CN116821660A - 一种电力管理方法、系统、终端设备及存储介质 - Google Patents
一种电力管理方法、系统、终端设备及存储介质 Download PDFInfo
- Publication number
- CN116821660A CN116821660A CN202310826890.0A CN202310826890A CN116821660A CN 116821660 A CN116821660 A CN 116821660A CN 202310826890 A CN202310826890 A CN 202310826890A CN 116821660 A CN116821660 A CN 116821660A
- Authority
- CN
- China
- Prior art keywords
- power
- supply
- demand
- data
- real
- 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
Links
- 238000007726 management method Methods 0.000 title claims abstract description 65
- 238000003860 storage Methods 0.000 title claims abstract description 22
- 238000011156 evaluation Methods 0.000 claims abstract description 116
- 238000013210 evaluation model Methods 0.000 claims abstract description 59
- 238000005457 optimization Methods 0.000 claims description 74
- 238000004458 analytical method Methods 0.000 claims description 38
- 238000012544 monitoring process Methods 0.000 claims description 24
- 230000002159 abnormal effect Effects 0.000 claims description 21
- 238000000034 method Methods 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000012417 linear regression Methods 0.000 claims description 10
- 230000006698 induction Effects 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 230000033228 biological regulation Effects 0.000 claims description 6
- 238000012098 association analyses Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000000875 corresponding effect Effects 0.000 description 186
- 238000010248 power generation Methods 0.000 description 26
- 230000008859 change Effects 0.000 description 22
- 230000005540 biological transmission Effects 0.000 description 15
- 238000007405 data analysis Methods 0.000 description 14
- 230000005611 electricity Effects 0.000 description 14
- 230000000694 effects Effects 0.000 description 13
- 230000001939 inductive effect Effects 0.000 description 9
- 238000009826 distribution Methods 0.000 description 8
- 238000004146 energy storage Methods 0.000 description 8
- 230000009467 reduction Effects 0.000 description 5
- 230000002265 prevention Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000001932 seasonal effect Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及信息技术领域,尤其涉及一种电力管理方法、系统、终端设备及存储介质。其方法包括,解析供需评估模型,获取供需电力数据类对应评估系数的相关波动阈值;将供需电力数据类对应的实时采集数据添加至对应的供需评估模型,生成对应的实时评估系数;若实时评估系数超出相关波动阈值,则判断实时评估系数与相关波动阈值之间的数值差异是否符合预设迭代数值标准;若实时评估系数与相关波动阈值之间的数值差异符合预设迭代数值标准,则根据实时采集数据和实时评估系数生成对应的迭代供需评估模型,本申请提供的一种电力管理方法、系统、终端设备及存储介质可提升电力管理中的数据分析效果。
Description
技术领域
本申请涉及信息技术领域,尤其涉及一种电力管理方法、系统、终端设备及存储介质。
背景技术
电力管理是指对电力系统进行有效的监控、调度和优化,以实现电力资源的合理利用、能源消耗的降低、电力供应的可靠性提升等目标的管理方法。
电力管理的主要内容包括以下几个方面,负荷管理:通过对电力系统中各个负荷的监测和控制,实现对电力需求的合理分配和调度,以达到最佳的负荷平衡和负荷优化。能源管理:通过对能源的监测、分析和优化,实现能源消耗的降低和能源资源的合理利用,包括能源的采购、储存、分配和使用等方面。电力供应管理:通过对电力供应的监控和调度,确保电力系统的稳定运行和可靠供电,包括电力的输送、配电、储备和备份等方面。故障管理:通过对电力系统中可能出现的故障进行监测、预测和处理,及时采取措施进行修复和恢复,以保证电力系统的可靠性和安全性。数据分析和智能化管理:通过采用大数据分析、人工智能和机器学习等技术,对电力系统中的数据进行处理和分析,提取有价值的信息和知识,以支持决策和优化电力管理。
在实际应用中,电力系统的运行状态和需求变化是动态的,然而,当前的电力管理方法往往只能基于历史数据进行简单的趋势分析,无法准确预测电力需求和供应的变化,从而导致电力管理中的数据分析效果不佳。
发明内容
为了提升电力管理中的数据分析效果,本申请提供一种电力管理方法、系统、终端设备及存储介质。
第一方面,本申请提供一种电力管理方法,包括以下步骤:
获取历史电力数据;
根据预设化类标准划分所述历史电力数据,形成对应的供电侧特征数据组和用电侧特征数据组;
根据电力供需关系关联所述供电侧特征数据组和所述用电侧特征数据组中对应的供需电力数据类,形成对应的供需评估模型;
解析所述供需评估模型,获取所述供需电力数据类对应评估系数的相关波动阈值;
将所述供需电力数据类对应的实时采集数据添加至对应的所述供需评估模型,生成对应的实时评估系数;
若所述实时评估系数超出所述相关波动阈值,则判断所述实时评估系数与所述相关波动阈值之间的数值差异是否符合预设迭代数值标准;
若所述实时评估系数与所述相关波动阈值之间的所述数值差异符合所述预设迭代数值标准,则根据所述实时采集数据和所述实时评估系数生成对应的迭代供需评估模型;
根据所述迭代供需评估模型对应的电力评估数据,生成对应的供需电力优化策略。
