CN116633016B - 一种基于高频数据采集技术的电力管理系统和方法 - Google Patents

Abstract

本说明书实施例提供一种基于高频数据采集技术的电力管理系统和方法，系统包括：用电模块、供电模块、气象模块、交互模块和处理器，处理器分别与用电模块、供电模块、气象模块和交互模块通信连接；方法基于处理器执行，方法包括：基于监测对象在至少一个候选时段的用电量和供电量，确定至少一个电力匮乏时段；以及基于电力匮乏时段，确定电力调整方案。

Description

一种基于高频数据采集技术的电力管理系统和方法

技术领域

本说明书涉及电力系统领域，特别涉及一种基于高频数据采集技术的电力管理系统和方法。

背景技术

高频数据采集技术可以用于采集电力系统中的电压、电流等高频数据。通过高频数据采集技术，可以掌握电力系统的实时情况，便于对电力系统进行科学管理。

然而，在实际电力系统管理中，由于未来存在气象变化等不确定情况，无法准确地确定未来时间的电量使用和供应情况。因此，希望提供一种基于高频数据采集技术的电力管理系统和方法，能够确定未来时间的电量使用和供应情况，从而可以提前应对电力短缺的情况。

发明内容

本说明书一个或多个实施例提供一种基于高频数据采集技术的电力管理系统，所述系统包括：用电模块、供电模块、气象模块、交互模块和处理器，处理器分别与用电模块、供电模块、气象模块和交互模块通信连接；用电模块以第一频率采集并存储监测对象的用电信息，用电信息至少包括用电设备、用电设备的用电量和用电时间。供电模块以第二频率采集并存储监测对象的供电信息，供电信息至少包括能源类型、对应类型的供电量和能源装置数据。气象模块用于获取并存储监测对象对应的供电系统所在区域的气象数据；交互模块用于接收处理器下发的电力调整方案，并展示电力调整方案。处理器用于：基于监测对象在至少一个候选时段的用电量和供电量，确定至少一个电力匮乏时段；以及基于电力匮乏时段，确定电力调整方案。

本说明书一个或多个实施例提供一种基于高频数据采集技术的电力管理方法，所述方法基于如上述实施例中的基于高频数据采集技术的电力管理系统的处理器执行，所述方法包括：基于监测对象在至少一个候选时段的用电量和供电量，确定至少一个电力匮乏时段；以及基于电力匮乏时段，确定电力调整方案。

本说明书一个或多个实施例提供一种高频数据采集技术的电力管理装置，所述系统包括控制单元，所述控制单元用于执行如上述实施例中任一项所述的基于高频数据采集技术的电力管理装置方法。

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，计算机执行如上述实施例中任一项所述的基于高频数据采集技术的电力管理装置方法。

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一种基于高频数据采集技术的电力管理系统的示例性示意图；

图2是根据本说明书一些实施例所示的基于高频数据采集技术的电力管理方法的示例性示意图；

图3是根据本说明书一些实施例所示的确定电力匮乏时段的示例型示意图；

图4是根据本说明书一些实施例所示的通过供电量确定模型确定候选时段的供电量的示例性示意图；

图5是根据本说明书一些实施例所示的确定电力调整方案的示例性示意图。

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、单元、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一种基于高频数据采集技术的电力管理系统的示例性示意图。

电力系统中存在着电压、电流等短时间内变化较快的高频数据。高频数据采集技术可以用于采集电力系统中的高频数据。通过高频数据采集技术，电力系统可以实时且准确地掌握电力系统的供电与用电情况，便于对电力系统进行科学管理。例如，电力系统可以通过高频数据采集技术采集实时电压和电流，基于实时电压和电流分析并确定当前供电系统运行是否存在异常情况、电力供应是否存在短缺情况等，进一步可以基于确定的异常情况和/或短缺情况的相关分析结果，生成应对处理措施，并反馈给电力系统管理的相关工作人员。

如图1所示，基于高频数据采集技术的电力管理系统100可以包括处理器110、用电模块120、供电模块130、气象模块140、交互模块150。

处理器110可以用于分析处理相关数据/信息，以及接收/发送相关指令，从而实现对基于高频数据采集技术的电力管理系统100中的各个模块的控制。例如，处理器110可以基于监测对象在候选时段的用电量和供电量，确定电力匮乏时段并确定电力调整方案。具体说明可以参见图2相关描述。

