CN116307295A - 应用于云平台的智慧能源数字化管理系统及方法 - Google Patents

Abstract

本发明涉及能源数字化管理技术领域，具体为应用于云平台的智慧能源数字化管理系统及方法，包括：用能数据采集模块、云端管理平台、优化目标筛选模块、目标数据分析模块和用能预测管理模块，通过用能数据采集模块采集用能主体的历史用能数据，通过云端管理平台存储并管理采集到的全部数据，通过优化目标筛选模块分析不同用能主体的用能时长，筛选出优化目标，通过目标数据分析模块预测优化目标在用电量趋于稳定时的用电量，通过用能预测管理模块调整用能预测参考数据，对分布式能源站进行供能的所有用能主体的总用电量进行预测，并发送预测结果，提高了用能预测结果的准确性和可信度，以便帮助尽早进行供能分布式能源站的供能调度。

Description

应用于云平台的智慧能源数字化管理系统及方法

技术领域

本发明涉及能源数字化管理技术领域，具体为应用于云平台的智慧能源数字化管理系统及方法。

背景技术

智慧能源管理是一种利用信息技术来提高能源效率、减少能源浪费和控制能源成本的方法，对智慧能源进行数字化管理能够实现自动监测和控制能源使用等目标，智慧能源管理包括能源监测、能源预测、能源效率优化和能源计划，能源预测指的是通过对能源使用趋势的分析，预测未来的能源使用情况，可以帮助预先做出规划；

然而，现有的能源预测方式仍存在一些问题：在预测能源使用情况时，需要有采纳用能主体的一些用能历史数据作为参考数据，但是，由于部分用能主体属于开始用能时间不长的新用能主体，新用能主体存在初始用能需求可能较低、后期用能需求逐渐提升的情况，将新用能主体的初始用能数据作为预测时的参考数据，会导致预测误差较大，得到的预测结果也不符合未来用电趋势，不利于分布式能源站及时依据预测结果进行供能调度。

所以，人们需要应用于云平台的智慧能源数字化管理系统及方法来解决上述问题。

发明内容

本发明的目的在于提供应用于云平台的智慧能源数字化管理系统及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：应用于云平台的智慧能源数字化管理系统，所述系统包括：用能数据采集模块、云端管理平台、优化目标筛选模块、目标数据分析模块和用能预测管理模块；

所述用能数据采集模块的输出端连接所述云端管理平台的输入端，所述云端管理平台的输出端连接所述优化目标筛选模块和目标数据分析模块的输入端，所述优化目标筛选模块的输出端连接所述目标数据分析模块的输入端，所述目标数据分析模块的输出端连接所述用能预测管理模块的输入端；

通过所述用能数据采集模块采集用能主体的历史用能数据，将历史用能数据传输到所述云端管理平台；

通过所述云端管理平台存储并管理采集到的全部数据；

通过所述优化目标筛选模块分析不同用能主体的用能时长，依据用能时长筛选出优化目标；

通过所述目标数据分析模块分析优化目标用能数据，预测优化目标在用电量趋于稳定时的用电量；

通过所述用能预测管理模块调整用能预测参考数据，依据参考数据对分布式能源站进行供能的所有用能主体的总用电量进行预测，并发送预测结果。

进一步的，所述用能数据采集模块包括用能时长采集单元和用电量采集单元；

所述用能时长采集单元和用电量采集单元的输出端连接所述云端管理平台的输入端；

所述用能时长采集单元用于采集不同用能主体使用分布式能源站供给的电量的总时长；

所述用电量采集单元用于采集不同用能主体以往的用电量数据。

进一步的，所述优化目标筛选模块包括用能主体分组单元和优化数据筛选单元；

所述用能主体分组单元的输入端连接所述云端管理平台的输出端，所述用能主体分组单元的输出端连接所述优化数据筛选单元的输入端；

所述用能主体分组单元用于调取用能时长数据，依据用能时长将用能主体进行分组；

所述优化数据筛选单元用于依据最佳的分组结果筛选出需要优化用能数据的用能主体作为优化目标，将筛选结果传输到所述目标数据分析模块中。

进一步的，所述目标数据分析模块包括用能数据调取单元和目标用电量预测单元；

所述用能数据调取单元的输入端连接所述优化数据筛选单元和云端管理平台的输出端，所述用能数据调取单元的输出端连接所述目标用电量预测单元的输入端；

所述用能数据调取单元用于调取优化目标的历史用能数据，将调取到的数据传输到所述目标用电量预测单元中；

所述目标用电量预测单元用于预测优化目标在用电量趋于稳定时的用电量，分析预测到的优化目标在不同时刻的用电量，统计用电量差值，设置差值阈值，当统计到连续n个用电量差值低于阈值时，表示优化目标的用电量趋于稳定。