通过采用上述技术方案,将历史电力数据按照预设化类标准进行划分,形成对应的供电侧特征数据组和用电侧特征数据组,进而可获取当前电力系统数据的各类供需特征,以便于为后续数据分析提供准确依据,随即根据当前电力系统的电力供需关系将供电侧特征数据组和用电侧特征数据组中的数据进行特定归类即按其供需属性归为特定供需电力数据类,关联形成对应的供需评估模型,进而通过供需评估模型可获取各个特定供需电力数据类相应的供需评估分析,为了进一步结合当前电力系统的实际运行状态,进而更好地预测电力需求和供应情况,则将供需电力数据类对应当前的实时采集数据添加至对应的上述供需评估模型,生成对应的实时评估系数,随即为了结合当前电力系统实际情况对供需评估模型进行实时更新,使其准确反映出电力系统的实际运行状况,则在实时评估系数超出相关波动阈值的基础上即当前实时采集数据处于异常波动状态,再次判断实时评估系数与相关波动阈值之间的数值差异是否符合预设迭代数值标准,若符合则根据当前电力系统的实时采集数据和实时评估系数生成对应的迭代供需评估模型,随即根据迭代供需评估模型中的电力评估数据制定出与当前电力系统运行状况适宜的优化策略,由于结合电力系统的历史数据以及当前电力系统供需动态变化数据,生成更为适宜的迭代供需评估模型,从而提升了电力管理中的数据分析效果。
可选的,根据电力供需关系关联所述供电侧特征数据组和所述用电侧特征数据组中对应的供需电力数据类,形成对应的供需评估模型包括以下步骤:
根据所述电力供需关系将所述供电侧特征数据组和所述用电侧特征数据组中对应的所述供需电力数据类按照时间进行对齐,生成对应的对齐数据类;
对所述对齐数据类进行关联分析,生成对应的相关系数;
结合所述对齐数据类和所述对齐数据类对应的所述相关系数,形成对应的所述供需评估模型。
通过采用上述技术方案,将供需电力数据类按照时间进行对齐,有助于更准确地分析电力系统在不同时间段的供需关系,进一步将对齐数据类进行的关联分析,有助于挖掘供电侧和用电侧数据之间的内在联系,为电力系统的有优化提供更多可能性,从而为电力系统的优化和管理提供更为精确、全面的数据支持分析。
可选的,解析所述供需评估模型,获取所述供需电力数据类对应评估系数的相关波动阈值包括以下步骤:
解析所述供需评估模型,判断所述供需电力数据类是否存在波动影响因素;
若所述供需电力数据类存在所述波动影响因素,则获取所述波动影响因素相对于所述供需电力数据类对应的安全波动阈值;
结合所述供需电力数据类对应的目标波动阈值和所述安全波动阈值,形成所述供需电力数据类对应所述评估系数的所述相关波动阈值。
通过采用上述技术方案,判断供需电力数据类是否存在波动影响因素,以便于识别电力系统中可能存在的不稳定因素,若存在则进一步结合供需电力数据类对应的目标波动阈值和波动影响因素对应的安全波动阈值形成相关波动阈值,从而可准确地对供需电力数据类的评估系数进行判定,以减少不稳定因素带来的评估偏差。
可选的,在解析所述供需评估模型,判断所述供需电力数据类是否存在波动影响因素之后还包括以下步骤:
若所述供需电力数据类存在所述波动影响因素,判断所述波动影响因素是否为多个;
若所述波动影响因素为多个,则分别将各个所述波动影响因素与所述供需电力数据类进行多元线性回归分析,生成各个所述波动影响因素相对于所述供需电力数据类对应的波动贡献程度。
通过采用上述技术方案,根据多元线性分析,可以更为准确地量化各个波动影响因素对供需电力数据的影响程度,从而更好地理解电力系统中各个因素的作用机制,以及更好地识别和预测电力系统中的相关风险,为电力系统的风险防范提供数据支持,此外根据各个波动影响因素的贡献程度即可实时监测各个风险因素的变化,为电力系统的动态调整和管理提供更可靠的依据。
可选的,若所述实时评估系数与所述相关波动阈值之间的所述数值差异符合所述预设迭代数值标准,则根据所述实时采集数据和所述实时评估系数生成对应的迭代供需评估模型包括以下步骤:
若所述实时评估系数与所述相关波动阈值之间的所述数值差异符合所述预设迭代数值标准,则获取所述实时采集数据对应的目标波动项;
若所述目标波动项存在多项波动诱发因素,则计算各项所述波动诱发因素之间的相关系数,构成对应的相关系数矩阵;
对所述相关系数矩阵进行特征值分解,生成对应特征值和特征向量;
根据所述特征值计算所述特征向量对应的权重系数;
结合所述目标波动项和所述权重系数,生成对应的所述实时评估系数作为所述迭代供需评估模型。
通过采用上述技术方案,根据特征值计算特征向量对应的权重系数,可以合理地分配各个波动诱发因素在实时评估系数中的权重,从而更好地反映各个因素对电力系统的影响程度,随即结合目标波动项和权重系数,生成对应的实时评估系数作为迭代供需评估模型,可以根据该迭代供需评估模型实现电力系统的动态调整和优化,提高电力系统的运行效率和稳定性。
可选的,根据所述迭代供需评估模型对应的电力评估数据,生成对应的供需电力优化策略包括以下步骤:
获取所述电力评估数据中对应的目标电力供需指标;
根据所述目标电力供需指标对当前电力供需数据进行分析,获取对应的异常调节项;
根据所述异常调节项,生成对应的所述供需电力优化策略。
通过采用上述技术方案,根据目标电力供需指标对当前电力供需数据进行分析,可以及时发现电力系统中的异常情况,为电力系统的风险防范提供数据支持,进而根据异常调节项生成对应的供需电力优化策略,可以为电力系统的调度和优化提供更为合理的策略建议,提高电力系统的运行效率和稳定性。
可选的,在根据所述异常调节项,生成对应的所述供需电力优化策略之后还包括以下步骤:
实施所述供需电力优化策略,生成对应的目标监测指令;
执行所述目标监测指令,获取对应的电力优化参数;
结合所述电力优化参数和当前电力运行状况,生成所述供需电力优化策略对应的调整方案。
通过采用上述技术方案,对供需电力优化策略的实施进行实时监测,可以根据电力系统的实际优化情况动态调整优化策略,从而提高电力系统的调度灵活性,从而可以更合理地分配电力资源,提高电力系统的资源利用率,降低能源浪费。
第二方面,本申请提供一种电力管理系统,包括:
获取模块,用于获取历史电力数据;
划分模块,用于根据预设化类标准划分所述历史电力数据,形成对应的供电侧特征数据组和用电侧特征数据组;
关联模块,用于根据电力供需关系关联所述供电侧特征数据组和所述用电侧特征数据组中对应的供需电力数据类,形成对应的供需评估模型;
解析模块,用于解析所述供需评估模型,获取所述供需电力数据类对应评估系数的相关波动阈值;
加载模块,用于将所述供需电力数据类对应的实时采集数据添加至对应的所述供需评估模型,生成对应的实时评估系数;
迭代分析模块,若所述实时评估系数超出所述相关波动阈值,则所述迭代分析模块用于判断所述实时评估系数与所述相关波动阈值之间的数值差异是否符合预设迭代数值标准;
迭代模型生成模块,若所述实时评估系数与所述相关波动阈值之间的所述数值差异符合所述预设迭代数值标准,则所述迭代模型生成模块用于根据所述实时采集数据和所述实时评估系数生成对应的迭代供需评估模型;
电力优化模块,用于根据所述迭代供需评估模型对应的电力评估数据,生成对应的供需电力优化策略。
通过采用上述技术方案,根据划分模块将历史电力数据按照预设化类标准进行划分,形成对应的供电侧特征数据组和用电侧特征数据组,进而可获取当前电力系统数据的各类供需特征,以便于为后续数据分析提供准确依据,随即根据当前电力系统的电力供需关系将供电侧特征数据组和用电侧特征数据组中的数据进行特定归类即按其供需属性归为特定供需电力数据类,并通过关联模块形成对应的供需评估模型,进而通过供需评估模型可获取各个特定供需电力数据类相应的供需评估分析,为了进一步结合当前电力系统的实际运行状态,进而更好地预测电力需求和供应情况,则将供需电力数据类对应当前的实时采集数据通过加载模块添加至供需评估模型,生成对应的实时评估系数,随即为了结合当前电力系统实际情况对供需评估模型进行实时更新,使其准确反映出电力系统的实际运行状况,则在实时评估系数超出相关波动阈值的基础上即当前实时采集数据处于异常波动状态,再次判断实时评估系数与相关波动阈值之间的数值差异是否符合预设迭代数值标准,若符合则通过迭代分析模块根据当前电力系统的实时采集数据和实时评估系数生成对应的迭代供需评估模型,随即根据迭代供需评估模型中的电力评估数据通过电力优化模块制定出与当前电力系统运行状况适宜的优化策略,由于结合电力系统的历史数据以及当前电力系统供需动态变化数据,生成更为适宜的迭代供需评估模型,从而提升了电力管理中的数据分析效果。
第三方面,本申请提供一种终端设备,采用如下的技术方案:
一种终端设备,包括存储器和处理器,所述存储器中存储有能够在处理器上运行的计算机指令,所述处理器加载并执行计算机指令时,采用了上述的一种电力管理方法。
通过采用上述技术方案,通过将上述的一种电力管理方法生成计算机指令,并存储于存储器中,以被处理器加载并执行,从而,根据存储器及处理器制作终端设备,方便使用。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机指令,所述计算机指令被处理器加载并执行时,采用了上述的一种电力管理方法。
通过采用上述技术方案,通过将上述的一种电力管理方法生成计算机指令,并存储于计算机可读存储介质中,以被处理器加载并执行,通过计算机可读存储介质,方便计算机指令的可读及存储。