在一些实施例中，处理器110可以分别与用电模块120、供电模块130、气象模块140和交互模块150通信连接。处理器可以基于各种硬件和/或软件方式实现。

用电模块120可以用于采集并存储监测对象的用电信息，例如，用电模块可以为电表等装置。用电信息可以指监测对象使用电力的相关情况。在一些实施例中，用电信息至少包括用电设备(如，照明系统)、用电设备的用电量和用电时间。

在一些实施例中，用电模块可以以第一频率采集监测对象的用电信息。第一频率可以指用电模块在单位时间内采集监测对象的用电信息的次数，如，2次/分钟。在一些实施例中，第一频率的初始值可以基于历史经验数据、系统默认值等设定。

供电模块130可以用于采集并存储监测对象的供电信息的模块。基于高频数据采集技术的电力管理系统100可以以各种不同形式实现供电模块的功能。供电信息可以指供电系统对监测对象的供电的相关情况。在一些实施例中，供电信息至少包括能源类型(如，风力、水力和太阳能等)、对应类型的供电量和能源装置数据。在一些实施例中，能源装置数据可以包括风力装置数据(如，风力发电机组数量、风轮尺寸等)、水力装置数据(如，水电站数量、各水电站中水轮机数量)和太阳能装置数据(如，光伏发电系统数量、各光伏发电系统中太阳能电池组件规模)。

在一些实施例中，供电模块可以以第二频率采集监测对象的供电信息。第二频率可以指供电模块在单位时间内采集监测对象的供电信息的次数。与第一频率类似地，第二频率的初始值也可以基于历史经验数据、系统默认值等设定。

在一些实施例中，处理器可以基于供电量置信度，调整当前第一频率和当前第二频率。在一些实施例中，第一频率和第二频率的调整量可以与供电量置信度负相关。供电量置信度越小，则第一频率和第二频率的调整量可以越大。

供电量置信度可以反映处理器确定的候选时段的供电量与实际供电量相比的可靠程度。关于候选时段的供电量的更多说明可以参见图2相关描述。供电量置信度越大则说明处理器确定的候选时段的供电量越可靠。关于确定供电量置信度的更多说明可以参见图4相关描述。

应当理解的是，当供电量置信度越小，则可能存在供电信息和用电信息在短时间的变化程度可能越大的情况。此时，如果用电模块和供电量模块仍然基于之前的频率对用电信息和供电信息进行采集，可能较难准确地确定候选时段的供电量，因此需要增大第一频率和第二频率的调整量。

气象模块140可以用于获取并存储监测对象对应的供电系统所在区域的气象数据，例如，气象模块可以是通过联网获取气象数据的终端。气象数据可以至少包括候选时段的温度、风向、风力等级、降水量和光照强度等信息。供电系统可以为对应的系统预设区域供电。每个区域内可以有至少一个监测对象。

交互模块150可以用于接收处理器下发的电力调整方案，并展示电力调整方案。例如，交互模块可以是显示和/或语音终端，或其他具有信息展示功能的终端。

需要注意的是，以上对于高频数据采集技术的电力管理系统的描述，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，对各个装置部件进行任意组合，或者构成子系统与其他装置部件连接。

图2是根据本说明书一些实施例所示的基于高频数据采集技术的电力管理方法的示例性示意图。

如图2所示，处理器可以基于监测对象在至少一个候选时段(210-1、210-2……210-n)的用电量和供电量，确定至少一个电力匮乏时段220；并基于电力匮乏时段220，确定电力调整方案230。

监测对象可以指需要用电的区域和/或场所。例如，工厂等。监测对象中可以具有一个或多个用电设备。

候选时段是指用于确定电力匮乏时段的未来时段。例如，次日8:00～9:00。

在一些实施例中，监测对象在某一候选时段的用电量可以是该候选时段内监测对象中所有用电设备的用电量的总和。

在一些实施例中，处理器可以通过各种方式确定监测对象在至少一个候选时段的用电量。例如，处理器通过训练好的机器学习模型，确定监测对象在至少一个候选时段的用电量。

在一些实施例中，处理器可以基于监测对象的历史用电信息，确定监测对象在至少一个候选时段的用电量。具体说明可以参见图3相关描述。

供电量是指供电系统提供的电量。监测对象在某一候选时段的供电量可以是该候选时段内供电系统分配给监测对象的电量。

在一些实施例中，处理器可以通过各种方式确定监测对象在至少一个候选时段的供电量。例如，处理器可以基于监测对象的历史供电信息，确定与某一候选时段相同的一个或多个历史时段的监测对象的历史供电量的平均值，将平均值确定为该候选时段的供电量。

