CN117039888B - 面向电力行业的人工智能多级协同系统及方法 - Google Patents
面向电力行业的人工智能多级协同系统及方法 Download PDFInfo
- Publication number
- CN117039888B CN117039888B CN202311098777.1A CN202311098777A CN117039888B CN 117039888 B CN117039888 B CN 117039888B CN 202311098777 A CN202311098777 A CN 202311098777A CN 117039888 B CN117039888 B CN 117039888B
- Authority
- CN
- China
- Prior art keywords
- power
- time interval
- network
- current time
- loss
- 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.)
- Active
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000005540 biological transmission Effects 0.000 claims abstract description 196
- 230000009466 transformation Effects 0.000 claims abstract description 115
- 238000009826 distribution Methods 0.000 claims abstract description 107
- 238000010248 power generation Methods 0.000 claims abstract description 38
- 230000005611 electricity Effects 0.000 claims abstract description 33
- 230000007246 mechanism Effects 0.000 claims abstract description 32
- 230000000875 corresponding effect Effects 0.000 claims description 96
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 229910052742 iron Inorganic materials 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
-
- 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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems 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)
- Human Computer Interaction (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种面向电力行业的人工智能多级协同系统,属于电力设备领域,所述系统包括:智能预测器件,用于采用人工智能预测体预测当前时间区间对应的单份电能损耗数据;协同控制器件,用于基于设定用电网络在当前时间区间的预测用电数值确定设定发电机构需要在当前时间区间内为设定用电网络的用电所发出的电能数值。本发明还涉及一种面向电力行业的人工智能多级协同方法。通过本发明,针对未来时间区间发电端供电不足或者供电过量的技术问题,能够采用人工智能机制预测未来时间区间内输电、变电、配电多级电损,并基于预测的多级电损的确定未来时间区间发电端需要为用电网络提供的电能数值,从而解决了上述技术问题。
Description
技术领域
本发明涉及电力设备领域,尤其涉及一种面向电力行业的人工智能多级协同系统及方法。
背景技术
电力系统是由发电、输电、变电、配电以及用电各个环节组成的电能生产与消费系统。他的功能是将自然界的一次能源通过发电动力装置转化成电能,再经过运输、变电以及配电将电能供应到用电负荷网络进行使用。由于输电、变电以及配电各级因为阻性负荷的存在以及各种其他原因,必然存在各自的电能损耗,而电能损耗除以发电总电能获得的损率,能够综合反映电力网规划设计、生产的运行水平和经营管理水平。
示例地,中国发明专利公开文本CN114968956A提出的一种电力人工智能平台模型多级协同方法、系统、设备及介质,所述方法包括:获取模型资源,得到待部署的模型;根据边端侧设备的类型及特点将待部署的模型进行模型优化、转换和封装,进行模型与设备的匹配;向边端侧传输模型资源,进行身份鉴别和服务类型校验,并将所述模型的运行指标参数通过物联管理平台发送至边端侧;根据边端侧对模型部署请求的校验结果部署模型。