综上所述,本申请包括以下至少一种有益技术效果:将历史电力数据按照预设化类标准进行划分,形成对应的供电侧特征数据组和用电侧特征数据组,进而可获取当前电力系统数据的各类供需特征,以便于为后续数据分析提供准确依据,随即根据当前电力系统的电力供需关系将供电侧特征数据组和用电侧特征数据组中的数据进行特定归类即按其供需属性归为特定供需电力数据类,关联形成对应的供需评估模型,进而通过供需评估模型可获取各个特定供需电力数据类相应的供需评估分析,为了进一步结合当前电力系统的实际运行状态,进而更好地预测电力需求和供应情况,则将供需电力数据类对应当前的实时采集数据添加至对应的上述供需评估模型,生成对应的实时评估系数,随即为了结合当前电力系统实际情况对供需评估模型进行实时更新,使其准确反映出电力系统的实际运行状况,则在实时评估系数超出相关波动阈值的基础上即当前实时采集数据处于异常波动状态,再次判断实时评估系数与相关波动阈值之间的数值差异是否符合预设迭代数值标准,若符合则根据当前电力系统的实时采集数据和实时评估系数生成对应的迭代供需评估模型,随即根据迭代供需评估模型中的电力评估数据制定出与当前电力系统运行状况适宜的优化策略,由于结合电力系统的历史数据以及当前电力系统供需动态变化数据,生成更为适宜的迭代供需评估模型,从而提升了电力管理中的数据分析效果。
附图说明
图1是本申请提供的一种电力管理方法中步骤S101至步骤S108的流程示意图。
图2是本申请提供的一种电力管理方法中步骤S201至步骤S203的流程示意图。
图3是本申请提供的一种电力管理方法中步骤S301至步骤S303的流程示意图。
图4是本申请提供的一种电力管理方法中步骤S401至步骤S402的流程示意图。
图5是本申请提供的一种电力管理方法中步骤S501至步骤S505的流程示意图。
图6是本申请提供的一种电力管理方法中步骤S601至步骤S603的流程示意图。
图7是本申请提供的一种电力管理方法中步骤S701至步骤S703的流程示意图。
图8是本申请提供的一种电力管理系统的模块示意图。
附图标记说明:
1、获取模块;2、划分模块;3、关联模块;4、解析模块;5、加载模块;6、迭代分析模块;7、迭代模型生成模块;8、电力优化模块。
具体实施方式
以下结合附图1-8对本申请作进一步详细说明。
本申请实施例公开一种电力管理方法,如图1所示,包括以下步骤:
S101.获取历史电力数据;
S102.根据预设化类标准划分历史电力数据,形成对应的供电侧特征数据组和用电侧特征数据组;
S103.根据电力供需关系关联供电侧特征数据组和用电侧特征数据组中对应的供需电力数据类,形成对应的供需评估模型;
S104.解析供需评估模型,获取供需电力数据类对应评估系数的相关波动阈值;
S105.将供需电力数据类对应的实时采集数据添加至对应的供需评估模型,生成对应的实时评估系数;
S106.若实时评估系数超出相关波动阈值,则判断实时评估系数与相关波动阈值之间的数值差异是否符合预设迭代数值标准;
S107.若实时评估系数与相关波动阈值之间的数值差异符合预设迭代数值标准,则根据实时采集数据和实时评估系数生成对应的迭代供需评估模型;
S108.根据迭代供需评估模型对应的电力评估数据,生成对应的供需电力优化策略。
在步骤S101中,历史电力数据是指历史电力系统运行过程中产生的各类数据,这些数据可以用于分析电力系统的运行状况、性能、故障原因等,为电力系统的优化、调度和管理提供的参考依据。
例如,历史电力数据为:负荷数据,包括历史负荷数据、负荷特征、负荷预测等,用于分析电力系统需求变化和负荷特点;发电数据,包括各类发电机组的出力、发电量、运行状态等,用于分析发电资源的利用情况和发电效率;电力市场数据,包括电力交易量、电价、市场参与主体等,用于分析电力市场的运行状况和发展趋势;用户数据,包括用户用电量、用电特征、用电需求等,用于分析用户需求和用电行为。
在步骤S102中,预设化类标准是指根据电力系统的供电侧和用电侧对应数据的特征对历史电力数据进行分类的标准。其中,供电侧特征数据组包括了电力系统供电侧的特征数据,用电侧特征数据组包括了电力系统用电侧的特征数据。
其中,通过对供电侧特征数据组和用电侧特征数据组进行分析,可以全面了解电力系统的运行状况,为电力系统的规划、运行、调度和管理提供有价值的信息和支持。同时,供电侧特征数据组和用电侧特征数据组的划分有助于更好地理解电力系统的供需平衡关系,为优化电力资源配置和提高电力系统效率提供参考。
具体地,供电侧特征数据组包括以下特征数据:发电机组运行数据,包括发电机组的输出功率、电压、电流、频率等数据;输电线路数据,包括输电线路的电流、电压、功率损耗等数据;变电站数据,包括变电站的电压、电流、功率等数据;电力负荷数据,包括电力负荷的大小、趋势、季节性、周期性等数据;发电机组运行状态数据,包括发电机组的开关状态、故障信息等数据。
用电侧特征数据组包括以下特征数据:电力负荷数据,包括用电负荷的大小、趋势、季节性、周期性等数据;用电设备数据,包括各个用电设备的功率、电流、电压等数据;用电行为数据,包括用电行为的变化、用电习惯等数据;天气数据,如温度、湿度、风速等数据,可以影响用电需求。以上数据可以通过传感器、监测设备、智能电表等手段获取,这些数据可以用于分析电力系统的运行状态和需求变化,帮助优化供电侧和发电和输电,以及用电侧的能源管理和需求响应。
在步骤S103中,电力供需关系是指在电力系统中电力生产、输送和消费之间的平衡关系。在电力市场中,供电侧主要包括发电企业、输电企业等,负责生产和输送电力;用电侧主要包括工业、商业和居民等各类用电客户,负责消费电力。电力供需关系的平衡程度直接影响到电力系统的稳定运行和电力市场的健康发展。
其中,供需电力数据类是指用于描述和分析电力供需关系的一类数据,供需评估模型是一种基于供需电力数据类的数学模型,用于评估电力系统的供需平衡状况。其中,供需评估模型通常采用统计学、机器学习等方法,通过分析供电侧特征数据组和用电侧特征数据组中的相关数据,对电力系统的供需平衡状况进行评估。
例如,根据电力供需关系关联供电侧特征数据组中的发电机组输出功率数据和用电侧特征数据组中的总负荷功率数据,形成对应的供需平衡评估模型,通过监测供需平衡评估模型可对电力系统的电力供需状况的评估分析。其中,发电机组输出功率数据和总负荷功率数据对应的供需电力数据类为供需状况数据类。
又例如,根据电力供需关系关联供电侧特征数据组中的输电线路电流数据和用电侧特征数据组中的用电侧电流数据,形成对应的输电损耗评估模型,通过输电损耗评估模型可对电力系统的输电损耗情况进行评估分析。其中,输电线路电流数据和用电侧电流数据对应的供需电力数据类为输电损耗数据类。
再例如,根据电力供需关系关联供电侧特征数据组中的发电机组运行状态数据和用电侧特征数据组中的用电设备状态数据,形成对应的故障评估模型,通过故障评估模型可对电力系统的故障诊断和维护进行评估分析。其中,发电机组运行状态数据和用电设备状态数据对应的供需电力数据类为故障诊断和维护数据类。
在步骤S104中,通过解析上述供需评估模型,可得到各个供需电力数据类对应的评估系数的数值,供需电力数据类对应的评估系数是指供需电力数据类对应的质量评测分值。
例如,供需电力数据类中关于负荷率的评估系数,负荷率是指在一定时期内,电力系统实际负荷与最大负荷之比,负荷率反映了电力系统负荷的均衡程度,负荷率越高,说明电力系统的利用率越高,负荷分布越均匀,其对应的评估系数也就越高,如电力系统在一天内的最大负荷为1000MW,而全天的平均负荷为800MW,那么负荷率为80%,其对应的评估系数为8,其中评估系数的数值范围为1-10。
其中,相关波动阈值则是用来判断评估系数波动是否超出正常范围的一个数值标准。其中,相关波动阈值的设定是基于历史数据和经验,用于判断评估系数的波动是否在可接受的范围内,当评估系数超出阈值时,意味着电力系统的供需平衡出现问题。
在步骤S105中,为了结合当前电力系统的实际运行状态预测电力需求和供应的变化,则将当前电力系统中供需电力数据类所对应的实时采集数据添加至上述生成的供需评估模型中,进而得出相应的实时评估系数。
例如,实时采集数据为实时储备容量率,实时储备容量率是指当前时刻电力系统中备用容量与最大负荷之比,实时储备容量越高,说明电力系统的实时安全裕度越大,对应的实时评估系数也就越高,能够更好地应对突发事件。
具体地,供需评估模型对实时采集数据进行分析处理得出相应实时评估系数的大致步骤包括:数据预处理,即对实时采集的供需电力数据进行预处理,包括数据清洗、数据插补、数据平滑处理等操作,以消除数据中的差异值,提高数据质量;特征提取,即从预处理后的数据中提取与供需电力数据类对应评估相关的特征即特征匹配,如实时负荷、实时发电量、实时储备量等,例如,从实时采集的数据中提取某个时刻的实际负荷(10000MW)、最大负荷(12000MW)、备用容量(2000MW)等特征。
