之一提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行基于物联网的智慧城市供电管理方法。
有益效果:
本说明书的一些实施例通过对第二发电数据进行汇总得到第一发电数据,可以得到不同的区域和/或时间的第一发电数据,并基于第一发电数据和环境数据确定供电预测,提高了供电预测的准确性,以便供电企业基于实际需求确定对应的生产计划,避免资源的浪费。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的基于物联网的智慧城市供电管理系统的应用场景示意图;
图2是根据本说明书一些实施例所示的基于物联网的智慧城市供电管理系统的示例性示意图;
图3是根据本说明书一些实施例所示的基于物联网的智慧城市供电管理方法的示例性流程图;
图4是根据本说明书一些实施例所示的确定供电预测的示例性流程图;
图5是根据本说明书一些实施例所示的确定第一用电需求的示例性流程图;
图6是根据本说明书一些实施例所示的根据子划分确定第一发电数据的示例性示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的基于物联网的智慧城市供电管理系统的应用场景示意图。
在一些实施例中,供电管理系统的应用场景100可以包括处理设备110、网络120、存储设备130、采集终端140、发电装置150以及供电企业160。在一些实施例中,应用场景100中的组件可以经由网络120(例如无线连接、有线连接或其组合),以实现彼此连接和/或通信。例如,处理设备110可以通过网络120连接到存储设备130。又例如,采集终端140可以通过网络120连接到处理设备110、存储设备130。
处理设备110可以用于处理与应用场景100有关的信息和/或数据,例如,第一发电数据、第二发电数据等。处理设备110可以处理从其他设备或系统组成部分中获得的数据、信息和/或处理结果,并基于这些数据、信息和/或处理结果执行程序指令,以执行本说明书中描述的一个或以上功能。
网络120可以连接应用场景100的各组成部分和/或连接应用场景100与外部资源部分。网络使得各组成部分之间,以及与应用场景100之外其他部分之间可以进行通讯,促进数据和/或信息的交换。网络可以是局域网、广域网、互联网等,可以是多种网络结构的组合。
存储设备130可以用于存储数据和/或指令。在一些实施例中,存储设备130可以储存处理设备110用来执行或使用以完成本说明书中描述的示例性方法的数据和/或指令。在一些实施例中,存储设备130可以连接到网络120以与应用场景100的一个或以上组件(例如,处理设备110、采集终端140)通信。
采集终端140可以用于采集数据和/或信息。例如,第二发电数据等。示例性的,采集终端140可以包括智能电表140-1、能源路由器140-2等。在一些实施例中,采集终端可以将采集的数据和/或信息通过网络发送到处理设备。关于采集终端的更多内容可以参见图2及其说明。
发电装置150可以用于将其它形式的能量转化为电能。其它形式的能量可以指除电能以外的能量,例如,机械能、内能、风能等。示例性的,发电装置150可以包括太阳能发电装置150-1、风力发电装置150-2等。发电装置可以将产生的电能供给用户和/或供电企业,以供用户使用和/或供电企业调度。
供电企业160可以用于供应和/或调度电能。例如,供电企业可以将电能供应给用户。又例如,供电企业可以将用电量少的地区的电能调度到用电量多的地区(如,西电东送工程)。示例性的供电企业可以包括国家电网或南方电网下属的各市级供电公司。
应当注意应用场景仅仅是为了说明的目的而提供,并不意图限制本说明书的范围。对于本领域的普通技术人员来说,可以根据本说明书的描述,做出多种修改或变化。例如,应用场景还可以包括数据库。又例如,应用场景可以在其他设备上实现以实现类似或不同的功能。然而,变化和修改不会背离本说明书的范围。
物联网系统是一种包括管理平台、传感网络平台、对象平台中部分或全部平台的信息处理系统,其中,管理平台可以实现统筹、协调各功能平台(如传感网络平台、对象平台)之间的联系和协作,管理平台汇聚着物联网运行体系的信息,可以为物联网运行体系提供感知管理和控制管理功能。传感网络平台可以实现连接管理平台和对象平台,起着感知信息传感通信和控制信息传感通信的功能。对象平台是对感知信息生成和控制信息进行执行的功能平台。
物联网系统中信息的处理可以分为感知信息的处理流程及控制信息的处理流程,控制信息可以是基于感知信息而生成的信息。其中,感知信息的处理是由对象平台获取感知信息,并通过传感网络平台传递至管理平台。控制信息则是由管理平台通过传感网络平台下发至对象平台,进而实现对相应对象的控制。
在一些实施例中,将物联网系统应用于城市管理时,可以将其称之为智慧城市物联网系统。
图2是根据本说明书一些实施例所示的基于物联网的智慧城市供电管理系统的示例性示意图。如图2所示,基于物联网的智慧城市供电管理系统200可以基于物联网系统实现,基于物联网的智慧城市供电管理系统200包括城市供电管理平台210、传感网络平台220和对象平台230。在一些实施例中,基于物联网的智慧城市供电管理系统200可以为处理设备110的一部分或由处理设备110实现。
在一些实施例中,基于物联网的智慧城市供电管理系统200可以应用于供电管理的多种场景。在一些实施例中,基于物联网的智慧城市供电管理系统200可以分别获取多种场景下的供电相关数据及用电相关数据,以得到各个场景下的供电管理策略。在一些实施例中,基于物联网的智慧城市供电管理系统200可以基于获取到各个场景下的供电相关数据及用电相关数据,得到整个区域(如整个城市)的供电管理策略。