示例地,中国发明专利公开文本CN108429253A提出的一种多级协同的负荷用户属性模型的构建方法,本发明首先设计了负荷用户属性的模型,该模型涵盖了用户名、用户行业属性、用户重要性、用户实时功率、用户数等多个重要的用户属性信息,通过电能计量自动化系统获得10kV/0.4kV配电变压器的负荷用户属性模型,并结合EMS中的电网结构和运行方式数据,通过潮流追踪的方法建立了10kV馈线及110kV、220kV、500kV变电站负荷用户属性模型。从而实现对于不同电压等级馈线和变电站的负荷用户属性信息的多级协同精细化管理。同时可有效掌握和评估某个变电站停电时受影响的最终用户数和负荷量,可为各级电力调度部门在安排运行方式、制定调度计划和动态分析电网用户状态等方面提供一定的参考决策信息。
显然,上述现有技术都无法对未来时间区间的输电、变电、配电多级电损进行有效评估,使得发电机构即使在明确用电网络未来时间区间需要的总电能数值,也无法确定其在发电端需要在未来时间区间为用电网络提供的电能数值,在这样缺乏多级协同和规划的状态下,发电机构提供的电能送达到用电网络处时,很容易出现电能供应过量或者电能供应不足的现象。
发明内容
为了解决现有技术中的技术缺陷,本发明提供了一种面向电力行业的人工智能多级协同系统及方法,能够采用人工智能机制有效预测未来时间区间内输电、变电、配电多级电损,并基于预测的多级电损的确定未来时间区间发电端需要为用电网络提供的电能数值,从而实现了电力系统的多级协同和规划,保证了有限电能供应和合理分配。
根据本发明的第一方面,提供了一种面向电力行业的人工智能多级协同系统,所述系统包括:
输电检测器件,用于检测设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量,设定输电网络、设定变电器件以及设定配电网络组成一个多级供电网络,用于为设定用电网络提供供电服务;
变电测量器件,用于测量设定变电器件的空载损耗以及设定变电器件的负载损耗,设定变电器件的空载损耗为设定变电器件的铁损,设定变电器件的负载损耗与设定变电器件的变压器负载率的平方成正比;
配电分析器件,用于获取设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量;
分时提取器件,用于获取当前时间区间之前各个时间区间分别对应的各份电能损耗数据,当前时间区间与当前时间区间之前的各个时间区间共同组成一个完整的时间分段,且在所述完整的时间分段内每一个时间区间持续的时长相等;
智能预测器件,分别与所述输电检测器件、所述变电测量器件、所述配电分析器件以及所述分时提取器件连接,用于基于设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量、设定变电器件的空载损耗以及设定变电器件的负载损耗、设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量、当前时间区间之前各个时间区间分别对应的各份电能损耗数据采用人工智能预测体智能预测当前时间区间对应的单份电能损耗数据;
协同控制器件,分别与智能预测器件、设定发电机构以及设定用电网络连接,用于基于设定用电网络在当前时间区间的预测用电数值以及当前时间区间对应的单份电能损耗数据协同设定发电机构以确定设定发电机构需要在当前时间区间内为设定用电网络的用电所发出的电能数值;
其中,设定输电网络、设定变电器件以及设定配电网络组成一个多级供电网络,用于为设定用电网络提供供电服务包括:所述设定变电器件分别与所述设定输电网络以及所述设定配电网络连接,所述设定配电网络分别与所述设定用电网络以及所述设定变电器件连接;
其中,将当前时间区间对应的单份电能损耗数据包括的当前时间区间对应的所述设定输电网络消耗的电损数值、当前时间区间对应的所述设定变电器件消耗的电损数值以及当前时间区间对应的所述设定配电网络消耗的电损数值进行累计以获得当前时间区间对应的多级累计电损,将所述多级累计电损与设定用电网络在当前时间区间的预测用电数值进行相加以获得设定发电机构需要在当前时间区间内为设定用电网络的用电所发出的电能数值。
根据本发明的第二方面,提供了一种面向电力行业的人工智能多级协同方法,所述方法包括:
检测设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量,设定输电网络、设定变电器件以及设定配电网络组成一个多级供电网络,用于为设定用电网络提供供电服务;
测量设定变电器件的空载损耗以及设定变电器件的负载损耗,设定变电器件的空载损耗为设定变电器件的铁损,设定变电器件的负载损耗与设定变电器件的变压器负载率的平方成正比;
获取设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量;
获取当前时间区间之前各个时间区间分别对应的各份电能损耗数据,当前时间区间与当前时间区间之前的各个时间区间共同组成一个完整的时间分段,且在所述完整的时间分段内每一个时间区间持续的时长相等;
基于设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量、设定变电器件的空载损耗以及设定变电器件的负载损耗、设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量、当前时间区间之前各个时间区间分别对应的各份电能损耗数据采用人工智能预测体智能预测当前时间区间对应的单份电能损耗数据;
基于设定用电网络在当前时间区间的预测用电数值以及当前时间区间对应的单份电能损耗数据协同设定发电机构以确定设定发电机构需要在当前时间区间内为设定用电网络的用电所发出的电能数值;