在一些实施例中，处理器可以基于候选时段的气象数据和能源装置数据，确定监测对象在至少一个候选时段的供电量。具体说明可以参见图3相关描述。

电力匮乏时段是指电力无法满足用电需求的未来时段。

在一些实施例中，处理器可以基于多种方式实现基于监测对象在至少一个候选时段的用电量和供电量，确定至少一个电力匮乏时段。例如，处理器可以预先记录多个历史电力匮乏时段对应的历史用电量和历史供电量，若当前候选时段的用电量和供电量与某一历史电力匮乏时段对应的历史用电量和历史供电量相近或相同，可将当前候选时段作为电力匮乏时段。

在一些实施例中，处理器可以将满足预设要求的所述至少一个候选时段，确定为所述电力匮乏时段。具体说明可以参见图3相关描述。

电力调整方案是指调整电力消耗和/或供应的相关方案。例如，电力调整方案可以是在电力匮乏时段，降低用户的用电量(如，关闭部分用电设备)。

在一些实施例中，电力调整方案可以至少包括方案类型、接收对象和接收对象的数量。具体说明可以参见图5相关描述。

在一些实施例中，处理器可以基于多种方式实现基于电力匮乏时段，确定电力调整方案。例如，处理器可以基于包括电力匮乏时段和电力调整方案对照关系的对照表，通过查表确定电力调整方案。

在一些实施例中，处理器可以基于电力匮乏时段的用电量和供电量的差异，确定电力调整方案。具体说明可以参见图5相关描述。

本说明书一些实施例所述的方法，通过高频数据采集技术，可以实时且准确地掌握电力系统当前的供电与用电情况，并预测未来时间的供电量和用电量，进一步预测出电力匮乏时段，以针对电力匮乏情况确定合理的电力调整方案，从而可以提前采取应对调整措施，避免由于电力匮乏短缺造成生产生活的不便，满足了用电需求的同时也避免浪费电量，优化了电力管理，提高了电力管理的智能程度。

图3是根据本说明书一些实施例所示的确定电力匮乏时段的示例型示意图。

如图3所示，处理器可以基于监测对象的历史用电信息310，确定监测对象在至少一个候选时段的用电量320；基于候选时段的气象数据330和能源装置数据340，确定监测对象在至少一个候选时段的供电量350；以及将满足预设要求的至少一个候选时段，确定为电力匮乏时段360。

监测对象的历史用电信息是指监测对象在历史时段的用电信息。关于用电信息的更多说明可以参见图1相关描述。

在一些实施例中，处理器可以通过多种方式实现基于监测对象的历史用电信息，确定监测对象在至少一个候选时段的用电量。例如，处理器可以通过查询监测对象的历史用电信息，确定与候选时段相同或相近的至少一个历史时段，将监测对象在至少一个历史时段所对应的历史用电量的平均值确定为候选时段的用电量。

在一些实施例中，监测对象在某一候选时段的用电量可以通过监测对象在某一候选时段内的基础用电量和浮动用电量之和确定。

基础用电量可以是监测对象日常的较稳定的用电量，例如，监测对象内的照明用电量、监测对象内使用办公设备的用电量等。在一些实施例中，某一时段的基础用电量可以通过监测对象内的所有日常用电设备(如，照明系统)在对应时段的用电量总和确定。

在一些实施例中，候选时段的基础用电量可以基于监测对象的历史用电信息，通过计算与候选时段相同的一个或多个历史时段的监测对象的历史基础用电量的平均值确定。

浮动用电量可以是与天气有关的用电量。例如，浮动用电量可以包括空调用电量、供暖用电量等。可以理解的，天气越冷或越热，浮动用电量越大。

在一些实施例中，处理器可以通过浮动用电量确定模型，确定监测对象在某一候选时段内的浮动用电量。

在一些实施例中，浮动用电量确定模型可以为机器学习模型，可以是卷积神经网络模型、深度神经网络模型等一种或多种的组合。浮动用电量确定模型的输入可以是候选时段的气象数据，输出可以是监测对象在候选时段的浮动用电量。在一些实施例中，候选时段的气象数据可以基于候选时段对应的天气预报信息确定。关于气象数据的更多说明可以参见图1具体描述。