其次,模型计算,根据上述的提取特征,利用对应供需评估模型计算实时评估系数。例如,实时负荷率=实际负荷/最大负荷=10,000MW / 12,000MW=0.833,实时储备容量率=备用容量 / 最大负荷 = 2,000MW / 12,000MW = 0.1667;随即进行结果输出,将上述计算得到的实时评估系数输出,供电力系统调度员或市场参与者参考分析。
在步骤S106中,判断实时评估系数是否超出相关波动阈值,其目的是确定电力系统是否需要进行调整以应对实时供需状况的变化,当实时评估系数超出相关波动阈值,则表示此时电力系统可能面临供需失衡的风险。
其次,预设迭代数据标准是一个预先设定的数值,用于判断实时评估系数与相关波动阈值之间的数值差异是否达到了需要对电力系统进行调整的程度,这个数值可根据历史数据、经验和系统的特征来设定,以确保电力系统在面临供需失衡风险时能够及时做出调整。
其中,当实时评估系数与相关波动阈值之间的数值差异符合预设迭代数值标准时,说明电力系统的供需状况发生了较大变化,需要对系统进行调整。此时,根据实时采集数据和实时评估系数生成对应的迭代供需评估模型,以便对电力系统进行优化。迭代供需评估模型是一种动态调整的模型,它根据实时数据和评估系数来预测电力系统的供需状况,并为调整系统提供依据。
例如,在上述示例中,预设迭代数值标准设定为0.03,当实时评估系数与相关波动阈值之间的数值差异大于0.03时,认为电力系统需要进行调整,如增加发电量、调整负荷分配等,以保持电力系统的稳定运行。
再者,若实时评估系数未超出相关波动阈值,则说明当前电力系统的供需电力数据处于平衡或者安全运行范围内,为了对电力系统进行安全有效防护,则系统实时获取检测电力系统的各项电力数据。
在步骤S107中,迭代供需评估模型是一种动态调整的模型,它根据实时数据和评估系数来预测电力系统的供需状态,并为调整系统提供依据。
具体地,生成迭代供需评估模型的步骤大致分为:实时采集数据,即收集电力系统的实时运行数据,如发电量、负荷、输电线路状态等;计算实时评估系统,即根据实时数据计算电力系统的实时评估系数,如供需比例、负荷率等;判断数值差异,即比较实时评估系数与相关波动阈值之间的数值差异,判断是否达到预设迭代数值标准;生成迭代供需评估模型,即若数值差异符合预设迭代数值标准,则根据实时数据和实时评估系数生成迭代供需评估模型;调整电力系统,即根据迭代供需评估模型的结果,对电力系统进行相应调整,如增加发电量、调整负荷分配等,以保持系统的稳定运行。
再者,若实时评估系数与相关波动阈值之间的数值差异不符合预设迭代数值标准,则系统继续实时获取电力系统中供需电力数据类对应的实时评估系数与相关波动阈值之间的数值差异。
在步骤S108中,根据迭代供需评估模型对应的电力评估数据生成对应的供需电力优化策略,是为了在电力系统中实现供需平衡、提高系统效率和降低运行成本。
其中,迭代供需评估模型对应的电力评估数据是指在电力系统中,通过对供需关系进行迭代计算和分析所得到的一系列关键数据。例如,负荷数据:包括系统总负荷、各区域负荷、负荷波动情况等,根据这些数据可以分析出电力需求的分布和变化趋势。
具体地,生成供需电力优化策略的步骤大致分为:分析评估模型,即根据迭代供需评估模型得到的电力评估数据,分析电力系统的运行状况,如供需平衡情况、负荷分布、设备运行状态等;确定优化目标,即根据评估数据分析结果,确定电力系统的优化目标,如提高供电可靠性、降低运行成本、减少线损等;制定优化策略,针对优化目标,制定相应的供需电力优化策略,这些策略包括调整发电计划、优化负荷分配、提高设备利用率等;实施优化策略,即将制定的优化策略应用于电力系统,对系统进行调整。例如,根据优化策略调整发电机组的出力、调度负荷、优化输电线路等;监测优化效果,即实施优化策略后,持续监测电力系统的运行状况,评估优化策略的实际效果。如有需要,可根据实际情况对优化策略进行调整。
本实施例提供的电力管理方法,将历史电力数据按照预设化类标准进行划分,形成对应的供电侧特征数据组和用电侧特征数据组,进而可获取当前电力系统数据的各类供需特征,以便于为后续数据分析提供准确依据,随即根据当前电力系统的电力供需关系将供电侧特征数据组和用电侧特征数据组中的数据进行特定归类即按其供需属性归为特定供需电力数据类,关联形成对应的供需评估模型,进而通过供需评估模型可获取各个特定供需电力数据类相应的供需评估分析,为了进一步结合当前电力系统的实际运行状态,进而更好地预测电力需求和供应情况,则将供需电力数据类对应当前的实时采集数据添加至对应的上述供需评估模型,生成对应的实时评估系数,随即为了结合当前电力系统实际情况对供需评估模型进行实时更新,使其准确反映出电力系统的实际运行状况,则在实时评估系数超出相关波动阈值的基础上即当前实时采集数据处于异常波动状态,再次判断实时评估系数与相关波动阈值之间的数值差异是否符合预设迭代数值标准,若符合则根据当前电力系统的实时采集数据和实时评估系数生成对应的迭代供需评估模型,随即根据迭代供需评估模型中的电力评估数据制定出与当前电力系统运行状况适宜的优化策略,由于结合电力系统的历史数据以及当前电力系统供需动态变化数据,生成更为适宜的迭代供需评估模型,从而提升了电力管理中的数据分析效果。
在本实施例的其中一种实施方式中,如图2所示,步骤S103即根据电力供需关系关联供电侧特征数据组和用电侧特征数据组中对应的供需电力数据类,形成对应的供需评估模型包括以下步骤:
S201.根据电力供需关系将供电侧特征数据组和用电侧特征数据组中对应的供需电力数据类按照时间进行对齐,生成对应的对齐数据类;
S202.对对齐数据类进行关联分析,生成对应的相关系数;
S203.结合对齐数据类和对齐数据类对应的相关系数,形成对应的供需评估模型。
在步骤S201中,在电力系统中,供电侧特征数据组主要包括发电机组的出力、发电成本、发电效率等信息,用电侧特征数据组主要包括系统总负荷、各区域负荷、负荷波动情况等信息。为了更好地分析电力系统的供需关系,需要将这两组数据按照时间进行对齐,生成对应的对齐数据类。
其中,对齐数据类是一种整合了供电侧特征数据组和用电侧特征数据组的数据结构,通过按照时间粒度将这两组数据进行对齐,以便于分析电力系统的供需关系。对齐数据类包含了同一时刻的供电侧特征数据和用电侧特征数据,有助于更准确地评估电力系统的运行状况,为电力系统的监测、预测、调度等提供依据。
具体地,对齐数据类的生成过程主要包括以下几个步骤:确定时间粒度,即根据实际需求和数据特点,选择合适的时间粒度,如小时、日、月等;数据预处理,即对原始数据进行清洗、缺失值填充、异常值处理等操作,确保数据的准确性和完整性;时间对齐,即将供电侧特征数据组和用电侧特征数据组中的数据按照选定的时间粒度进行对齐,即将同一时刻的供电数据和用电数据放在一起进行分析;生成对齐数据类,即将对齐后的数据整合成一个新的数据类,包含了同一时刻的供电侧特征数据和用电侧特征数据。
在步骤S201中,关联分析是一种统计方法,用于度量两个或多个变量之间的关系强度。在电力系统中,对齐数据类包含了同一时刻的供电侧特征数据和用电侧特征数据,通过对这些数据进行关联分析,可以揭示供电侧和用电侧之间的相互关系,为电力系统的优化运行提供依据。
其中,相关系数是一种常用的关联分析指标,用于衡量两个变量之间的线性关系强度。例如,相关系数的取值范围为-1到1,其中,1表示完全正相关,-1表示完全负相关,0表示无关。在对齐数据类中,可以计算供电侧特征数据与用电侧特征数据之间的相关系数,以评估它们之间的关联程度。
例如,对齐数据类为发电量和负荷,为了分析发电量和渡河之间的联系,可以通过分析发电量和负荷之间的皮尔逊相关系数来说明两者之间的关联性关系。
具体地,经电力系统对应的电力数据监测设备获取到:在第1小时,发电量为1000兆瓦,负荷为900兆瓦;在第2小时,发电量为1100兆瓦,负荷为950兆瓦;在第3小时,发电量为1200兆瓦,负荷为1000兆瓦;在第4小时,发电量为1300兆瓦,负荷为1050兆瓦;在第5小时,发电量为1400兆瓦,负荷为1100兆瓦。
其次,计算出发电量和负荷的均值:发电量均值=1200,负荷均值=1000,然后计算发电量和负荷的协方差:协方差=10000,随即计算发电量和负荷的标准差:=141.42,负荷标准差==70.71。可得皮尔逊相关系数=协方差/(发电量标准差*负荷标准差)=10000/(141.42*70.71)=0.999,说明发电量和负荷之间存在很强的正相关关系,这意味着当发电量增加时,负荷也会相应地增加,反之亦然。