其中,设定输电网络、设定变电器件以及设定配电网络组成一个多级供电网络,用于为设定用电网络提供供电服务包括:所述设定变电器件分别与所述设定输电网络以及所述设定配电网络连接,所述设定配电网络分别与所述设定用电网络以及所述设定变电器件连接;
其中,将当前时间区间对应的单份电能损耗数据包括的当前时间区间对应的所述设定输电网络消耗的电损数值、当前时间区间对应的所述设定变电器件消耗的电损数值以及当前时间区间对应的所述设定配电网络消耗的电损数值进行累计以获得当前时间区间对应的多级累计电损,将所述多级累计电损与设定用电网络在当前时间区间的预测用电数值进行相加以获得设定发电机构需要在当前时间区间内为设定用电网络的用电所发出的电能数值。
相比较于现有技术,本发明至少具备以下几处突出的实质性进步:
实质性进步一:针对由设定输电网络、设定变电器件以及设定配电网络组成的多级供电网络,引入人工智能预测体基于设定输电网络、设定变电器件以及设定配电网络的各项物理参数和当前时间区间之前各个时间区间分别对应的各份电能损耗数据,智能预测当前时间区间作为未来时间区间对应的电能损耗数据;
实质性进步二:基于多级供电网络在当前时间区间内预测的电能损耗数据、设定用电网络在当前时间区间的预测用电数值确定设定发电机构需要在当前时间区间内为设定用电网络的用电所发出的电能数值,从而完成了基于电能损耗数据预测的多级协同处理,避免造成每一用电网络的用电不足或者过剩;
实质性进步三:为保证人工智能预测体的智能预测结果的有效性和稳定性,采取了以下几项具体措施:第一、将执行完多次学习后的BP神经网络作为人工智能预测体;第二、多次学习的学习次数与设定输电网络的输电距离成正比;第三、在每一次学习中,将已知的、某一历史时间区间对应的单份电能损耗数据作为所述人工智能预测体的输出内容,将设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量、设定变电器件的空载损耗以及设定变电器件的负载损耗、设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量、所述某一历史时间区间之前各个时间区间分别对应的各份电能损耗数据作为所述人工智能预测体的各项输入内容,从而保证每一次学习的学习效果;
实质性进步四:基于设定用电网络在过往各天中分别与当前时间区间相同的多个时间区间内分别消耗的多份用电数值采用AI判断模型预测设定用电网络在当前时间区间的预测用电数值,其中,所述过往各天的天数与设定用电网络的实际地理覆盖面积成正比,从而实现了对设定用电网络在当前时间区间的用电数值的智能预测处理。
附图说明
以下将结合附图对本发明的实施例进行描述,其中:
图1为根据本发明的面向电力行业的人工智能多级协同系统及方法的技术流程图。
图2为根据本发明的实施例1示出的面向电力行业的人工智能多级协同系统的内部结构图。
图3为根据本发明的实施例2示出的面向电力行业的人工智能多级协同系统的内部结构图。
图4为根据本发明的实施例3示出的面向电力行业的人工智能多级协同系统的内部结构图。
图5为根据本发明的实施例4示出的面向电力行业的人工智能多级协同系统的内部结构图。
图6为根据本发明的实施例5示出的面向电力行业的人工智能多级协同系统的内部结构图。
图7为根据本发明的实施例6示出的面向电力行业的人工智能多级协同方法的步骤流程图。
具体实施方式
如图1所示,给出了根据本发明示出的面向电力行业的人工智能多级协同系统及方法的技术流程图。
如图1所示,本发明的具体的技术流程如下:
第一步:筛选用于执行后续电能损耗的智能预测处理所需要的各项基础数据;
具体地,所述各项基础数据分为两种类型,第一种类型为电力线路系统的传输链路上的设定输电网络、设定变电器件以及设定配电网络的各项物理参数,第二种类型是电力线路系统的过往各个时间区间的分时传输损耗数据,即过往各个时间区间分别对应的各份电能损耗数据;
第二步:采用定制构建的人工智能预测体使用第一步获取的各项基础数据,智能预测当前时间区间的电力线路系统的传输损耗数据;
示例地,为了保证定制构建的人工智能预测体智能预测结果的可靠性和稳定性,具体采取了以下几项措施:
措施A:将执行完多次学习后的BP神经网络作为人工智能预测体;
措施B:多次学习的学习次数与设定输电网络的输电距离成正比,以实现不同输电网络的人工智能预测体的不同定制;
措施C:在每一次学习中,将已知的、某一历史时间区间对应的单份电能损耗数据作为所述人工智能预测体的输出内容,将设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量、设定变电器件的空载损耗以及设定变电器件的负载损耗、设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量、所述某一历史时间区间之前各个时间区间分别对应的各份电能损耗数据作为所述人工智能预测体的各项输入内容,从而保证每一次学习的学习效果;
第三步:基于智能预测获得的当前时间区间的电力线路系统的传输损耗数据、设定用电网络在当前时间区间的预测用电数值确定设定发电机构需要在当前时间区间内为设定用电网络的用电所发出的电能数值;
示例地,设定用电网络在当前时间区间的预测用电数值采用人工智能模式基于过往时间区间的用电数值进行智能预测;