在一些实施例中，浮动电量确定模型的参数可以通过训练得到。处理器可以基于多组带有标签的第一训练样本对初始浮动电量确定模型进行训练，每组第一训练样本可以包括监测对象在样本时段的样本天气数据。每组第一训练样本的标签可以是监测对象在样本时段的实际浮动用电量。

在一些实施例中，处理器还可以，通过其他方式如，建立温度与浮动用电量的数量关系等，确定监测对象在至少一个候选时段的浮动用电量，在此不作限制。

本说明书一些实施例所述的方法，通过模型对候选时段的气象数据进行综合分析，以更加准确快速地得到浮动用电量。

本说明书一些实施例所述的方法，由于浮动用电量受气象影响较大，通过分别确定基础用电量和浮动用电量，从而可以结合气象情况，确定出符合气象变化情况的浮动用电量，进一步预测出更加准确的候选时段的用电量。

关于气象数据和能源装置数据的更多说明可以参见图1相关描述。

在一些实施例中，处理器可以通过多种方式实现基于候选时段的气象数据和能源装置数据，确定监测对象在至少一个候选时段的供电量。例如，处理器可以控制系统可以预先基于检测对象的在多个历史时段的历史气象数据和历史能源装置数据作为参考数据，生成参考数据和对应的历史供电量的映射关系表。处理器可以通过查询映射关系表中与当前候选时段的气象数据和能源装置数据相同或相近的参考数据，将其对应的历史供电量作为当前候选时段的供电量。

在一些实施例中，处理器可以基于候选时段的气象数据和能源装置数据，通过供电量确定模型，确定监测对象在至少一个候选时段的供电量。具体说明可以参见图4相关描述。

预设要求是指候选时段被确定为电力匮乏时段所需满足的要求。在一些实施例中，预设要求可以是候选时段的供电量小于用电量。预设要求还可以是候选时段的供电量与用电量的差值大于预设阈值。其中，预设阈值可以基于历史经验数据、系统默认值等设定。

在一些实施例中，处理器可以通过对比某一候选时段的供电量和用电量是否满足预设要求，从而判断该候选时段是否为电力匮乏时段。

本说明书一些实施例所述的方法，通过不同方式预测候选时段的用电量和供电量，可以使候选时段的用电量和供电量的预测结果更加符合实际电力系统的运行情况；另外，在至少一个候选时段中，择优筛选出满足预设要求的电力匮乏时段，也进一步提高了电力匮乏时段的预测准确率。

图4是根据本说明书一些实施例所示的通过供电量确定模型确定候选时段的供电量的示例性示意图。

在一些实施例中，处理器可以基于候选时段的气象数据和能源装置数据，通过供电量确定模型，确定监测对象在至少一个候选时段的供电量。关于候选时段的气象数据的更多说明可以参见图2相关描述。关于能源装置数据的更多说明可以参见图1相关描述。

供电量确定模型可以用于对候选时段的气象数据和能源装置数据进行分析，确定监测对象在对应候选时段的供电量。在一些实施例中，供电量确定模型为机器学习模型，可以是卷积神经网络模型、深度神经网络模型等一种或多种的组合。

在一些实施例中，供电量确定模型的输入可以包括候选时段的气象数据和能源装置数据，输出可以是监测对象在候选时段的供电量。关于气象数据和能源装置数据的更多说明可以参见图1相关描述。

在一些实施例中，供电量确定模型还可以为自定义模型。如图4所示，供电量确定模型4030可以包括风力发电量预测层4030-1、水力发电量预测层4030-2、太阳能发电量预测层4030-3和供电量预测层4030-4。

在一些实施例中，如图4所示，风力发电预测层4030-1的输入可以是候选时段的气象数据4010和风力装置数据4020-1，输出可以是候选时段的风力发电量4031。

在一些实施例中，水力发电预测层4030-2的输入可以是候选时段的气象数据4010和水力装置数据4020-2，输出可以是候选时段的水力发电量4032。

在一些实施例中，太阳能发电预测层4030-3的输入可以是候选时段的气象数据4010和太阳能装置数据4020-3，输出可以是候选时段的太阳能发电量4033。

风力发电量预测层、水力发电量预测层、太阳能发电量预测层可以是卷积神经网络。关于风力装置数据、水力装置数据和太阳能装置数据的说明参见图1。

在一些实施例中，供电量预测层可以是加法层。如图4所示，供电量预测层4030-4的输入可以包括候选时段的风力发电量4031、水力发电量4032、太阳能发电量4033以及其他发电量4040，输出可以是候选时段的供电量4050。其他发电量可以包括火力发电量、核能发电量等中的至少一种。候选时段的其他发电量可以通过计算与候选时段相同或相近的至少一个历史时段的历史其他发电量的平均值确定。