供电管理的多种场景可以包括如用电场景、供电场景、输电场景等,例如,可以包括供电设备运行管理、电力输送管理、安全用电管理、供电预测管理等,需要说明的是以上场景仅为示例,并不对基于物联网的智慧城市供电管理系统200的具体应用场景起限制作用,本领域技术人员可以在本实施例公开的内容基础上,将基于物联网的智慧城市供电管理系统200应用于其他合适的任何场景。
在一些实施例中,基于物联网的智慧城市供电管理系统200可以应用于供电设备运行管理。在应用于供电设备运行管理时,对象平台230可以用于采集与供电设备相关的数据,如供电设备的运行数据,例如,运行时长、设备型号、维修数据、工作温度、生产厂家等;对象平台230可以将采集到的与供电设备相关的数据上传至传感网络平台220,传感网络平台220可以对收集到的数据进行汇总处理,如,传感网络平台220可以将收集到的数据进行按区域划分、按设备型号归类、按使用年限分类等,传感网络平台220再将进一步汇总处理后的数据上传至城市供电管理平台210,由城市供电管理平台210基于对收集到的数据的处理作出与供电设备运行管理相关的策略或指令,如设备的更换指令、维修指令、检测指令、故障预测等。
在一些实施例中,基于物联网的智慧城市供电管理系统200可以应用于电力输送管理。在应用于电力输送管理时,对象平台230可以用于采集与电力输送相关的数据,如区域耗电数据、电力输送设备的设备数据等;对象平台230可以将采集到的与电力输送相关的数据上传至传感网络平台220,传感网络平台220可以对收集到的数据进行汇总处理,如,传感网络平台220可以将收集到的数据进行按区域划分确定区域用电,按电力输送设备的类型划分数据等,传感网络平台220再将进一步汇总处理后的数据上传至城市供电管理平台210,由城市供电管理平台210基于对收集到的数据的处理作出与电力输送管理相关的策略或指令,如输送方式的确定、输送量的确定、输送点的确定等。
在一些实施例中,基于物联网的智慧城市供电管理系统200可以应用于安全用电管理。在应用于安全用电管理时,对象平台230可以用于采集电能使用相关的数据,如用电设备相关的数据、电能输送设备相关的数据、发电设备相关的数据等;对象平台230可以将采集到的与电能使用相关的数据上传至传感网络平台220,传感网络平台220可以对收集到的数据进行汇总处理,如,传感网络平台220可以将收集到的数据进行按电能使用方式的划分、电能产生方式的归类等,传感网络平台220再将进一步汇总处理后的数据上传至城市供电管理平台210,由城市供电管理平台210基于对收集到的数据的处理作出与安全用电管理相关的策略或指令,如事故原因的预测、风险点的预测、安全用电范围内的电能数据预测等。
在一些实施例中,基于物联网的智慧城市供电管理系统200可以应用于供电预测管理。在应用于供电预测管理时,对象平台230可以用于采集电能供应与使用相关的数据,如发电数据、发电设备的数据、用电设备的数据、环境数据等;对象平台230可以将采集到的与供电预测相关的数据上传至传感网络平台220,传感网络平台220可以对收集到的数据进行汇总处理,如,传感网络平台220可以将收集到的数据进行按发电方式分类、按发电或用电区域分类、按发电时间分类等,传感网络平台220再将进一步汇总处理后的数据上传至城市供电管理平台210,由城市供电管理平台210基于对收集到的数据的处理作出与供电预测管理相关的策略或指令,如电量需求数据、基于自发电可供电能数据等。
在一些实施例中,基于物联网的智慧城市供电管理系统200可以由多个智慧城市供电管理子系统构成,每个子系统可以应用于一种场景,基于物联网的智慧城市供电管理系统200可以对各个子系统获取的数据、输出的数据进行综合管理与处理,进而得到用于辅助智慧城市供电管理的相关策略或指令。
例如,基于物联网的智慧城市供电管理系统200可以包括分别应用于供电设备运行管理的子系统、应用于电力输送管理的子系统、应用于安全用电管理的子系统、应用于供电预测管理子系统,基于物联网的智慧城市供电管理系统200作为各个子系统的上级系统。
以下将以基于物联网的智慧城市供电管理系统200管理各个子系统并基于子系统获取相应数据以得到用于智慧城市供电管理的策略为例进行说明:
基于物联网的智慧城市供电管理系统200可以基于供电设备运行管理的子系统获取供电设备的更换指令、维修指令、检测指令、故障预测等数据,基于电力输送管理的子系统获取电力输送方式、输送量、输送点的预测数据,基于安全用电管理的子系统获取用电事故原因的预测、风险点的预测、安全用电范围内的电能数据预测数据,基于供电预测管理子系统获取电量需求数据、基于自发电可供电能数据。
基于物联网的智慧城市供电管理系统200在进行上述数据获取时,可以分别对应各个子系统单独设置多个对象平台进行数据采集。
基于物联网的智慧城市供电管理系统200在获取到上述数据后,通过传感网络平台220对收集到的数据进行汇总处理,传感网络平台220再将进一步汇总处理后的数据上传至城市供电管理平台210,由城市供电管理平台210基于对收集到的数据的处理作出与城市供电管理相关的预测数据。
例如,传感网络平台220可以基于供电设备的更换指令、维修指令、检测指令等确定供电设备的正常工作时间预测,传感网络平台220可以基于电量需求数据、基于自发电可供电能数据,确定供电企业在保证区域正常用电的情况下需要发出的电能数据。传感网络平台220可以将上述数据上传至城市供电管理平台210,由城市供电管理平台210基于上述预测的供电设备的正常工作时间以及在区域正常用电的情况下需要发出的电能数据再结合目前的供电设备的效能数据,传感网络平台220可以进一步确定需要的供电设备的数量或供电设备的效能调整数据。