在步骤S203中,供需评估模型是一种基于对齐数据类和相关系数的方法,用于评估供电侧和用电侧之间的关系。通过该模型可以预测电力系统未来的供需平衡情况。
其中,集合对齐数据类和相关系数,构建相应的供需评估模型,该模型可以是线性回归、时间序列分析等方法,通过对比模型预测结果和实际数据,评估模型的准确性和可靠性,同时根据评估结果,可以对模型进行调整和优化。
例如,收集了某地区一段时间内电力系统中的发电量和负荷数据,并计算出了它们之间的相关系数为0.999,随即可以构建一个供需评估模型,例如线性回归模型。
具体地,划分训练集和测试集:将对齐数据类划分为训练集和测试集,训练集用于构建模型,测试集用于评估模型;构建线性回归模型,使用训练集数据,构建线性回归模型,这个模型可以表示为y=ax+b,其中y表示负荷,x表示发电量,a和b是模型参数;模型预测,使用测试集数据,计算模型预测的负荷值,将预测值与实际值进行比较,评估模型的准确性;模型优化,根据评估结果,对模型进行调整和优化。例如,可以使用其他回归方法,或者添加更多特征变量。
本实施方式提供的电力管理方法,将供需电力数据类按照时间进行对齐,有助于更准确地分析电力系统在不同时间段的供需关系,进一步将对齐数据类进行的关联分析,有助于挖掘供电侧和用电侧数据之间的内在联系,为电力系统的有优化提供更多可能性,从而为电力系统的优化和管理提供更为精确、全面的数据支持分析。
在本实施例的其中一种实施方式中,如图3所示,步骤S104即解析供需评估模型,获取供需电力数据类对应评估系数的相关波动阈值包括以下步骤:
S301.解析供需评估模型,判断供需电力数据类是否存在波动影响因素;
S302.若供需电力数据类存在波动影响因素,则获取波动影响因素相对于供需电力数据类对应的安全波动阈值;
S303.结合供需电力数据类对应的目标波动阈值和安全波动阈值,形成供需电力数据类对应评估系数的相关波动阈值。
在实际应用中,供需电力数据类可能会受到多种波动影响因素,这些因素可能导致供需关系发生变化。
例如,季节性因素,电力需求通常受到季节性因素的影响,如气温、节假日等。在夏季和冬季,由于空调和取暖设备的使用,电力需求可能会增加。因此,在分析供需电力数据类时,需要考虑季节性因素对供需关系的影响。
又例如,天气因素,天气条件对电力供需也有很大影响。风力发电和太阳能发电的产量受到风速和日照时间的影响。此外,极端天气事件(如台风、暴雨等)可能导致电力设施损坏,影响供电能力。因此,在分析供需电力数据类时,需要考虑天气因素对供需关系的影响。
在步骤S301中,若通过解析供需评估模型,发现模型预测的结果与实际数据存在较大偏差即供需电力数据类存在波动,可通过对存在波动的供需电力数据类进行一系列分析确定具体的波动影响因素。例如,分析天气因素:收集与电力供需相关的天气数据,如风速、日照时间等。分析这些数据与供需关系之间的关联,以确定天气因素对供需电力数据类的影响程度。
在步骤S302至步骤S303中,安全波动阈值是指在不影响电力系统正常运行的前提下,供需电力数据类受到波动影响因素影响所允许的最大波动范围。
其次,结合供需电力数据类的目标波动阈值和安全波动阈值来形成评估系数的相关波动阈值。目标波动阈值是指为实现某一特定目标(如节能、降低成本等),供需电力数据类应达到的波动范围。评估系数是一个反映供需电力数据类波动程度的指标,用于衡量电力系统的稳定性和可靠性。
其中,相关波动阈值是在考虑安全波动阈值和目标波动阈值的基础上,综合评估供需电力数据类的波动范围。通过对比实际波动情况与相关波动阈值,可以判断电力系统的运行状态是否稳定,以及是否达到预期目标。
例如,电力系统的供需电力数据类存在受天气、设备故障等因素影响的波动。首先,根据系统的运行要求和安全标准,确定安全波动阈值。然后,根据节能、降低成本等目标,确定目标波动阈值。最后,结合安全波动阈值和目标波动阈值,得到相关波动阈值。通过实时监测供需电力数据类的波动情况,与相关波动阈值进行对比,评估电力系统的稳定性和运行效果。
本实施方式提供的电力管理方法,判断供需电力数据类是否存在波动影响因素,以便于识别电力系统中可能存在的不稳定因素,若存在则进一步结合供需电力数据类对应的目标波动阈值和波动影响因素对应的安全波动阈值形成相关波动阈值,从而可准确地对供需电力数据类的评估系数进行判定,以减少不稳定因素带来的评估偏差。
在本实施例的其中一种实施方式中,如图4所示,在步骤S301即解析供需评估模型,判断供需电力数据类是否存在波动影响因素之后还包括以下步骤:
S401.若供需电力数据类存在波动影响因素,判断波动影响因素是否为多个;
S402.若波动影响因素为多个,则分别将各个波动影响因素与供需电力数据类进行多元线性回归分析,生成各个波动影响因素相对于供需电力数据类对应的波动贡献程度。
在步骤S401至步骤S402中,如果供需电力数据类存在多个波动影响因素,则需要对这些因素进行分析,以了解它们对供需电力数据类的影响程度。
其中,多元线性回归分析是一种统计方法,用于研究多个自变量(波动影响因素)与因变量(供需电力数据类)之间的关系。通过上述方法,可以得到每个波动影响因素相对于供需电力数据类的波动贡献程度,即每个因素对供需电力数据类波动的影响大小。
例如,某电力系统的供需电力数据类受到天气、设备故障和负荷变化等多个因素的影响。为了分析这些因素对供需电力数据类的影响程度,可以将这些因素作为自变量,供需电力数据类作为因变量,进行多元线性回归分析。通过分析可以得到每个因素的回归系数,这些系数反映了各个因素对供需电力数据类波动的贡献程度。如天气因素的回归系数为0.5,设备故障因素的回归系数为0.3,负荷变化因素的回归系数为0.2。这意味着天气因素对供需电力数据类波动的影响最大,其次是设备故障,最后是负荷变化。
本实施方式提供的电力管理方法,根据多元线性分析,可以更为准确地量化各个波动影响因素对供需电力数据的影响程度,从而更好地理解电力系统中各个因素的作用机制,以及更好地识别和预测电力系统中的相关风险,为电力系统的风险防范提供数据支持,此外根据各个波动影响因素的贡献程度即可实时监测各个风险因素的变化,为电力系统的动态调整和管理提供更可靠的依据。
在本实施例的其中一种实施方式中,如图5所示,步骤S107即若实时评估系数与相关波动阈值之间的数值差异符合预设迭代数值标准,则根据实时采集数据和实时评估系数生成对应的迭代供需评估模型包括以下步骤:
S501.若实时评估系数与相关波动阈值之间的数值差异符合预设迭代数值标准,则获取实时采集数据对应的目标波动项;
S502.若目标波动项存在多项波动诱发因素,则计算各项波动诱发因素之间的相关系数,构成对应的相关系数矩阵;
S503.对相关系数矩阵进行特征值分解,生成对应特征值和特征向量;
S504.根据特征值计算特征向量对应的权重系数;
S505.结合目标波动项和权重系数,生成对应的实时评估系数作为迭代供需评估模型。
在步骤S501中,预设迭代数值标准是在电力系统波动分析和控制过程中设定的一个数值阈值,用于衡量实时评估系数与相关波动阈值之间的数值差异是否在可接受范围内。当数值差异在预设迭代数值标准范围内时,则说明当前数值差异处于电力系统的可接受范围内,但是需要对当前供需评估模型进行迭代更新,以便于获取与实际更为贴切的电力供需数据。
其中,目标波动项是指在满足预设迭代数值标准的情况下,电力系统中各个波动影响因素对供需电力数据类的影响程度分析项。目标波动项通常通过实时采集数据进行计算,包括但不限于天气、设备故障、负荷变化等多个波动影响因素。这些因素可能会对电力系统的供需平衡产生影响,导致系统波动。
例如,供需评估模型中标定用户负荷1000兆瓦为用电基准值,但是到了夏季,用户用电量激增,长时间维持用电负荷为1500兆瓦,则为了对电力系统的分析更贴合实际,则需要对当前供需评估模型中的用电基准分析规则进行迭代更新,即将用电负荷为1500兆瓦标定为用电基准值。
又例如,预设迭代数值标准为实时评估系数与相关波动阈值之间的数值差异大于0.05,实时评估系数与相关波动阈值之间的数值差异为0.06,则可判定满足预设迭代数值标准,此时获取实时采集数据对应的目标波动项包括天气、设备故障和负荷变化等多个波动影响因素,通过多元线性回归分析,可得到上述各个波动影响因素对供需电力数据类的影响程度,例如天气因素的影响程度为0.5,设备故障因素的影响程度为0.3,负荷变化因素的影响程度为0.2,这些影响程度就是目标波动项。
在步骤S502至步骤S504中,若目标波动项存在多项波动诱发因素时,为了更好地分析该些因素之间的相互关系,可通过计算各项波动诱发因素之间的相关系数,并构成对应的相关系数矩阵。