在一些实施例中，风力发电量预测层、水力发电量预测层、太阳能发电量预测层和供电量预测层可以通过联合训练得到。处理器可以基于多组带有标签的第二训练样本对初始供电量确定模型进行训练。每组第二训练样本可以包括监测对象在第一样本时段的样本气象数据、样本风力装置数据、样本水力装置数据、样本太阳能装置数据和样本其他发电量。每组第二训练样本的标签可以包括监测对象在第二样本时段的实际供电量。应当理解的是，第一样本时段应当早于第二样本时段。

在联合训练中，控制系统可以将第二训练样本中的样本气象数据和样本风力装置数据输入初始风力发电量预测层；将第二训练样本中的样本气象数据和样本水力装置数据输入初始水力发电量预测层；将第二训练样本中的样本气象数据和样本太阳能装置数据输入初始太阳能发电量预测层。然后，将初始风力发电量预测层、初始水力发电量预测层和初始太阳能发电量预测层的输出以及第二训练样本中的样本其他发电量输入至初始供电量预测层中，基于初始供电量预测层的输出和标签构建损失函数。基于损失函数迭代更新初始供电量确定模型中各层的参数，以使模型的损失函数满足预设条件，得到训练好的供电量确定模型。预设条件可以包括但不限于损失函数收敛、损失函数值小于预设值或训练迭代次数达到阈值。

在一些实施例中，处理器可以通过供电量确定模型确定候选时段的供电量置信度。关于供电量置信度的更多说明可以参见图1相关描述。

在一些实施例中，置信度预测层可以是卷积神经网络。如图4所示，置信度预测层4030的输入可以包括监测对象在候选时段的供电量4050、候选时段与当前时间的时间间隔4060、气象数据准确度4070、当前第一频率4080和当前第二频率4090，输出可以是候选时段的供电量置信度4100。其中，气象数据准确度可以反映实际气象情况与天气预报情况的差异。准确度越高，则说明差异越小。气象数据准确度可以基于历史气象数据统计得到。关于当前第一频率和当前第二频率的更多说明可以参见图1相关说明。

在一些实施例中，置信度预测层可以和风力发电量预测层、水力发电量预测层、太阳能发电量预测层和供电量预测层一起联合训练得到。相应地，每组第二训练样本还可以包括第二样本时段与第一样本时段的时间间隔、第一样本时段以前的气象数据准确度、第一样本时段的第一频率和第二频率。每组第二训练样本的标签可以为监测对象在第二样本时段的实际供电量与预测供电量的差异情况。标签可以基于该组第二训练样本在第二样本时段的实际供电量，以及在第一样本时段确定的第二样本时段的预测供电量确定。其中，预测供电量可以基于前述供电量确定模型确定。例如，如果实际供电量与预测供电量的差值小于预设阈值，则标签可以被标注为1；如果实际供电量与预测供电量的差值大于预设阈值，则标签可以被标注为位于0～1之间且不等于1的值。差值越大，则标签对应的值越接近于0。

在前述联合训练的基础上，处理器可以将前述初始供电量预测层的输出以及第二样本时段与第一样本时段的时间间隔、第一样本时段以前的气象数据准确度、第一样本时段的第一频率和第二频率输入至初始置信度预测层中，基于初始置信度预测层的输出和标签构建损失函数。

本说明书一些实施例所述的方法，通过模型确定置信度，从而可以快速准确地反映出处理器所预测的候选时段的供电量的可靠程度。

在一些实施例中，处理器还可以通过其他方式，如，概率统计等方式，确定置信度，在此不作限制。

本说明书一些实施例所述的方法，通过机器学习模型对候选时段的气象数据和所述能源装置数据进行分析，从而更加快速准确的候选时段的供电量，为后续确定电力匮乏时段提供了准确的依据。

图5是根据本说明书一些实施例所示的确定电力调整方案的示例性示意图。

如图5所示，处理器可以基于电力匮乏时段510的用电量511和供电量512的差异，确定电力调整方案520，电力调整方案520可以至少包括方案类型521、接收对象522和接收对象的数量523。