又如,传感网络平台220可以基于输送方式的预测数据、输送量的预测数据、输送点的预测数据,以及基于安全事故原因的预测数据、风险点的预测数据对各个输送点在各种输送方式下发生安全事故的风险度进行预测,传感网络平台220可以将预测数据上传至城市供电管理平台210,由城市供电管理平台210基于上述预测数据确定电能输送点的设置数据,例如,输送点的选址、输送点的输送方式、输送量等。
再如,传感网络平台220可以基于设备的更换指令、维修指令、检测指令、故障预测、输送方式的预测数据、输送量的预测数据、输送点的预测数据、事故原因的预测、风险点的预测、安全用电范围内的电能数据预测、电量需求数据、基于自发电可供电能数据预测,再结合区域划分信息,综合确定区域的用电数据、区域的发电预测数据、区域事故发生概率预测等,传感网络平台220可以将上述信息上传至城市供电管理平台210,由城市供电管理平台210基于上述信息确定区域的供电计划、区域间的电能借调方案、以及区域的风险排查策略等。
对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,将系统移用到其他任何合适的场景下。
以下将以基于物联网的智慧城市供电管理系统200应用于供电预测管理场景为例对基于物联网的智慧城市供电管理系统200进行具体说明。
城市供电管理平台210可以指对城市中的供电进行管理的平台。在一些实施例中,城市供电管理平台210可以属于管理平台。城市供电管理平台210可以被配置为通过传感网络平台获取第一发电数据,第一发电数据由传感网络平台与采集终端通过网络通信汇总第二发电数据确定,第二发电数据为住宅自发电数据。基于第一发电数据和环境数据确定供电预测;以及将供电预测发送至供电企业。
在一些实施例中,城市供电管理平台还可以被配置为基于传感网络平台按错时方式从采集终端获取第二发电数据;基于传感网络平台通过对第二发电数据的汇总处理确定第一发电数据;基于传感网络平台按错时方式获取第一发电数据。
在一些实施例中,城市供电管理平台还可以被配置为通过第一预测模型,基于所述第一发电数据和环境数据,确定供电预测。
在一些实施例中,第一发电数据包括住宅自发电数据的第一分布信息、第二分布信息中的至少一种;第一分布信息包括按发电方式的分布信息,第二分布信息包括按时间的分布信息。
在一些实施例中,环境数据包括天气预报数据和交通流量数据。
在一些实施例中,城市供电管理平台还可以被配置为将供电端按道路交通的干路划分区域;获取每个区域的车流量作为环境特征,通过第一预测模型,基于第一发电数据和环境特征,按区域确定供电预测。
关于城市供电管理平台210的更多细节可以参见图3-5及其说明。
传感网络平台220可以指对传感通信进行统一管理的平台,其也可以被称为传感网络管理平台或传感网络管理服务器。在一些实施例中,传感网络平台可以连接管理平台和对象平台,实现感知信息传感通信和控制信息传感通信的功能。
管理平台可以指对物联网进行管理和/或控制的平台。例如,统筹、协调各功能平台之间的联系和协作。管理平台汇聚着物联网全部的信息,可以为物理网正常运行提供控制和管理功能。
对象平台可以指感知信息生成和控制信息最终执行的功能平台,是用户意志得以实现的最终平台。在一些实施例中,对象平台可以获取信息。获取的信息可以作为整个物联网的信息输入。
感知信息可以指物理实体所获取的信息。例如,传感器所获取的信息。控制信息可以指对感知信息进行识别、验证、解析、转换等处理后形成的控制信息,例如,控制指令。
在一些实施例中,传感网络平台可以与城市供电管理平台进行通信,以为城市供电管理平台提供相关的信息和/或数据。例如,第一发电数据。
对象平台230可以与传感网络平台进行通信,对象平台230被配置为采集终端并获得数据。
采集终端可以指采集与电能相关的数据的设备。例如,可以采集用电量和/或发电量的电表。用电量可以指消耗的电量。例如,使用空调所消耗的电量。发电量可以指发电装置发出的电量。例如,太阳能发电装置发出的电量。
在一些实施例中,采集终端可以由对象平台进行管理。采集终端获取的信息可以作为整个物联网的信息输入。
需要注意的是,以上对于系统及其组成部分的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个组成部分进行任意组合,或者构成子系统与其他组成部分连接。例如,传感网络平台和城市供电管理平台可以整合在一个组成部分中。又例如,各个组成部分可以共用一个存储设备,各个组成部分也可以分别具有各自的存储设备。诸如此类的变形,均在本说明书的保护范围之内。
图3是根据本说明书一些实施例所示的基于物联网的智慧城市供电管理方法的示例性流程图。如图3所示,流程300包括下述步骤。在一些实施例中,流程300可以由城市供电管理平台220执行。
步骤310,通过传感网络平台获取第一发电数据。
传感网络平台可以指对传感通信进行统一管理的平台。关于传感网络平台的更多细节可以参见图2及其说明。
第一发电数据可以指基于第二发电数据,按区域和时间汇总而来的发电数据。区域可以指人为划分的地区。时间可以包括年、月、日等。例如,基于第二发电数据,按行政区域和冬季汇总而来的发电数据。关于第二发电数据的说明参见下文。关于第一发电数据的更多细节参见图4及其说明。
在一些实施例中,第一发电数据可以由传感网络平台与采集终端通过网络通信汇总第二发电数据确定。