由此可见,通过电力线路系统的多级协同处理实现了对未来时间区间的发电数据的有效预测,从而避免出现某一用电网络的用电不足或者用电过剩的非预期场景。
本发明的关键点在于:用于执行后续电能损耗的智能预测处理所需要的各项基础数据的针对性筛选、执行后续电能损耗智能预测的人工智能预测体的定制以及设定用电网络在当前时间区间的预测用电数值的智能获取。
下面,将对本发明的面向电力行业的人工智能多级协同系统及方法以实施例的方式进行具体说明。
实施例1
图2为根据本发明的实施例1示出的面向电力行业的人工智能多级协同系统的内部结构图。
如图2所示,所述面向电力行业的人工智能多级协同系统包括以下具体组件:
输电检测器件,用于检测设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量,设定输电网络、设定变电器件以及设定配电网络组成一个多级供电网络,用于为设定用电网络提供供电服务;
示例地,可以采用可编程逻辑器件来实现所述输电检测器件,用于检测设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量;
变电测量器件,用于测量设定变电器件的空载损耗以及设定变电器件的负载损耗,设定变电器件的空载损耗为设定变电器件的铁损,设定变电器件的负载损耗与设定变电器件的变压器负载率的平方成正比;
例如,可以采用数值转换函数表示设定变电器件的负载损耗与设定变电器件的变压器负载率的平方成正比的数值对应关系,在所述数值转换函数中,设定变电器件的变压器负载率为输入参数,设定变电器件的负载损耗为输出参数;
配电分析器件,用于获取设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量;
分时提取器件,用于获取当前时间区间之前各个时间区间分别对应的各份电能损耗数据,当前时间区间与当前时间区间之前的各个时间区间共同组成一个完整的时间分段,且在所述完整的时间分段内每一个时间区间持续的时长相等;
示例地,当前时间区间与当前时间区间之前的各个时间区间共同组成一个完整的时间分段,且在所述完整的时间分段内每一个时间区间持续的时长相等包括:每一个时间区间可以为30分钟、45分钟或者60分钟中的一种;
智能预测器件,分别与所述输电检测器件、所述变电测量器件、所述配电分析器件以及所述分时提取器件连接,用于基于设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量、设定变电器件的空载损耗以及设定变电器件的负载损耗、设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量、当前时间区间之前各个时间区间分别对应的各份电能损耗数据采用人工智能预测体智能预测当前时间区间对应的单份电能损耗数据;
例如,可以选择采用MATLAB工具箱来模拟实现基于设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量、设定变电器件的空载损耗以及设定变电器件的负载损耗、设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量、当前时间区间之前各个时间区间分别对应的各份电能损耗数据采用人工智能预测体智能预测当前时间区间对应的单份电能损耗数据的数据处理过程;
协同控制器件,分别与智能预测器件、设定发电机构以及设定用电网络连接,用于基于设定用电网络在当前时间区间的预测用电数值以及当前时间区间对应的单份电能损耗数据协同设定发电机构以确定设定发电机构需要在当前时间区间内为设定用电网络的用电所发出的电能数值;
其中,设定输电网络、设定变电器件以及设定配电网络组成一个多级供电网络,用于为设定用电网络提供供电服务包括:所述设定变电器件分别与所述设定输电网络以及所述设定配电网络连接,所述设定配电网络分别与所述设定用电网络以及所述设定变电器件连接;
其中,将当前时间区间对应的单份电能损耗数据包括的当前时间区间对应的所述设定输电网络消耗的电损数值、当前时间区间对应的所述设定变电器件消耗的电损数值以及当前时间区间对应的所述设定配电网络消耗的电损数值进行累计以获得当前时间区间对应的多级累计电损,将所述多级累计电损与设定用电网络在当前时间区间的预测用电数值进行相加以获得设定发电机构需要在当前时间区间内为设定用电网络的用电所发出的电能数值;
这样,设定发电机构、设定输电网络、设定变电器件、设定配电网络以及设定用电网络组成了一个完整的电力系统的电能供应链,在上述电能供应链中,作为中间链条的设定输电网络、设定变电器件和设定配电网络在传输电能的过程中不可避免地存在电损。
实施例2
图3为根据本发明的实施例2示出的面向电力行业的人工智能多级协同系统的内部结构图。
如图3所示,与图2中的实施例不同,所述面向电力行业的人工智能多级协同系统还包括:
用电判断器件,与所述协同控制器件连接,用于基于设定用电网络在过往各天中分别与当前时间区间相同的多个时间区间内分别消耗的多份用电数值采用AI判断模型预测设定用电网络在当前时间区间的预测用电数值;
示例地,可以选择采用SOC芯片、CPLD芯片或者ASIC芯片来实现所述用电判断器件,在使用CPLD芯片来实现所述用电判断器件时,可以选择采用VHDL语言进行CPLD芯片的设计和编程;