进一步的，所述用能预测管理模块包括参考数据调整单元、用能预测单元和预测结果传输单元；

所述参考数据调整单元的输入端连接所述目标用电量预测单元的输出端，所述参考数据调整单元的输出端连接所述用能预测单元的输入端，所述用能预测单元的输出端连接所述预测结果传输单元的输入端；

所述参考数据调整单元用于将用能预测时参考的优化目标初始用电量调整为预测到的趋于稳定时的用电量，将调整后的参考数据传输到所述用能预测单元中；

所述用能预测单元用于依据非优化目标以往的用电量和调整后的参考数据预测分布式能源站进行供能的所有用能主体未来的总用电量，将总用电量和分布式能源站的最大供电量进行比较，将比较结果传输到所述预测结果传输单元，所述分布式能源站为优化目标和非优化目标供能；

所述预测结果传输单元用于在预测到总用电量超出分布式能源站的最大供电量时，将预测结果传输到管理终端。

应用于云平台的智慧能源数字化管理方法，包括以下步骤：

Z1：采集用能主体的历史用能数据；

Z2：分析不同用能主体的用能时长，依据用能时长筛选出优化目标；

Z3：分析优化目标用能数据，预测优化目标在用电量趋于稳定时的用电量；

Z4：调整用能预测参考数据，对分布式能源站进行供能的所有用能主体的总用电量进行预测；

Z5：将总用电量和分布式能源站的最大供电量进行比较，在预测到总用电量超出分布式能源站的最大供电量时，发送预测结果。

进一步的，在步骤Z1中：采集到通过同一分布式能源站进行供能的用能主体的用能时长集合为V={V₁，V₂，…，V_m}，其中，m表示用能主体数量，采集对应用能主体以往的用电量数据，每间隔时间a采集一次用能主体以往的用电量；

在步骤Z2中：调取用能主体的用能时长数据，将用能主体按用能时长从短到长的顺序进行排列，排列后将用能主体按用能时长分为f组，其中，前一组每一个用能主体的用能时长都小于后一组中所有用能主体的用能时长，获取到随机一种分组方式分组后，每组用能主体的用能时长总和集合为v={v₁，v₂，…，v_f}，根据下列公式计算随机一种分组方式对优化目标筛选的参考价值Q_i：

Q_i=[(∑^f _j=1(v_j-(∑^f _j=1v_j)/f)²)/f]^1/2；

其中，v_j表示随机一种分组方式分组后，随机一组用能主体的用能时长总和，通过相同计算方式得到不同分组方式对优化目标筛选的参考价值，选择参考价值最大的分组方式作为最佳分组方式，获取最佳分组方式的分组结果，从最佳分组方式的分组结果中筛选出用能时长总和最短的一组用能主体作为优化目标；

在对未来时刻用能主体的用能数据进行预测时，由于部分用能主体属于开始用能时间不长的新用能主体，而新用能主体的初始用能需求可能较低，后期用能需求逐渐提升，将新用能主体的初始用能数据作为预测时参考的初始用能数据，预测误差较大，得到的预测结果不符合未来趋势，不利于分布式能源站及时依据预测结果进行供能调度，因此，通过大数据分析不同用能主体的用能时长数据，筛选出优化目标，即新用能主体，目的在于调整新用能主体的参考数据，有利于减少预测误差；

而在筛选优化目标过程中，通过先将用能主体进行分组，由于存在不同的分组方式，依据分组后用能主体间的用能时长差异分析分组结果的参考价值，差异越大，判断参考价值越大，选择最佳分组方式，将用能时长短的用能主体进行聚类，有利于准确地筛选出整体用能时长较短的用能主体。