采集终端可以指采集与电能相关的数据的设备。关于采集终端的更多细节参见图2及其说明。在一些实施例中,采集终端可以包括智能电表和/或能源路由器。其中,智能电表可以用于采集各个住宅用户家的自发电数据;一个能源路由器可用于采集一个或多个社区内多个住宅用户家的自发电数据。
网络通信可以指基于传感器网络的传感通信。网络通信可以包括公用网和私用网。公用网可以指电信运营商运营的网络。例如4G、5G、NB-IoT等。在使用公用网进行通信时,不需要另行建设网络。私用网可以指非电信运营商运营、依法合规建设的网络,一般专网专用,例如LoRa、SigFox等。在使用私用网进行通信时,一般需要设置物联网网关。
第二发电数据可以指住宅自发电数据。住宅自发电数据可以指用户通过发电装置而获得的电能。例如,第二发电数据可以包括住宅通过太阳能发电、风力发电等获得的电能。
汇总处理可以指将不同的数据汇集到一起。例如,将不同的时间的第二发电数据汇集到一起。又例如,将不同的地域的第二发电数据汇集到一起。在一些实施例中,汇总处理是在传感网络平台210进行的。
在一些实施例中,城市供电管理平台220可以通过与传感网络平台进行通信,以获取第一发电数据。例如,城市供电管理平台220可以通过网络120从传感网络平台获取第一发电数据。
在一些实施例中,城市供电管理平台可以基于网络带宽、网络速率、处理设备负荷等多种因素,采取不同的策略,以从传感网络平台获取第一发电数据。例如,目前处理设备负荷高,城市供电管理平台可以从传感网络平台每次获取少量、分多次获取第一发电数据。又例如,目前处理设备负荷低,网络速率快,城市供电管理平台可以从传感网络平台每次获取大量、分少次获取第一发电数据。
在一些实施例中,城市供电管理平台通过传感网络平台获取第一发电数据可以包括:基于传感网络平台按错时方式从采集终端获取第二发电数据;基于传感网络平台通过对第二发电数据的汇总处理确定第一发电数据;基于传感网络平台按错时方式获取第一发电数据。
错时可以指不同的步骤和/或操作不在相同的时间进行。例如,日间获取第二发电数据,夜间获取第一发电数据。在一些实施例中,错时还可以包括错时获取、错时上传不同社区的发电数据。例如,日间获取社区A的第二发电数据,夜间上传社区B的第一发电数据。
传感网络平台按错时获取数据,可以避免流量集中,缓解网络压力以及处理设备的负荷。
步骤320,基于第一发电数据和环境数据确定供电预测。
环境数据可以指区域对应的天气数据。天气数据可以指与天气相关的数据。例如,气温、气压、风速等。城市供电管理平台可以通过多种方式获取环境数据。例如,从存储设备获取。又例如,调用天气API(如,高德天气API、OpenWeather API等)获取。关于环境数据的更多细节可以参见图4及其说明。
供电预测可以指被评估区域内用户将自行发电的电能在满足自己的使用后可以提供出来的多余电能的预测。例如,预测A用户将自行发电的200度电能在满足自己的100度电能的使用需求后,可以提供出来100度电能。
在一些实施例中,城市供电管理平台可以基于第一发电数据和环境数据,确定供电预测。在一些实施例中,城市供电管理平台可以基于第一发电数据和环境数据,确定用户的自发电数据和用户的总用电数据,进而确定供电预测。例如,城市供电管理平台可以将用户的自发电数据和用户的总用电数据进行相减,将二者之差确定为供电预测。关于基于第一发电数据和环境数据确定供电预测的更多细节可以参见图4及其说明。
步骤330,将供电预测发送至供电企业。
供电企业可以指可以供应和/或调度电能的企业。例如,国家电网或南方电网下属的各市级供电公司。
在一些实施例中,城市供电管理平台可以通过网络120将供电预测发送至供电企业。在一些实施例中,供电企业可以根据供电预测,对不同区域的供电进行调整。例如,供电企业可以根据区域a的供电预测为0,对区域a进行更多地供电。
在一些实施例中,城市供电管理平台还可以将确定供电预测所需的中间数据发送至供电企业。例如,第一发电数据、第二发电数据等。
本说明书的一些实施例通过对第二发电数据进行汇总得到第一发电数据,可以得到不同的区域和/或时间的第一发电数据,并基于第一发电数据和环境数据确定供电预测,提高了供电预测的准确性,以便供电企业基于实际需求确定对应的生产计划,避免资源的浪费。
图4是根据本说明书一些实施例所示的确定供电预测的示例性流程图。在一些实施例中,流程400可以由城市供电管理平台220执行。
在一些实施例中,城市供电管理平台可以通过第一预测模型,基于第一发电数据和环境数据,确定供电预测。
第一预测模型可以指训练后的机器学习模型。在一些实施例中,第一预测模型可以包括其他模型,例如,深度神经网络模型、循环神经网络模型、卷积神经网络或其他自定义的模型结构等中的任意一种或组合。
在一些实施例中,训练该第一预测模型时,可以使用多个带有标签的训练样本,通过多种方法(例如,梯度下降法)进行训练,从而可以学习到模型的参数,当训练的模型满足预设条件时,训练结束,获取训练好的第一预测模型。
训练样本可以包括按月份、季度、年份获取的历史的第一发电数据、历史的环境数据,训练样本的标签可以是历史的供电数据,训练样本的标签可以通过人工标注进行获取。在一些实施例中,第一预测模型可以在另外的设备或模块中被训练。
第一发电数据可以包括与发电相关的更多的信息。例如,与发电过程相关的信息(如,发电所需的时间)、与发电装置相关的信息(如,输出功率)等。在一些实施例中,第一发电数据可以包括住宅自发电数据的第一分布信息、第二分布信息中的至少一种。
第一分布信息可以指住宅自发电数据按照某种方式分布而呈现的信息。在一些实施例中,第一分布信息可以包括按发电方式的分布信息。例如,由一种发电方式而产生的住宅自发电数据分布在区域a,由另一种发电方式而产生的住宅自发电数据分布在区域b。