其中,相关系数矩阵是一个对称矩阵,用于描述各个波动诱发因素之间的线性关系。相关系数的取值范围为-1到1,其中1表示完全正相关,-1表示完全负相关,0表示无关。相关系数矩阵可以分析出各个波动诱发因素之间的关联程度。通过分析相关系数矩阵,可以发现哪些因素之间存在较强的关联,从而有针对性地采取措施降低波动影响。同时,相关系数矩阵也可以用于多元线性回归分析,以预测电力系统中的波动变化。
其次,对上述相关系数矩阵进行特征分解,是一种降维方法,可以将多个波动诱发因素的信息提取为较少的主成分,从而简化问题,特征值分解可以生成对应的特征值和特征向量,特征值表示各主成分的重要性,特征向量表示各主成分的方向。根据特征值计算特征向量对应的权重系数,可以得到各主成分在原波动诱发因素中的贡献程度。
例如,电力系统中的目标波动项包括三个波动诱发因素:天气变化、设备故障和负荷变化,对其相关系数矩阵进行特征值分解,得到特征值λ1、λ2、λ3和对应的特征向量v1、v2、v3。假设λ1是最大的特征值,那么v1就是第一主成分的方向。可以根据特征值计算特征向量对应的权重系数:权重系数 = 特征值 / 特征值之和,得出相应的权重系数分别为w1、w2、w3,其中w1数值最大,那么第一主成分即w1在原波动诱发因素中的贡献程度最大。
再者,迭代供需评估模型是一种基于实时评估系数的电力系统供需状况评估方法,通过实时更新评估系数并与阈值进行比较,实现对电力系统供需状况的实时监控和调整。
具体地,可通过以下方式生成相应的迭代供需评估模型:确定目标波动项:收集影响电力系统供需状况的波动诱发因素,如天气变化、设备故障、负荷变化等,将这些因素作为目标波动项;计算权重系数:针对每个目标波动项,运用特征值分解、主成分分析等方法计算其权重系数;权重系数用于衡量各波动诱发因素对供需状况的影响程度;生成实时评估系数:将目标波动项与其对应的权重系数相乘,得到实时评估系数,实时评估系数用于实时监测和评估电力系统的供需状况;设定阈值:根据历史数据和经验,设定一个合理的阈值,用于判断电力系统供需状况是否良好;实时监测与评估:将实时评估系数与阈值进行比较,如果实时评估系数超过阈值,说明供需状况可能出现问题,需要采取措施进行调整;调整与优化:根据实时评估系数的变化,采取相应的措施调整电力系统的运行参数,以实现供需平衡;迭代更新:随着时间的推移,不断更新目标波动项和权重系数,使得迭代供需评估模型能够更好地适应电力系统的实际运行状况。
本实施方式提供的电力管理方法,根据特征值计算特征向量对应的权重系数,可以合理地分配各个波动诱发因素在实时评估系数中的权重,从而更好地反映各个因素对电力系统的影响程度,随即结合目标波动项和权重系数,生成对应的实时评估系数作为迭代供需评估模型,可以根据该迭代供需评估模型实现电力系统的动态调整和优化,提高电力系统的运行效率和稳定性。
在本实施例的其中一种实施方式中,如图6所示,步骤S108即根据迭代供需评估模型对应的电力评估数据,生成对应的供需电力优化策略包括以下步骤:
S601.获取电力评估数据中对应的目标电力供需指标;
S602.根据目标电力供需指标对当前电力供需数据进行分析,获取对应的异常调节项;
S603.根据异常调节项,生成对应的供需电力优化策略。
在步骤S601至步骤S602中,获取电力评估数据中对应的目标电力供需指标,是指从电力系统的运行数据中提取与电力供需相关的关键指标,用于评估电力系统的供需状况。这些指标通常包括负荷、发电量、输电线路容量、储能设备容量等。
其中,根据目标电力供需指标对当前电力供需数据进行分析,获取对应的异常调节项,是指通过对比实际运行数据与目标指标,找出可能导致供需失衡的异常因素。异常调节项用于指导电力系统采取相应的措施进行调整,以实现供需平衡。
其次,异常调节项是电力系统在实际运行过程中,由于各种不确定因素导致的与目标供需指标不符的情况。例如,由于突发性的设备故障、极端天气、负荷波动等原因,可能导致实际的电力供需状况与预期目标产生偏差。
在步骤S603中,识别出上述异常调节项的异常因素后,制定相应的措施和方案,以实现电力系统的供需平衡和优化运行。供需电力优化策略是针对电力系统中出现的异常调节项,通过调整和优化电力系统的运行参数,以实现电力供需平衡和提高系统运行效率。供需电力优化策略通常包括调整发电计划、优化电力调度、启动备用设备、利用储能设备等。
例如,在发现识别电力系统负荷波动的异常调节项后,生成对应的供需电力优化策略包括:利用储能设备(如蓄电池、抽水蓄能等)释放储存的电能,以满足短时高峰负荷需求。同时,在负荷低谷时段,可以利用储能设备储存多余的电能,提高电力资源的利用效率。
本实施方式提供的电力管理方法,根据目标电力供需指标对当前电力供需数据进行分析,可以及时发现电力系统中的异常情况,为电力系统的风险防范提供数据支持,进而根据异常调节项生成对应的供需电力优化策略,可以为电力系统的调度和优化提供更为合理的策略建议,提高电力系统的运行效率和稳定性。
在本实施例的其中一种实施方式中,如图7所示,在步骤S603即根据异常调节项,生成对应的供需电力优化策略之后还包括以下步骤:
S701.实施供需电力优化策略,生成对应的目标监测指令;
S702.执行目标监测指令,获取对应的电力优化参数;
S703.结合电力优化参数和当前电力运行状况,生成供需电力优化策略对应的调整方案。
在步骤S701至步骤S702中,目标监测指令是为了确保供需电力优化策略的有效性和实时性而制定的一系列监测任务。通过执行这些监测指令,可以获取电力系统的实时运行数据即电力优化参数,以便对优化策略进行评估和调整。
例如,在实施利用储能设备的优化策略后,可以生成相应的监测指令,即对储能设备的充放电状态进行监测,以确保储能设备能够在负荷波动时发挥作用,提高电力资源的利用效率。
在步骤S703中,当前电力运行状况是指电力系统在某一时刻的实际运行状态,包括设备运行状态、电力需求、电力供应等。收集到电力系统的实时运行数据和优化参数后,可根据当前电力系统的运行状况,制定相应的调整方案,以优化供需电力平衡,提高电力系统的运行效率。
具体地,分析上述优化参数和当前电力运行状况,找出当前电力系统存在的问题和不足,如供需不平衡、设备过载、电力损耗过大等;然后,根据上述分析结果制定相应的调整措施,如调整发电计划、优化电力调度、利用储能设备等;随即将上述调整措施整合成一个完整的调整方案,包括具体的操作步骤、时间安排、责任人等。
本实施方式提供的电力管理方法,对供需电力优化策略的实施进行实时监测,可以根据电力系统的实际优化情况动态调整优化策略,从而提高电力系统的调度灵活性,从而可以更合理地分配电力资源,提高电力系统的资源利用率,降低能源浪费。
本申请实施例公开一种电力管理系统,如图8所示,包括:
获取模块1,用于获取历史电力数据;
划分模块2,用于根据预设化类标准划分历史电力数据,形成对应的供电侧特征数据组和用电侧特征数据组;
关联模块3,用于根据电力供需关系关联供电侧特征数据组和用电侧特征数据组中对应的供需电力数据类,形成对应的供需评估模型;
解析模块4,用于解析供需评估模型,获取供需电力数据类对应评估系数的相关波动阈值;
加载模块5,用于将供需电力数据类对应的实时采集数据添加至对应的供需评估模型,生成对应的实时评估系数;
迭代分析模块6,若实时评估系数超出相关波动阈值,则迭代分析模块6用于判断实时评估系数与相关波动阈值之间的数值差异是否符合预设迭代数值标准;
迭代模型生成模块7,若实时评估系数与相关波动阈值之间的数值差异符合预设迭代数值标准,则迭代模型生成模块7用于根据实时采集数据和实时评估系数生成对应的迭代供需评估模型;
电力优化模块8,用于根据迭代供需评估模型对应的电力评估数据,生成对应的供需电力优化策略。
本实施例提供的电力管理系统,根据划分模块2将历史电力数据按照预设化类标准进行划分,形成对应的供电侧特征数据组和用电侧特征数据组,进而可获取当前电力系统数据的各类供需特征,以便于为后续数据分析提供准确依据,随即根据当前电力系统的电力供需关系将供电侧特征数据组和用电侧特征数据组中的数据进行特定归类即按其供需属性归为特定供需电力数据类,并通过关联模块3形成对应的供需评估模型,进而通过供需评估模型可获取各个特定供需电力数据类相应的供需评估分析,为了进一步结合当前电力系统的实际运行状态,进而更好地预测电力需求和供应情况,则将供需电力数据类对应当前的实时采集数据通过加载模块5添加至供需评估模型,生成对应的实时评估系数,随即为了结合当前电力系统实际情况对供需评估模型进行实时更新,使其准确反映出电力系统的实际运行状况,则在实时评估系数超出相关波动阈值的基础上即当前实时采集数据处于异常波动状态,再次判断实时评估系数与相关波动阈值之间的数值差异是否符合预设迭代数值标准,若符合则通过迭代分析模块6根据当前电力系统的实时采集数据和实时评估系数生成对应的迭代供需评估模型,随即根据迭代供需评估模型中的电力评估数据通过电力优化模块8制定出与当前电力系统运行状况适宜的优化策略,由于结合电力系统的历史数据以及当前电力系统供需动态变化数据,生成更为适宜的迭代供需评估模型,从而提升了电力管理中的数据分析效果。