进一步的，在步骤Z3中：调取优化目标以往的用电量数据，获取到随机一个优化目标的用电量集合为A={A₁，A₂，…，A_k}，其中，k表示采集次数，根据公式S_k+1=ε*A_k+(1-ε)*S_k预测得到对应优化目标第k+1次的用电量S_k+1，其中，ε表示加权系数，S_k表示优化目标第k次用电量的指数平滑值，通过类推计算得到对应优化目标在第k+1次后的用电量集合为S={S_k+1，S_k+2，…，S_k+c}，统计用电量差值，第k+2次与第k+1次的用电量差值为S_k+2- S_k+1，设置差值阈值为x，统计到从第h次开始，连续n个用电量差值低于x，即从第h次开始对应优化目标的用电量趋于稳定，将对应优化目标第h次的用电量作为参考数据，根据公式S₁=ε*A₁+(1-ε)*(∑³ _i=1(A_i)/3)计算得到优化目标第1次用电量的指数平滑值，根据公式S₂=ε*A₁+(1-ε)*S₁计算得到优化目标第2次用电量的指数平滑值，依此类推计算得到S_k+1、S_k+2、…S_k+c；

利用指数平滑算法获取筛选出的优化目标趋于稳定时的用电量，目的在于对采用的优化目标的用能数据进行调整，优化目标趋于稳定后的用电量可能是未来长时间内对应优化目标波动较小的用电量，有利于提高用能预测结果的准确性。

进一步的，在步骤Z4中：将用能预测时参考的对应优化目标初始用电量调整为第h次的用电量，获取到第h次后对应优化目标的用电量集合为s={s_h，s_h+1，…，s_h+d}，其中，s_h+d表示对应优化目标当前的用电量，根据公式w_h=ε*s_h+(1-ε)*(∑^h+2 _i=h(s_i)/3)计算得到优化目标第h次用电量的指数平滑值，根据公式w_h+1=ε*s_h+(1-ε)*w_h计算得到优化目标第h+1次用电量的指数平滑值，根据公式w_h+d+1=ε*s_h+d+(1-ε)*w_h+d预测得到对应优化目标第h+d+1次的用电量w_h+d+1，其中，w_h+d表示优化目标第h+d次用电量的指数平滑值，w_h+d+1即为对应优化目标在当前时间后第一次的用电量，通过相同计算方式预测得到所有优化目标在当前时间后第一次的用电量，采集非优化目标以往的用电量数据，以第g次的用电量作为非优化目标的初始用电量，通过相同方式预测得到非优化目标在当前时间后第一次的用电量，将预测到的优化目标和非优化目标在当前时间后第一次的用电量相加，得到分布式能源站供能的所有用能主体在当前时间后第一次的总用电量；

在预测优化目标的用电量时，将初始用电量调整为第h次的用电量，即将第h次的用电量作为初始用电量，第h次的用电量更能反映优化目标的用能实际情况，而对于不是优化目标的用能主体，因为用能时长偏长且用电量基本处于稳定状态，采用随机一次的用电量作为初始用电量，将优化目标和非优化目标的用电量分开预测，采用相同的指数平滑算法进行预测，再将预测得到的用电量相加得到分布式能源站供能的所有用能主体的总用电量，优化了预测时的参考数据，减少了预测误差。

进一步的，在步骤Z5中：获取到为所有用能主体供能的分布式能源站的最大供电量为W，比较预测到的总用电量和W，在总用电量超出W时，发送预测结果至管理终端，提醒相关人员进行供能调度；

预测用能主体的用能情况的目的在于与分布式能源站的供电情况进行比较，有利于提醒相关人员提前对分布式能源站做好供能调度以保障未来为用能主体顺利供电。

与现有技术相比，本发明所达到的有益效果是：

本发明通过对未来时刻用能主体的用能数据进行预测，与分布式能源站的供电情况进行比较，有利于提醒相关人员提前对分布式能源站做好供能调度以保障未来为用能主体顺利供电；

在预测过程中，考虑到部分用能主体属于开始用能时间不长的新用能主体，将新用能主体的初始用能数据作为预测时参考的初始用能数据会导致预测误差较大，通过大数据分析不同用能主体的用能时长数据，筛选出优化目标，即新用能主体，调整新用能主体的参考数据，减少了预测误差，提高了用能预测结果的准确性和可信度，以便帮助尽早进行供能分布式能源站的供能调度。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明应用于云平台的智慧能源数字化管理系统的结构图；