发电方式可以指发电装置产生电能的方式。例如,太阳能发电装置的发电方式为太阳能发电,风力发电装置的发电方式为风力发电。
第二分布信息可以指住宅自发电数据按照另一种方式分布而呈现的信息。在一些实施例中,第二分布信息可以包括按时间的分布信息。例如,一段时间产生的住宅自发电数据分布在区域a,另一段时间产生的住宅自发电数据分布在区域b。
时间可以指衡量发电持续期间的尺度。例如,年、月、日等。又例如,春季、夏季、秋季、冬季等。
在一些实施例中,城市供电管理平台可以基于第一分布信息和/或第二分布信息,根据环境数据,确定供电预测。例如,城市供电管理平台可以基于第一分布信息,得到通过太阳能进行发电的发电方式分布在区域a,根据区域a的环境数据为一年中晴天的天数只有90天,确定区域a的供电预测为供电很少或供电为零。又例如,城市供电管理平台可以基于第二分布信息,得到每天早上9点到10点产生的住宅自发电数据分布在区域a,根据区域a的环境数据为未来三天都为阴天,且无风,确定区域a的供电预测为供电为零。
在一些实施例中,供电管理平台可以将第一分布信息和/或第二分布信息,以及环境数据,输入到第一预测模型,获取供电预测。关于第一预测模型的说明参见图4。
通过使用住宅自发电数据的第一分布信息和/或第二分布信息,可以对不同的发电方式分布和/或时间分布,结合环境数据,进行供电预测,进而可以提高供电预测的准确性。例如,同一区域,一般情况下夏季的发电量会比冬季的发电量高。
环境数据可以包括与对应的区域相关的更多信息。例如,人流量、商场的分布等。在一些实施例中,环境数据可以包括天气预报数据和交通流量数据。
天气预报数据可以指天气预报中涉及的数据。例如,气温、降水、风速、风向、气压、湿度、云量等。
在一些实施例中,天气预报数据可以用于住宅自发电数据的预测和总用电数据的预测。示例性的,当发电方式为太阳能发电或风力发电时,天气可以对发电产生影响。例如,当晴天多时,有利于太阳能发电,可以产生更多的电能。又例如,当风速快时,有利于风力发电,可以产生更多的电能。同时,天气也可以对用电产生影响。例如,当气温过高或过低时,空调的使用率会提高,进而导致用电量的提高。
交通流量数据可以指单位时间内,车辆、行人经过道路某一位置的数量。例如,交通流量数据可以包括公交车的数据、私家车的数据、电动车的数据、行人的数据等。在一些实施例中,交通流浪数据可以反映道路的拥挤程度和/或热门程度。
在一些实施例中,交通流量数据可以用于预测区域内的总用电数据。在一些实施例中,城市供电管理平台可以基于对交通流量数据中包括的电动车的数据进行分析、处理,确定区域内存在电动车的总数,然后基于电动车充电所需的电量,预测区域内的总用电数据。
其中,电动车充电所需的电量可以指维持电动车正常运行所需的电量,例如,将电动车从没电到充满电所要消耗的电量。城市供电管理平台可以基于多种方式获取电动车充电所需的电量,例如,可以基于人工输入获取电动车充电所需的电量,又如,可以基于获取电动车的型号等信息,再从网络查询对应的信息。
城市供电管理平台可以基于区域内电动汽车的数量变化情况,预测区域内的总用电数据,例如,城市供电管理平台基于电动车的数据确定区域内存在20辆电动车,基于人工输入获取的电动车从没电到充满电所需的电量为60度,城市供电管理平台可以将以上两个数据进行相乘,基于相乘的结果1200度,预测区域内的总用电数据为1200度。
在一些实施例中,城市供电管理平台可以将第一分布信息和/或第二分布信息,以及天气预报数据和/或交通流量数据,输入到第一预测模型,获取供电预测。关于第一预测模型的说明参见图4。
使用交通流量数据,可以考虑电动车等需要充电的车辆对总用电数据的影响,可以提升预测总用电数据的准确性。使用天气预报数据,可以考虑天气对住宅自发电数据和总用电数据的影响,进而提升供电预测和预测总用电数据的准确性。
本说明书的一些实施例通过将包括第一分布信息和第二分布信息的第一发电数据和包括天气预报数据和交通流量数据的环境数据,输入到第一预测模型中,可以使模型输出更加精细化的考虑了实际用电需求及供电条件的供电预测,进一步提高了供电预测的准确性。
图5是根据本说明书一些实施例所示的确定第一用电需求的示例性流程图。如图5所示,流程500包括下述步骤。在一些实施例中,流程500可以由城市供电管理平台220执行。
在一些实施例中,交通流量数据可以用于预测第一用电需求。
第一用电需求可以指某个区域的用电量。在一些实施例中,城市供电管理平台220可以通过下述步骤确定第一用电需求。
步骤510,将供电端按道路交通的干路划分区域。
供电端可以指自发电的住宅所在的区域。
道路交通的干路可以指道路交通中的主要道路,其可以连接各功能片区以供机动车通行。例如,地图中的朝阳大道。
在一些实施例中,城市供电管理平台可以按照供电端在地图中的位置,根据供电端所在的干路或其附近的道路交通的干路,对供电端进行划分区域。划分区域的方式可以包括但不限于区域与干路的相对位置、干路与干路的边界等。
区域与干路的相对位置可以指哪个区域位于哪个干路的什么方向。干路与干路的边界可以指干路与干路之间的边界。例如,若供电端P所覆盖的区域中共包含两条平行的干路A、干路B,则城市供电管理平台可以基于干路A、干路B,将供电端P划分为区域a、区域b和区域c,其中,区域a位于干路A下方,区域b位于干路A、干路B之间,区域c位于干路B上方。
步骤520,获取每个区域的车流量作为环境特征。
车流量可以指在一定的时间内,某条公路点上所通过的车辆数。例如,某条公路点上,早上8点到9点的车流量为8.2辆/每分钟。