需要说明的是,本申请实施例所提供的一种电力管理系统,还包括与上述任意一种电力管理方法的逻辑功能或逻辑步骤所对应的各个模块和/或对应的子模块,实现与各个逻辑功能或者逻辑步骤相同的效果,具体在此不再累述。
本申请实施例还公开一种终端设备,包括存储器、处理器以及存储在存储器中并能够在处理器上运行的计算机指令,其中,处理器执行计算机指令时,采用了上述实施例中的任意一种电力管理方法。
其中,终端设备可以采用台式电脑、笔记本电脑或者云端服务器等计算机设备,并且,终端设备包括但不限于处理器以及存储器,例如,终端设备还可以包括输入输出设备、网络接入设备以及总线等。
其中,处理器可以采用中央处理单元(CPU),当然,根据实际的使用情况,也可以采用其他通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,通用处理器可以采用微处理器或者任何常规的处理器等,本申请对此不做限制。
其中,存储器可以为终端设备的内部存储单元,例如,终端设备的硬盘或者内存,也可以为终端设备的外部存储设备,例如,终端设备上配备的插接式硬盘、智能存储卡(SMC)、安全数字卡(SD)或者闪存卡(FC)等,并且,存储器还可以为终端设备的内部存储单元与外部存储设备的组合,存储器用于存储计算机指令以及终端设备所需的其他指令和数据,存储器还可以用于暂时地存储已经输出或者将要输出的数据,本申请对此不做限制。
其中,通过本终端设备,将上述实施例中的任意一种电力管理方法存储于终端设备的存储器中,并且,被加载并执行于终端设备的处理器上,方便使用。
本申请实施例还公开一种计算机可读存储介质,并且,计算机可读存储介质存储有计算机指令,其中,计算机指令被处理器执行时,采用了上述实施例中的任意一种电力管理方法。
其中,计算机指令可以存储于计算机可读介质中,计算机指令包括计算机指令代码,计算机指令代码可以为源代码形式、对象代码形式、可执行文件或某些中间件形式等,计算机可读介质包括能够携带计算机指令代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM)、随机存取存储器(RAM)、电载波信号、电信信号以及软件分发介质等,需要说明的是,计算机可读介质包括但不限于上述元器件。
其中,通过本计算机可读存储介质,将上述实施例中的任意一种电力管理方法存储于计算机可读存储介质中,并且,被加载并执行于处理器上,以方便上述方法的存储及应用。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (10)
1.一种电力管理方法,其特征在于,包括以下步骤:
获取历史电力数据;
根据预设化类标准划分所述历史电力数据,形成对应的供电侧特征数据组和用电侧特征数据组;
根据电力供需关系关联所述供电侧特征数据组和所述用电侧特征数据组中对应的供需电力数据类,形成对应的供需评估模型;
解析所述供需评估模型,获取所述供需电力数据类对应评估系数的相关波动阈值;
将所述供需电力数据类对应的实时采集数据添加至对应的所述供需评估模型,生成对应的实时评估系数;
若所述实时评估系数超出所述相关波动阈值,则判断所述实时评估系数与所述相关波动阈值之间的数值差异是否符合预设迭代数值标准;
若所述实时评估系数与所述相关波动阈值之间的所述数值差异符合所述预设迭代数值标准,则根据所述实时采集数据和所述实时评估系数生成对应的迭代供需评估模型;
根据所述迭代供需评估模型对应的电力评估数据,生成对应的供需电力优化策略。
2.根据权利要求1所述的一种电力管理方法,其特征在于,根据电力供需关系关联所述供电侧特征数据组和所述用电侧特征数据组中对应的供需电力数据类,形成对应的供需评估模型包括以下步骤:
根据所述电力供需关系将所述供电侧特征数据组和所述用电侧特征数据组中对应的所述供需电力数据类按照时间进行对齐,生成对应的对齐数据类;
对所述对齐数据类进行关联分析,生成对应的相关系数;
结合所述对齐数据类和所述对齐数据类对应的所述相关系数,形成对应的所述供需评估模型。
3.根据权利要求1所述的一种电力管理方法,其特征在于,解析所述供需评估模型,获取所述供需电力数据类对应评估系数的相关波动阈值包括以下步骤:
解析所述供需评估模型,判断所述供需电力数据类是否存在波动影响因素;
若所述供需电力数据类存在所述波动影响因素,则获取所述波动影响因素相对于所述供需电力数据类对应的安全波动阈值;
结合所述供需电力数据类对应的目标波动阈值和所述安全波动阈值,形成所述供需电力数据类对应所述评估系数的所述相关波动阈值。
4.根据权利要求3所述的一种电力管理方法,其特征在于,在解析所述供需评估模型,判断所述供需电力数据类是否存在波动影响因素之后还包括以下步骤:
若所述供需电力数据类存在所述波动影响因素,判断所述波动影响因素是否为多个;
若所述波动影响因素为多个,则分别将各个所述波动影响因素与所述供需电力数据类进行多元线性回归分析,生成各个所述波动影响因素相对于所述供需电力数据类对应的波动贡献程度。
5.根据权利要求1所述的一种电力管理方法,其特征在于,若所述实时评估系数与所述相关波动阈值之间的所述数值差异符合所述预设迭代数值标准,则根据所述实时采集数据和所述实时评估系数生成对应的迭代供需评估模型包括以下步骤:
若所述实时评估系数与所述相关波动阈值之间的所述数值差异符合所述预设迭代数值标准,则获取所述实时采集数据对应的目标波动项;
若所述目标波动项存在多项波动诱发因素,则计算各项所述波动诱发因素之间的相关系数,构成对应的相关系数矩阵;
对所述相关系数矩阵进行特征值分解,生成对应特征值和特征向量;
根据所述特征值计算所述特征向量对应的权重系数;
结合所述目标波动项和所述权重系数,生成对应的所述实时评估系数作为所述迭代供需评估模型。
6.根据权利要求1所述的一种电力管理方法,其特征在于,根据所述迭代供需评估模型对应的电力评估数据,生成对应的供需电力优化策略包括以下步骤:
获取所述电力评估数据中对应的目标电力供需指标;
根据所述目标电力供需指标对当前电力供需数据进行分析,获取对应的异常调节项;
根据所述异常调节项,生成对应的所述供需电力优化策略。
7.根据权利要求6所述的一种电力管理方法,其特征在于,在根据所述异常调节项,生成对应的所述供需电力优化策略之后还包括以下步骤:
实施所述供需电力优化策略,生成对应的目标监测指令;
执行所述目标监测指令,获取对应的电力优化参数;
结合所述电力优化参数和当前电力运行状况,生成所述供需电力优化策略对应的调整方案。
8.一种电力管理系统,其特征在于,包括:
获取模块(1),用于获取历史电力数据;
划分模块(2),用于根据预设化类标准划分所述历史电力数据,形成对应的供电侧特征数据组和用电侧特征数据组;
关联模块(3),用于根据电力供需关系关联所述供电侧特征数据组和所述用电侧特征数据组中对应的供需电力数据类,形成对应的供需评估模型;
解析模块(4),用于解析所述供需评估模型,获取所述供需电力数据类对应评估系数的相关波动阈值;
加载模块(5),用于将所述供需电力数据类对应的实时采集数据添加至对应的所述供需评估模型,生成对应的实时评估系数;
迭代分析模块(6),若所述实时评估系数超出所述相关波动阈值,则所述迭代分析模块(6)用于判断所述实时评估系数与所述相关波动阈值之间的数值差异是否符合预设迭代数值标准;
迭代模型生成模块(7),若所述实时评估系数与所述相关波动阈值之间的所述数值差异符合所述预设迭代数值标准,则所述迭代模型生成模块(7)用于根据所述实时采集数据和所述实时评估系数生成对应的迭代供需评估模型;
电力优化模块(8),用于根据所述迭代供需评估模型对应的电力评估数据,生成对应的供需电力优化策略。
9.一种终端设备,包括存储器和处理器,其特征在于,所述存储器中存储有能够在所述处理器上运行的计算机指令,所述处理器加载并执行所述计算机指令时,采用了如权利要求1至7中任一项所述的一种电力管理方法。
10.一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机指令,其特征在于,所述计算机指令被处理器加载并执行时,采用了如权利要求1至7中任一项所述的一种电力管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310826890.0A CN116821660A (zh) | 2023-07-06 | 2023-07-06 | 一种电力管理方法、系统、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310826890.0A CN116821660A (zh) | 2023-07-06 | 2023-07-06 | 一种电力管理方法、系统、终端设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116821660A true CN116821660A (zh) | 2023-09-29 |