图2是本发明应用于云平台的智慧能源数字化管理方法的流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

下面结合图1-图2和具体实施例对本发明作进一步的说明。

实施例1：如图1所示，本实施例提供了应用于云平台的智慧能源数字化管理系统，系统包括：用能数据采集模块、云端管理平台、优化目标筛选模块、目标数据分析模块和用能预测管理模块；

用能数据采集模块的输出端连接云端管理平台的输入端，云端管理平台的输出端连接优化目标筛选模块和目标数据分析模块的输入端，优化目标筛选模块的输出端连接目标数据分析模块的输入端，目标数据分析模块的输出端连接用能预测管理模块的输入端；

通过用能数据采集模块采集用能主体的历史用能数据，将历史用能数据传输到云端管理平台；

用能主体指的是使用分布式能源站供能的所有对象，可以是企业单位、家庭用户等；

通过云端管理平台存储并管理采集到的全部数据；

通过优化目标筛选模块分析不同用能主体的用能时长，依据用能时长筛选出优化目标；

通过目标数据分析模块分析优化目标用能数据，预测优化目标在用电量趋于稳定时的用电量；

通过用能预测管理模块调整用能预测参考数据，依据参考数据对分布式能源站进行供能的所有用能主体的总用电量进行预测，并发送预测结果。

用能数据采集模块包括用能时长采集单元和用电量采集单元；

用能时长采集单元和用电量采集单元的输出端连接云端管理平台的输入端；

用能时长采集单元用于采集不同用能主体使用分布式能源站供给的电量的总时长，总时长为用能主体开始用电时间到当前的间隔时长；

用电量采集单元用于采集不同用能主体以往的用电量数据。

优化目标筛选模块包括用能主体分组单元和优化数据筛选单元；

用能主体分组单元的输入端连接云端管理平台的输出端，用能主体分组单元的输出端连接优化数据筛选单元的输入端；

用能主体分组单元用于调取用能时长数据，依据用能时长将用能主体进行分组；

优化数据筛选单元用于依据最佳的分组结果筛选出需要优化用能数据的用能主体作为优化目标，将筛选结果传输到目标数据分析模块中，对筛选出的用能主体的用能数据进行调整优化后，将对应用能主体的用能数据作为分布式能源站供能的所有用能主体的总用电量预测参考数据。

目标数据分析模块包括用能数据调取单元和目标用电量预测单元；

用能数据调取单元的输入端连接优化数据筛选单元和云端管理平台的输出端，用能数据调取单元的输出端连接目标用电量预测单元的输入端；

用能数据调取单元用于调取优化目标的历史用能数据，将调取到的数据传输到目标用电量预测单元中；

目标用电量预测单元用于预测优化目标在用电量趋于稳定时的用电量，分析预测到的优化目标在不同时刻的用电量，统计用电量差值，设置差值阈值，当统计到连续n个用电量差值低于阈值时，表示优化目标的用电量趋于稳定。

用能预测管理模块包括参考数据调整单元、用能预测单元和预测结果传输单元；

参考数据调整单元的输入端连接目标用电量预测单元的输出端，参考数据调整单元的输出端连接用能预测单元的输入端，用能预测单元的输出端连接预测结果传输单元的输入端；

参考数据调整单元用于将用能预测时参考的优化目标初始用电量调整为预测到的趋于稳定时的用电量，将调整后的参考数据传输到用能预测单元中；

用能预测单元用于依据非优化目标以往的用电量和调整后的参考数据预测分布式能源站进行供能的所有用能主体未来的总用电量，将总用电量和分布式能源站的最大供电量进行比较，将比较结果传输到预测结果传输单元；