环境特征可以指基于区域内的车流量而确定的用于模型处理的特征。在一些实施例中,环境特征可有文字、数字等多种表示方式。例如,“车少”、“10”等。数字可以表示车流量的大小。在一些实施例中,城市供电管理平台可以直接将车流量确定为环境特征。
在一些实施例中,城市供电管理平台可以获取每个区域的车流量,基于车流量大于预设的阈值,确定环境特征。例如,城市供电管理平台基于区域内的车流量为10辆/每分钟大于预设的阈值为5辆/每分钟,可以确定的环境特征为“车多”或“2”。其中,数字可以表示区域内的车流量是预设的阈值的多少倍。
步骤530,通过用电预测模型,基于环境特征,按区域确定第一用电需求。
用电预测模型可以是用于获取第一用电需求的模型。在一些实施例中,用电预测模型可以包括深度神经网络模型、循环神经网络模型、卷积神经网络或其他自定义的模型结构等中的任意一种或组合。
在一些实施例中,用电预测模型的输入可以是区域的环境特征和区域的第一发电数据,其输出可以是区域的第一用电需求。例如,将区域a的环境特征和区域a的第一发电数据输入到用电预测模型,其可以输出区域a的第一用电需求。
在一些实施例中,用电预测模型可以基于训练获取。用电预测模型的训练可以由城市供电管理平台执行。用电预测模型的训练可以基于以下方法实现。
第一步,获取至少一个训练样本以及初始用电预测模型,其中,训练样本包括不同区域的历史的第一发电数据和与不同区域对应的历史的环境特征。初始用电预测模型可以是未经调整模型参数或还未达到训练要求的用电预测模型。训练样本的数量可以根据用电预测模型的精度需求、实际应用场景等因素确定。
在一些实施例中,城市供电管理平台可以从存储设备获取不同区域的历史的第一发电数据和与不同区域对应的历史的环境特征作为训练样本。在一些实施例中,城市供电管理平台可以基于供电企业的人员输入的不同区域的历史的第一发电数据和与不同区域对应的历史的环境特征作为训练样本。
在一些实施例中,训练样本的标签可以为不同区域的历史的第一用电需求。在一些实施例中,训练样本的标签可以通过人工标注获取,也可以通过获取已有不同区域的历史的第一用电需求标注的第一发电数据和环境特征作为训练样本,以省去人工标注环节。
第二步,基于至少一个训练样本迭代更新初始用电预测模型的参数以得到用电预测模型。
在一些实施例中,可以将训练样本输入初始用电预测模型,通过训练迭代更新初始用电预测模型的参数,直到训练的用电预测模型满足预设条件,获取训练好的用电预测模型,其中,预设条件可以是损失函数小于阈值、收敛,或训练周期达到阈值。在一些实施例中,迭代更新模型参数的方法可以包括随机梯度下降等模型训练方法。
在一些实施例中,城市供电管理平台可以基于不同区域的环境特征和与区域对应的第一发电数据,通过用电预测模型,确定不同区域的第一用电需求。例如,基于区域a的环境特征和区域a的第一发电数据,区域b的环境特征和区域b的第一发电数据,通过用电预测模型,可以确定区域a的第一用电需求和区域b的第一用电需求。
在一些实施例中,城市供电管理平台可以基于区域的第一用电需求和与该区域对应的发电量之间的差值,确定该区域的供电预测。
本说明书的一些实施例通过将供电端划分为不同的区域,并确定不同的区域的环境特征,进一步地,基于不同的区域的环境特征和与区域对应的第一发电数据,去确定不同的区域的第一用电需求。如此设置,可以准确地、精细化地确定不同的区域的第一用电需求,进一步提高供电预测的准确性。
在传感网络平台从采集终端获取第二发电数据时,传感网络平台可以从智能电表和能源路由器获取第二发电数据。对于不同的发电方式,其采集终端也不相同,确定不同的发电方式与其对应的采集终端后也可以降低获取由不同的发电方式而得到第二发电数据的难度,因此,有必要需要知道与发电方式对应的采集终端。
在一些实施例中,城市供电管理平台可以将发电方式的划分以及发电方式的分布信息发送至传感网络平台,传感网络平台可以根据发电方式的划分确定采集终端。例如,传感网络平台可以根据发电方式为太阳能发电确定采集终端为智能电表。又例如,传感网络平台可以根据发电方式为风力发电确定采集终端为能源路由器。
传感网络平台通过根据发电方式的划分确定采集终端,可以确定不同的发电方式与其对应的采集终端,还可以降低获取由不同的发电方式而得到第二发电数据的难度。
为了进一步提高确定供电预测的准确性,还可以在确定第一发电数据时,对区域信息进行子划分。
在一些实施例中,城市供电管理平台可以将区域信息按传感网络平台的分区进行子划分,将子划分发送至传感网络平台,传感网络平台根据子划分确定第一发电数据。
区域信息可以指与将供电端按道路交通的干路划分后得到的区域相关的信息。例如,区域a的范围、区域b的范围等。在一些实施例中,城市供电管理平台可以根据划分区域的方式,获取区域信息。例如,基于上述示例的划分,可以获取区域a的范围、区域b的范围和区域c的范围。
传感网络平台的分区可以指将传感网络平台进行划分而形成的多个独立的区域。每个独立的区域可以被称为传感网络平台的子平台,即,传感网络平台可以由多个子平台组成。例如,如图6所示,若传感网络平台由子平台A、B、C组成,则传感网络平台的分区可以指子平台A、B、C。
在一些实施例中,传感网络平台的一个分区可以对区域中的一部分进行管理。管理可以指对区域中的数据进行处理。例如,若子平台A可以获取区域a中一部分区域的第二发电数据,则可以称为子平台A对区域a中的此部分区域进行管理。