在一些实施例中，方案类型可以包括预警方案和工作调度方案等中的至少一种。

预警方案是指针对监测对象的公共用电情况进行预警的相关方案。公共用电情况是指监测对象内公共区域和设施的用电消耗情况，例如，公共用电设备(如，大厅空调等)用电。

在一些实施例中，预警方案可以包括电力匮乏时段和预警程度。其中，关于电力匮乏时段的说明可以参见图2相关描述。预警程度可以反映电力匮乏的严重程度。

在一些实施例中，处理器可以基于用电量和供电量的差值确定预警程度。示例性地，预警程度＝(用电量-供电量)÷第二阈值×100％。关于用电量和供电量的具体说明可以参见图2相关描述。关于第二阈值的更多说明可以参见后文相关描述。

工作调度方案是指针对监测对象内的工作生产进行调度的相关方案。在一些实施例中，工作调度方案可以包括电力匮乏时段和调度信息。调度信息可以用于调整工作生产的用电方式。例如，调度信息可以包括提前安排部分员工居家办公、将耗电量较大的生产项目调整到电力充沛的时段再实施等。

接收对象是指可以接收电力调整方案的相关人员。在一些实施例中，接收对象可以包括监测对象的公共用电管理人员(如，物业管理人员等)和监测对象的电力用户(如，企业用户、居民用户等)等。

在一些实施例中，预警方案的接收对象可以为监测对象的公共用电管理人员。监测对象的公共用电管理人员可以基于预警方案的预警程度以及需关闭的公共用电设备及其数量的预设对应关系，确定当前预警程度对应的需关闭的公共用电设备及数量，以在电力匮乏时段之前执行相应的关闭操作。

在一些实施例中，工作调度方案的接收对象可以为监测对象的电力用户。监测对象的电力用户可以基于工作调度方案中的调度信息，在电力匮乏时段之前预先做好工作生产计划。

接收对象的数量是指需要接收电力调整方案的接收对象的数量。

在一些实施例中，处理器可以确定预设数量的候选电力调整方案。预设数量可以基于历史经验数据、系统默认值等设定。

在一些实施例中，处理器可以基于电力匮乏时段的用电量和供电量的差异，确定候选电力调整方案的方案类型、接收对象及接收对象的数量。

在一些实施例中，响应于电力匮乏时段的供电量与用电量的差异大于第一阈值，则处理器可以确定候选电力调整方案的方案类型为预警方案，接收对象为监测对象的公共用电管理人员。

在一些实施例中，第一阈值可以与电力匮乏时段对应的供电量置信度负相关。供电量置信度越大，第一阈值可以越小。关于供电量置信度的更多说明可以参见图1相关描述。

在一些实施例中，响应于电力匮乏时段的供电量与用电量的差异大于第二阈值，则处理器可以确定候选电力调整方案的方案类型为工作调度方案，接收对象为监测对象的电力用户。

在一些实施例中，第二阈值可以与电力匮乏时段的浮动用电量和供电量置信度有关。示例性地，第二阈值＝浮动用电量+a*供电量置信度。其中，a为常数，可以基于历史经验数据、系统默认值等预先设定。可以理解的，置信度越大，则第二阈值越大。关于浮动用电量和供电量置信度的说明可以分别参见图2与图3的描述。

本说明书一些实施例所述的方法，可以通过供电量与用电量的不同差异确定不同的电力调整方案与对应的接收对象，从而使电力调整方案更加符合电力匮乏时段的供电与用电情况。

在一些实施例中，处理器可以基于前述确定的接收对象，在对应的接收对象集中，任意选取若干次数的随机数量的接收对象。选取的次数应当与前述预设数量的数值相等。每次选中的接收对象的数量不同。

其中，接收对象集是指一个或多个接收对象构成的集合。每个接收对象集可以由对应的同一类接收对象组成，例如，监测对象的公共用电管理人员对应的接收对象集可以由监测对象的所有公共用电管理人员组成。

处理器可以基于方案类型、接收对象以及选取的接收对象的数量，生成预设数量的候选电力调整方案。可以理解的，每个电力调整方案的接收对象的数量不同。

处理器可以基于每个候选电力调整方案，通过调整评估模型，确定每个候选电力调整方案对应的电力匮乏时段调整后的用电量。

在一些实施例中，调整评估模型可以为机器学习模型，可以是卷积神经网络模型、深度神经网络模型等一种或多种的组合。调整评估模型的输入可以包括候选调节方案、电力匮乏时段对应的供电量和用电量以及接收对象的可靠度，输出可以是候选电力调整方案对应的在电力匮乏时段调整后的用电量。