预测结果传输单元用于在预测到总用电量超出分布式能源站的最大供电量时，将预测结果传输到管理终端。

实施例2：如图2所示，本实施例提供了应用于云平台的智慧能源数字化管理方法，其基于实施例中的管理系统实现，具体包括以下步骤：

Z1：采集用能主体的历史用能数据，采集到通过同一分布式能源站进行供能的用能主体的用能时长集合为V={V₁，V₂，…，V_m}，其中，m表示用能主体数量，采集对应用能主体以往的用电量数据，每间隔时间a采集一次用能主体以往的用电量；

例如：采集到用能主体的用能时长集合为V={V₁，V₂，V₃，V₄，V₅，V₆，V₇}={10，20，30，25，6，8，50}，单位为：天；

Z2：分析不同用能主体的用能时长，依据用能时长筛选出优化目标，调取用能主体的用能时长数据，将用能主体按用能时长从短到长的顺序进行排列，排列后将用能主体按用能时长分为f=3组，其中，前一组每一个用能主体的用能时长都小于后一组中所有用能主体的用能时长，获取到随机一种分组方式分组后，每组用能主体的用能时长总和集合为v={v₁，v₂，v₃}={24，75，50}，根据公式Q_i=[(∑^f _j=1(v_j-(∑^f _j=1v_j)/f)²)/f]^1/2计算随机一种分组方式对优化目标筛选的参考价值Q_i≈20.8，其中，v_j表示随机一种分组方式分组后，随机一组用能主体的用能时长总和，通过相同计算方式得到不同分组方式对优化目标筛选的参考价值，选择参考价值最大的分组方式作为最佳分组方式，获取最佳分组方式的分组结果，从最佳分组方式的分组结果中筛选出用能时长总和最短的一组用能主体作为优化目标，得到最短的一组用能主体为：用能时长为V₁、V₅和V₆的用能主体；

Z3：分析优化目标用能数据，预测优化目标在用电量趋于稳定时的用电量，调取优化目标以往的用电量数据，获取到随机一个优化目标的用电量集合为A={A₁，A₂，A₃，A₄}={500，550，1000，1200，1300}，设置加权系数为0.4，根据公式S₁=ε*A₁+(1-ε)*(∑³ _i=1(A_i)/3)计算得到优化目标第1次用电量的指数平滑值，S₁=610，根据公式S₂=ε*A₁+(1-ε)*S₁计算得到优化目标第2次用电量的指数平滑值，S₂=566，根据公式S₆=ε*A₅+(1-ε)*S₅预测得到对应优化目标第k+1=6次的用电量S₆，S₆≈1073，其中，ε表示加权系数，通过类推计算得到对应优化目标在第k+1次后的用电量集合为S={S₆，S₇，S₈，S₉，S₁₀}={1073，1200，1250，1330，1420}，统计用电量差值，设置差值阈值为x=100，统计到从第h=7次开始，连续n=3个用电量差值低于x，即从第7次开始对应优化目标的用电量趋于稳定，将对应优化目标第7次的用电量作为参考数据；

Z4：调整用能预测参考数据，对分布式能源站进行供能的所有用能主体的总用电量进行预测，将用能预测时参考的对应优化目标初始用电量调整为第h=7次的用电量，获取到第h=7次后对应优化目标的用电量集合为s={s₇，s₈，s₉，s₁₀}={1200，1250，1330，1420}，根据公式w₇=ε*s₇+(1-ε)*(∑⁹ _i=7(s_i)/3)计算得到优化目标第7次用电量的指数平滑值：w₇=1236，根据公式w₈=ε*s₇+(1-ε)*w₇计算得到优化目标第8次用电量的指数平滑值：w₈=1221.6，根据公式w₁₁=ε*s₁₀+(1-ε)*w₁₀预测得到对应优化目标第11次的用电量w₁₁≈1331，通过相同计算方式预测得到所有优化目标在当前时间后第一次的用电量，采集非优化目标以往的用电量数据，以第g次的用电量作为非优化目标的初始用电量，通过相同方式预测得到非优化目标在当前时间后第一次的用电量，将预测到的优化目标和非优化目标在当前时间后第一次的用电量相加，得到分布式能源站供能的所有用能主体在当前时间后第一次的总用电量；