按传感网络平台的分区进行子划分可以指在对进行某项划分时,划分的依据是传感网络平台的分区。进一步地,划分的依据可以包括传感网络平台的分区与其对应的管理的区域。例如,在对区域a进行划分时,若传感网络平台的分区为子平台A、B、C,子平台A、B、C分别管理区域a中的不同区域,则可以将区域a按照传感网络平台的分区划分为3个区域,即区域a~A、a~B、a~C,分别表示区域a中子平台A、B、C管理的区域。
在一些实施例中,城市供电管理平台可以将区域信息按传感网络平台的分区进行子划分,将子划分发送至传感网络平台,传感网络平台根据子划分确定的分区,以及传感网络平台的分区,确定传感网络平台的分区的第一发电数据。
为了更清楚地进行说明,以下将结合图6进行说明,例如,传感网络平台的分区为子平台A、B、C,如图6所示流程600,城市供电管理平台对区域a按传感网络平台的分区进行子划分,得到的3个分区可以分别表示为为a~A、a~B、a~C,城市供电管理平台对区域b按传感网络平台的分区进行子划分,得到的3个分区可以分别表示为b~A、b~B、b~C。其中,“~”前面的a和b可以表示这个分区属于区域a还是区域b,“~”后面的A、B、C可以表示这个分区是按照子平台A、B、C进行子划分而得到的。
城市供电管理平台将子划分得到的分区为a~A、a~B、a~C、b~A、b~B、b~C发送到传感网络平台,传感网络平台可以确定子平台A的第一发电数据为(a+b)~A的发电数据,子平台B的第一发电数据为(a+b)~B的发电数据,子平台C的第一发电数据为(a+b)~C的发电数据。
通过将区域信息按传感网络平台的分区进行子划分,确定每个子划分得到的区域的发电数据,进而确定传感网络平台的分区的第一发电数据。如此设置,可以确定每个传感网络平台的分区的第一发电数据,进而可以精细化地进行确定不同的传感网络平台的分区的供电预测。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (9)

1.一种基于物联网的智慧城市供电管理方法,所述方法由城市供电管理平台执行,所述方法包括:
通过传感网络平台获取第一发电数据;所述第一发电数据由所述传感网络平台汇总第二发电数据确定,所述第二发电数据为住宅自发电数据;
通过第一预测模型,基于所述第一发电数据和环境数据,确定供电预测,所述第一预测模型为机器学习模型;以及
将所述供电预测发送至供电企业,以基于所述供电预测确定发电数据。
2.根据权利要求1所述的方法,所述由所述传感网络平台汇总第二发电数据,包括:
所述传感网络平台与对象平台进行通信并获取所述第二发电数据,所述对象平台被配置为采集终端并获得数据;所述采集终端包括智能电表和/或能源路由器;
基于所述传感网络平台汇总获取的所述第二发电数据。
3.根据权利要求1所述的方法,所述通过传感网络平台获取第一发电数据包括:
基于所述传感网络平台按错时方式从所述采集终端获取所述第二发电数据;
基于所述传感网络平台通过对所述第二发电数据的汇总处理确定所述第一发电数据;
基于所述传感网络平台按错时方式获取所述第一发电数据。
4.根据权利要求1所述的方法,所述第一发电数据包括所述住宅自发电数据的第一分布信息、第二分布信息中的至少一种;
所述第一分布信息包括按发电方式的分布信息,所述第二分布信息包括按时间的分布信息。
5.根据权利要求1所述的方法,所述环境数据包括天气预报数据和交通流量数据。
6.根据权利要求5所述的方法,所述交通流量数据用于预测第一用电需求;所述预测第一用电需求包括:
将供电端按道路交通的干路划分区域;
获取每个所述区域的车流量作为环境特征,
通过用电预测模型,基于所述环境特征,按区域确定所述第一用电需求。
7.一种基于物联网的智慧城市供电管理系统,所述系统包括城市供电管理平台、传感网络平台、对象平台,所述城市供电管理平台被配置为执行以下操作:
通过所述传感网络平台获取第一发电数据;所述第一发电数据由所述传感网络平台汇总第二发电数据确定,所述第二发电数据为住宅自发电数据;
通过第一预测模型,基于所述第一发电数据和环境数据,确定供电预测,所述第一预测模型为机器学习模型;以及
将所述供电预测发送至供电企业,以基于所述供电预测确定发电数据。
8.一种基于物联网的智慧城市供电管理装置,其特征在于,所述装置包括至少一个处理器以及至少一个存储器;
所述至少一个存储器用于存储计算机指令;
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求1~6中任一项所述的基于物联网的智慧城市供电管理方法。
9.一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机运行如权利要求1~6中任一项所述的基于物联网的智慧城市供电管理方法。
CN202310243810.9A 2022-05-12 2023-03-14 基于物联网的智慧城市供电管理方法、系统及存储介质 Pending CN116245246A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/663,210 2022-05-12
US17/663,210 US20230369857A1 (en) 2022-05-12 2022-05-12 Methods and systems for power-supply management in smart urban based on internet of things

Publications (1)

Publication Number Publication Date
CN116245246A true CN116245246A (zh) 2023-06-09

Family

ID=86634958