电力匮乏时段对应的供电量和用电量，可以基于前述候选时段的供电量和用电量确定，具体说明可以参见图3相关描述。

接收对象的可靠度可以反映接收对象响应执行电力调整方案的相关情况。可靠度越高，则可以反映接收对象执行电力调整方案的积极性越高，电力调整方案的调整效果越佳。确定接收对象的可靠度可以为后续准确确定候选电力调整方案对应的在电力匮乏时段调整后的用电量提供分析依据。

在一些实施例中，监测对象的公共用电管理人员的可靠度可以基于历史预警方案的执行情况确定。示例性地，处理器可以基于历史预警方案得到以下数量关系：监测对象的公共用电管理人员可靠度＝(执行预警方案的公共用电管理人员总数量÷收到预警方案的公共用电管理人员总数量)×100％。

在一些实施例中，监测对象的电力用户的可靠度可以包括企业用户可靠度、居民用户可靠度，均可以基于历史工作调度方案的执行情况确定。示例性地，处理器可以基于历史工作调度方案得到以下数量关系：企业用户可靠度＝(执行工作调度方案的企业用户÷收到工作调度方案的企业用户总数量)×100％。居民用户可靠度＝(执行工作调度方案的居民用户÷收到工作调度方案的居民用户总数量)×100％。

在一些实施例中，调整评估模型的参数可以通过训练得到。处理器可以基于多组带有标签的第三训练样本对初始调整评估模型进行训练，每组第三训练样本可以包括样本电力调整方案、样本接收对象的可靠度以及在第一样本时段确定的第二样本时段的预测供电量和预测用电量。样本接收对象的可靠度可以基于第一样本时段以前的历史电力调整方案，通过前述方式得到。每组第三训练样本的标签可以是实施样本电力调整方案后，第二样本时段的实际用电量。

在一些实施例中，处理器还可以，通过其他方式如，建立候选电力调整方案和调整后的实际用电量的对应关系等，确定候选电力调整方案对应的在电力匮乏时段调整后的用电量，在此不作限制。

本说明书一些实施例所述的方法，通过模型确定调整后的候选时段的用电量，进一步可以用于评价电力调整方案的调整效果，从而进一步确定出最优的电力调整方案。

在一些实施例中，处理器可以基于每个候选电力调整方案在电力匮乏时段调整后的用电量与电力匮乏时段的供电量的差值，确定对应的评估值。示例性地，每个候选电力调整方案评估值＝调整后的用电量-供电量。

处理器可以将评估值满足预设条件的候选电力调整方案，确定为目标电力调整方案。

预设条件可以是评估值小于等于第三阈值。第三阈值可以为系统默认值或根据用户实际需求设定。在一些实施例中，第一阈值、第二阈值和第三阈值可以满足以下数量关系：第三阈值＜第一阈值＜第二阈值。应当理解的是，处理器设置第三阈值为三个阈值的最小值，可以较大程度地保证用电量与供电量的差异较小，从而在满足用户需求的同时使电能被充分利用。

在一些实施例中，预设条件也可以是其他条件，例如，评估值最小，在此不作限制。

本说明书一些实施例所述的方法，通过分析电力匮乏时段的用电量和供电量的差异，在确定出合适的电力调整方案的同时，使电力调整方案最大程度地被执行落实，从而有效地对电力系统进行调整管理。

本说明书一个或多个实施例提供一种基于高频数据采集技术的电力管理装置，包括控制单元，控制单元可以用于执行如本说明书实施例提供的任意一种基于高频数据采集技术的电力管理方法。

本说明书实施例还提供一种计算机可读存储介质，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，计算机运行如本说明书实施例提供的任意一种基于高频数据采集技术的电力管理方法。

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 (6)

1.一种基于高频数据采集技术的电力管理系统，所述系统包括：用电模块、供电模块、气象模块、交互模块和处理器，所述处理器分别与所述用电模块、所述供电模块、所述气象模块和所述交互模块通信连接；