Z5：将总用电量和分布式能源站的最大供电量进行比较，在预测到总用电量超出分布式能源站的最大供电量时，发送预测结果，获取到为所有用能主体供能的分布式能源站的最大供电量为W，比较预测到的总用电量和W，在总用电量超出W时，发送预测结果至管理终端，提醒相关人员进行供能调度。

最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.应用于云平台的智慧能源数字化管理系统，其特征在于：所述系统包括：用能数据采集模块、云端管理平台、优化目标筛选模块、目标数据分析模块和用能预测管理模块；

所述用能数据采集模块的输出端连接所述云端管理平台的输入端，所述云端管理平台的输出端连接所述优化目标筛选模块和目标数据分析模块的输入端，所述优化目标筛选模块的输出端连接所述目标数据分析模块的输入端，所述目标数据分析模块的输出端连接所述用能预测管理模块的输入端；

通过所述用能数据采集模块采集用能主体的历史用能数据，将历史用能数据传输到所述云端管理平台；

通过所述云端管理平台存储并管理采集到的全部数据；

通过所述优化目标筛选模块分析不同用能主体的用能时长，依据用能时长筛选出优化目标；

通过所述目标数据分析模块分析优化目标用能数据，预测优化目标在用电量趋于稳定时的用电量；

通过所述用能预测管理模块调整用能预测参考数据，依据参考数据对分布式能源站进行供能的所有用能主体的总用电量进行预测，并发送预测结果。

2.根据权利要求1所述的应用于云平台的智慧能源数字化管理系统，其特征在于：所述用能数据采集模块包括用能时长采集单元和用电量采集单元；

所述用能时长采集单元和用电量采集单元的输出端连接所述云端管理平台的输入端；

所述用能时长采集单元用于采集不同用能主体使用分布式能源站供给的电量的总时长；

所述用电量采集单元用于采集不同用能主体以往的用电量数据。

3.根据权利要求1所述的应用于云平台的智慧能源数字化管理系统，其特征在于：所述优化目标筛选模块包括用能主体分组单元和优化数据筛选单元；

所述用能主体分组单元的输入端连接所述云端管理平台的输出端，所述用能主体分组单元的输出端连接所述优化数据筛选单元的输入端；

所述用能主体分组单元用于调取用能时长数据，依据用能时长将用能主体进行分组；

所述优化数据筛选单元用于依据最佳的分组结果筛选出需要优化用能数据的用能主体作为优化目标，将筛选结果传输到所述目标数据分析模块中。

4.根据权利要求3所述的应用于云平台的智慧能源数字化管理系统，其特征在于：所述目标数据分析模块包括用能数据调取单元和目标用电量预测单元；

所述用能数据调取单元的输入端连接所述优化数据筛选单元和云端管理平台的输出端，所述用能数据调取单元的输出端连接所述目标用电量预测单元的输入端；

所述用能数据调取单元用于调取优化目标的历史用能数据，将调取到的数据传输到所述目标用电量预测单元中；

所述目标用电量预测单元用于预测优化目标在用电量趋于稳定时的用电量，分析预测到的优化目标在不同时刻的用电量，统计用电量差值，设置差值阈值，当统计到连续n个用电量差值低于阈值时，表示优化目标的用电量趋于稳定。

5.根据权利要求4所述的应用于云平台的智慧能源数字化管理系统，其特征在于：所述用能预测管理模块包括参考数据调整单元、用能预测单元和预测结果传输单元；

所述参考数据调整单元的输入端连接所述目标用电量预测单元的输出端，所述参考数据调整单元的输出端连接所述用能预测单元的输入端，所述用能预测单元的输出端连接所述预测结果传输单元的输入端；

所述参考数据调整单元用于将用能预测时参考的优化目标初始用电量调整为预测到的趋于稳定时的用电量，将调整后的参考数据传输到所述用能预测单元中；

所述用能预测单元用于依据非优化目标以往的用电量和调整后的参考数据预测分布式能源站进行供能的所有用能主体未来的总用电量，将总用电量和分布式能源站的最大供电量进行比较，将比较结果传输到所述预测结果传输单元；