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310243810.9A Pending CN116245246A (zh) 2022-05-12 2023-03-14 基于物联网的智慧城市供电管理方法、系统及存储介质

Country Status (2)

Country Link
US (1) US20230369857A1 (zh)
CN (1) CN116245246A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117557009B (zh) * 2024-01-12 2024-05-07 东莞市华灏技术有限公司 一种电源效率监测方法及系统

Also Published As

Publication number Publication date
US20230369857A1 (en) 2023-11-16

Similar Documents

Publication Publication Date Title
CN111641207B (zh) 一种区域能源综合体虚拟聚合系统及方法
Sui et al. A demand side management model based on advanced metering infrastructure
CN112467722A (zh) 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法
Khan et al. Technical investigation on V2G, S2V, and V2I for next generation smart city planning
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
CN111191811A (zh) 集群负荷预测方法、装置及存储介质
CN109003128A (zh) 基于改进的随机森林公共自行车站点需求量预测方法
CN111564053A (zh) 车辆调度方法、装置、车辆调度设备和存储介质
EP2746093A1 (en) Method and apparatus for optimized management of an electric vehicle charging infrastructure
JP2012152100A (ja) 動的な負荷プロファイリング
CN116565846A (zh) 一种虚拟电厂需求预测方法、系统及可读存储介质
CN114372360A (zh) 用于电力负荷预测的方法、终端及存储介质
CN116245246A (zh) 基于物联网的智慧城市供电管理方法、系统及存储介质
CN116914747A (zh) 电力用户侧负荷预测方法及系统
Přibyl et al. Definition of a smart street as smart city's building element
Zamanidou et al. Day‐ahead scheduling of a hybrid renewable energy system based on generation forecasting using a deep‐learning approach
Zheng et al. Short-term energy consumption prediction of electric vehicle charging station using attentional feature engineering and multi-sequence stacked Gated Recurrent Unit
Lai et al. Short‐term passenger flow prediction for rail transit based on improved particle swarm optimization algorithm
Selvarajoo et al. Urban electric load forecasting with mobile phone location data
CN114069700A (zh) 一种基于能源互联网的区域综合能源调度控制系统
CN112560325B (zh) 换电业务的预测方法、系统、设备及存储介质
Li et al. Aggregated wind power characteristic curves and artificial intelligence for the regional wind power infeed estimation
DE102020212574A1 (de) Verfahren und Anordnung zur Optimierung des Energieverbrauchs von Gebäuden
Yoshioka et al. Economic evaluation of charging/discharging control of electric vehicles as system flexibility considering control participation rate
CN112348235A (zh) 风光母线负荷自适应预测方法、装置、计算机设备

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