所述用电模块以第一频率采集并存储监测对象的用电信息，所述用电信息至少包括用电设备、所述用电设备的用电量和用电时间；

所述供电模块以第二频率采集并存储所述监测对象的供电信息，所述供电信息至少包括能源类型、对应类型的供电量和能源装置数据；

所述气象模块用于获取并存储所述监测对象对应的供电系统所在区域的气象数据；

所述交互模块用于接收所述处理器下发的电力调整方案，并展示所述电力调整方案；

所述处理器用于：

基于所述监测对象的历史用电信息，确定所述监测对象在至少一个候选时段的用电量；

基于所述至少一个候选时段的所述气象数据和所述能源装置数据，通过供电量确定模型，确定所述监测对象在所述至少一个候选时段的供电量，所述供电量确定模型为机器学习模型，所述供电量确定模型包括风力发电量预测层、水力发电量预测层、太阳能发电量预测层、供电量预测层以及置信度预测层，其中，

所述风力发电量预测层的输入包括所述候选时段的所述气象数据和风力装置数据，输出包括所述候选时段的风力发电量；

所述水力发电量预测层的输入包括所述候选时段的所述气象数据和水力装置数据，输出包括所述候选时段的水力发电量；

所述太阳能发电量预测层的输入包括所述候选时段的所述气象数据和太阳能装置数据，输出包括所述候选时段的太阳能发电量；

所述供电量预测层的输入包括所述候选时段的所述风力发电量、所述水力发电量、所述太阳能发电量以及其他发电量，输出包括所述候选时段的所述供电量，所述其他发电量包括火力发电量、核能发电量中的至少一种；

所述置信度预测层的输入包括所述监测对象在所述候选时段的所述供电量、所述候选时段与当前时间的时间间隔、气象数据准确度、所述第一频率和所述第二频率，输出包括所述候选时段的供电量置信度；

将满足预设要求的所述至少一个候选时段，确定为电力匮乏时段，所述预设要求相关于所述至少一个候选时段的所述用电量和所述供电量；

基于所述电力匮乏时段，确定所述电力调整方案。

2.如权利要求1所述的高频数据采集技术的电力管理系统，其特征在于，其特征在于，所述处理器进一步用于：

基于所述电力匮乏时段的用电量和供电量的差异，确定所述电力调整方案，所述电力调整方案至少包括方案类型、接收对象和接收对象的数量。

3.一种基于高频数据采集技术的电力管理方法，其特征在于，

所述方法基于如权利要求1所述的基于高频数据采集技术的电力管理系统的处理器执行，所述方法包括：

基于所述监测对象的历史用电信息，确定所述监测对象在至少一个候选时段的用电量；

基于所述至少一个候选时段的所述气象数据和所述能源装置数据，通过供电量确定模型，确定所述监测对象在所述至少一个候选时段的供电量，所述供电量确定模型为机器学习模型，所述供电量确定模型包括风力发电量预测层、水力发电量预测层、太阳能发电量预测层、供电量预测层以及置信度预测层，其中，

所述风力发电量预测层的输入包括所述候选时段的所述气象数据和风力装置数据，输出包括所述候选时段的风力发电量；

所述水力发电量预测层的输入包括所述候选时段的所述气象数据和水力装置数据，输出包括所述候选时段的水力发电量；

所述太阳能发电量预测层的输入包括所述候选时段的所述气象数据和太阳能装置数据，输出包括所述候选时段的太阳能发电量；

所述供电量预测层的输入包括所述候选时段的所述风力发电量、所述水力发电量、所述太阳能发电量以及其他发电量，输出包括所述候选时段的所述供电量，所述其他发电量包括火力发电量、核能发电量中的至少一种；

所述置信度预测层的输入包括所述监测对象在所述候选时段的所述供电量、所述候选时段与当前时间的时间间隔、气象数据准确度、所述第一频率和所述第二频率，输出包括所述候选时段的供电量置信度；

将满足预设要求的所述至少一个候选时段，确定为电力匮乏时段，所述预设要求相关于所述至少一个候选时段的所述用电量和所述供电量；

基于所述电力匮乏时段，确定电力调整方案。

4.根据权利要求3所述的方法，其特征在于，所述基于所述电力匮乏时段，确定电力调整方案包括：

基于所述电力匮乏时段的用电量和供电量的差异，确定所述电力调整方案，所述电力调整方案至少包括方案类型、接收对象和接收对象的数量。

5.一种高频数据采集技术的电力管理装置，包括控制单元，所述控制单元用于执行权利要求3～4中任一项所述的高频数据采集技术的电力管理方法。

6.一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，计算机执行如权利要求3～4任一项所述的高频数据采集技术的电力管理方法。