所述预测结果传输单元用于在预测到总用电量超出分布式能源站的最大供电量时，将预测结果传输到管理终端。

6.应用于云平台的智慧能源数字化管理方法，其特征在于：包括以下步骤：

Z1：采集用能主体的历史用能数据；

Z2：分析不同用能主体的用能时长，依据用能时长筛选出优化目标；

Z3：分析优化目标用能数据，预测优化目标在用电量趋于稳定时的用电量；

Z4：调整用能预测参考数据，对分布式能源站进行供能的所有用能主体的总用电量进行预测；

Z5：将总用电量和分布式能源站的最大供电量进行比较，在预测到总用电量超出分布式能源站的最大供电量时，发送预测结果。

7.根据权利要求6所述的应用于云平台的智慧能源数字化管理方法，其特征在于：在步骤Z1中：采集到通过同一分布式能源站进行供能的用能主体的用能时长集合为V={V₁，V₂，…，V_m}，其中，m表示用能主体数量，采集对应用能主体以往的用电量数据，每间隔时间a采集一次用能主体以往的用电量；

在步骤Z2中：调取用能主体的用能时长数据，将用能主体按用能时长从短到长的顺序进行排列，排列后将用能主体按用能时长分为f组，其中，前一组每一个用能主体的用能时长都小于后一组中所有用能主体的用能时长，获取到随机一种分组方式分组后，每组用能主体的用能时长总和集合为v={v₁，v₂，…，v_f}，根据下列公式计算随机一种分组方式对优化目标筛选的参考价值Q_i：

Q_i=[(∑^f _j=1(v_j-(∑^f _j=1v_j)/f)²)/f]^1/2；

其中，v_j表示随机一种分组方式分组后，随机一组用能主体的用能时长总和，通过相同计算方式得到不同分组方式对优化目标筛选的参考价值，选择参考价值最大的分组方式作为最佳分组方式，获取最佳分组方式的分组结果，从最佳分组方式的分组结果中筛选出用能时长总和最短的一组用能主体作为优化目标。

8.根据权利要求7所述的应用于云平台的智慧能源数字化管理方法，其特征在于：在步骤Z3中：调取优化目标以往的用电量数据，获取到随机一个优化目标的用电量集合为A={A₁，A₂，…，A_k}，其中，k表示采集次数，根据公式S_k+1=ε*A_k+(1-ε)*S_k预测得到对应优化目标第k+1次的用电量S_k+1，其中，ε表示加权系数，S_k表示优化目标第k次用电量的指数平滑值，通过类推计算得到对应优化目标在第k+1次后的用电量集合为S={S_k+1，S_k+2，…，S_k+c}，统计用电量差值，第k+2次与第k+1次的用电量差值为S_k+2- S_k+1，设置差值阈值为x，统计到从第h次开始，连续n个用电量差值低于x，即从第h次开始对应优化目标的用电量趋于稳定。

9.根据权利要求8所述的应用于云平台的智慧能源数字化管理方法，其特征在于：在步骤Z4中：将用能预测时参考的对应优化目标初始用电量调整为第h次的用电量，获取到第h次后对应优化目标的用电量集合为s={s_h，s_h+1，…，s_h+d}，其中，s_h+d表示对应优化目标当前的用电量，根据公式w_h+d+1=ε*s_h+d+(1-ε)*w_h+d预测得到对应优化目标第h+d+1次的用电量w_h+d+1，其中，w_h+d表示优化目标第h+d次用电量的指数平滑值，w_h+d+1即为对应优化目标在当前时间后第一次的用电量，通过相同计算方式预测得到所有优化目标在当前时间后第一次的用电量，采集非优化目标以往的用电量数据，以第g次的用电量作为非优化目标的初始用电量，通过相同方式预测得到非优化目标在当前时间后第一次的用电量，将预测到的优化目标和非优化目标在当前时间后第一次的用电量相加，得到分布式能源站供能的所有用能主体在当前时间后第一次的总用电量。

10.根据权利要求9所述的应用于云平台的智慧能源数字化管理方法，其特征在于：在步骤Z5中：获取到为所有用能主体供能的分布式能源站的最大供电量为W，比较预测到的总用电量和W，在总用电量超出W时，发送预测结果至管理终端，提醒相关人员进行供能调度。

Images