Family
ID=88142855
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310826890.0A Pending CN116821660A (zh) | 2023-07-06 | 2023-07-06 | 一种电力管理方法、系统、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116821660A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117375246A (zh) * | 2023-12-06 | 2024-01-09 | 江西源丰电力有限责任公司 | 电力设备管理方法、系统及设备 |
CN117557009A (zh) * | 2024-01-12 | 2024-02-13 | 东莞市华灏技术有限公司 | 一种电源效率监测方法及系统 |
CN117639113A (zh) * | 2024-01-25 | 2024-03-01 | 湖北世纪森源电力工程有限公司 | 智慧微电网智能电力分配方法、装置及存储介质 |
CN117787665A (zh) * | 2024-02-23 | 2024-03-29 | 国网数字科技控股有限公司 | 一种电力平衡资源调度方法及装置 |
-
2023
- 2023-07-06 CN CN202310826890.0A patent/CN116821660A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117375246A (zh) * | 2023-12-06 | 2024-01-09 | 江西源丰电力有限责任公司 | 电力设备管理方法、系统及设备 |
CN117375246B (zh) * | 2023-12-06 | 2024-04-05 | 江西源丰电力有限责任公司 | 电力设备管理方法、系统及设备 |
CN117557009A (zh) * | 2024-01-12 | 2024-02-13 | 东莞市华灏技术有限公司 | 一种电源效率监测方法及系统 |
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 |
CN117639113A (zh) * | 2024-01-25 | 2024-03-01 | 湖北世纪森源电力工程有限公司 | 智慧微电网智能电力分配方法、装置及存储介质 |
CN117639113B (zh) * | 2024-01-25 | 2024-04-05 | 湖北世纪森源电力工程有限公司 | 智慧微电网智能电力分配方法、装置及存储介质 |
CN117787665A (zh) * | 2024-02-23 | 2024-03-29 | 国网数字科技控股有限公司 | 一种电力平衡资源调度方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Scalable planning for energy storage in energy and reserve markets | |
CN116821660A (zh) | 一种电力管理方法、系统、终端设备及存储介质 | |
Lujano-Rojas et al. | Optimizing daily operation of battery energy storage systems under real-time pricing schemes | |
He et al. | Optimal bidding strategy of battery storage in power markets considering performance-based regulation and battery cycle life | |
Konstantelos et al. | Capacity value of energy storage in distribution networks | |
Fraunholz et al. | On the long-term efficiency of market splitting in Germany | |
Xu et al. | Multi-objective chance-constrained optimal day-ahead scheduling considering BESS degradation | |
Zhao et al. | A stochastic distribution system planning method considering regulation services and energy storage degradation | |
Raouf Mohamed et al. | Distributed battery energy storage systems operation framework for grid power levelling in the distribution networks | |
Awasthi et al. | Operation of datacenter as virtual power plant | |
CN112366708A (zh) | 一种充电管理方法、装置、设备及存储介质 | |
CN116502771B (zh) | 一种基于电力物资预测的配电方法及系统 | |
CN117674119A (zh) | 电网运行风险评估方法、装置、计算机设备和存储介质 | |
CN112734274A (zh) | 一种低碳电网运营主导影响因素挖掘及综合评估方法 | |
CN112510690A (zh) | 考虑风火储联合和需求响应奖惩的优化调度方法及系统 | |
CN112085290A (zh) | 一种区域配电网设备资产绩效水平优化方法 | |
Yang et al. | Ultra-short-term load prediction of integrated energy system based on load similar fluctuation set classification | |
CN115169816A (zh) | 风光储场站的能量管理方法及其能量管理系统 | |
Galeela et al. | Reliability Framework Integrating Grid Scale BESS Considering BESS Degradation | |
CN113255957A (zh) | 综合服务站不确定因素的定量优化分析方法及系统 | |
CN114683908A (zh) | 换电站的换电能力评估方法、系统、电子设备和介质 | |
Wang et al. | A Portrait-Based Method for Constructing Multi-Time Scale Demand Response Resource Pools | |
Tohidi et al. | Energy arbitrage of hydrogen-bromine flow battery between the day-ahead and imbalance electricity markets considering price uncertainty | |
Awad | Novel planning and market models for energy storage systems in smart grids | |
Pastor et al. | Improving grid security in the presence of a high penetration of RES through optimal planning and operation of distributed energy storage devices |
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 |