其中,基于设定用电网络在过往各天中分别与当前时间区间相同的多个时间区间内分别消耗的多份用电数值采用AI判断模型预测设定用电网络在当前时间区间的预测用电数值包括:所述过往各天的天数与设定用电网络的实际地理覆盖面积成正比;
例如,所述过往各天的天数与设定用电网络的实际地理覆盖面积成正比包括:设定用电网络的实际地理覆盖面积为10平方公里,所述过往各天的天数的取值为20,设定用电网络的实际地理覆盖面积为15平方公里,所述过往各天的天数的取值为30,以及设定用电网络的实际地理覆盖面积为20平方公里,所述过往各天的天数的取值为40。
实施例3
图4为根据本发明的实施例3示出的面向电力行业的人工智能多级协同系统的内部结构图。
如图4所示,与图2中的实施例不同,所述面向电力行业的人工智能多级协同系统还包括:
模型建立器件,与所述智能预测器件连接,用于将执行完多次学习后的BP神经网络作为人工智能预测体发生给所述智能预测器件使用;
其中,将执行完多次学习后的BP神经网络作为人工智能预测体发生给所述智能预测器件使用包括:多次学习的学习次数与设定输电网络的输电距离成正比;
例如,设定输电网络的输电距离为50公里,多次学习的学习次数为100,设定输电网络的输电距离为60公里,多次学习的学习次数为120,设定输电网络的输电距离为70公里,多次学习的学习次数为140,设定输电网络的输电距离为80公里,多次学习的学习次数为160;
其中,将执行完多次学习后的BP神经网络作为人工智能预测体发生给所述智能预测器件使用还包括:在每一次学习中,将已知的、某一历史时间区间对应的单份电能损耗数据作为所述人工智能预测体的输出内容,将设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量、设定变电器件的空载损耗以及设定变电器件的负载损耗、设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量、所述某一历史时间区间之前各个时间区间分别对应的各份电能损耗数据作为所述人工智能预测体的各项输入内容,完成该次学习处理。
实施例4
图5为根据本发明的实施例4示出的面向电力行业的人工智能多级协同系统的内部结构图。
如图5所示,与图2中的实施例不同,所述面向电力行业的人工智能多级协同系统还包括:
无线传输器件,与所述协同控制器件连接,用于将确定的设定发电机构需要在当前时间区间内为设定用电网络的用电所发出的电能数值通过无线通信链路发送给执行电力多级协同控制的大数据服务器;
示例地,所述无线传输器件为时分双工通信器件,用于将确定的设定发电机构需要在当前时间区间内为设定用电网络的用电所发出的电能数值通过时分双工通信链路无线发送给执行电力多级协同控制的大数据服务器。
实施例5
图6为根据本发明的实施例5示出的面向电力行业的人工智能多级协同系统的内部结构图。
如图6所示,与图2中的实施例不同,所述面向电力行业的人工智能多级协同系统还包括:
大数据服务器,与各处设定用电网络分别对应的各个无线传输器件分别建立各条无线通信链路,用于执行每一处设定用电网络关联的电力多级协同控制;
相应地,可以选择采用云计算服务器或者区块链服务器来实现所述大数据服务器,用于与各处设定用电网络分别对应的各个无线传输器件分别建立各条无线通信链路,执行每一处设定用电网络关联的电力多级协同控制。
接着,继续对本发明的各个方法实施例进行详细的描述。
在根据本发明上述任一实施例的面向电力行业的人工智能多级协同系统中:
基于设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量、设定变电器件的空载损耗以及设定变电器件的负载损耗、设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量、当前时间区间之前各个时间区间分别对应的各份电能损耗数据采用人工智能预测体智能预测当前时间区间对应的单份电能损耗数据包括:将设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量、设定变电器件的空载损耗以及设定变电器件的负载损耗、设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量、当前时间区间之前各个时间区间分别对应的各份电能损耗数据逐项输入到所述人工智能预测体;
其中,基于设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量、设定变电器件的空载损耗以及设定变电器件的负载损耗、设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量、当前时间区间之前各个时间区间分别对应的各份电能损耗数据采用人工智能预测体智能预测当前时间区间对应的单份电能损耗数据还包括:运行所述人工智能预测体以获得其输出的当前时间区间对应的单份电能损耗数据;
具体地,运行所述人工智能预测体以获得其输出的当前时间区间对应的单份电能损耗数据包括:可以采用MATLAB工具箱完成运行所述人工智能预测体以获得其输出的当前时间区间对应的单份电能损耗数据的仿真处理。
以及在根据本发明上述任一实施例的面向电力行业的人工智能多级协同系统中:
当前时间区间与当前时间区间之前的各个时间区间共同组成一个完整的时间分段,且在所述完整的时间分段内每一个时间区间持续的时长相等包括:在所述完整的时间分段内每一个时间区间持续的时长与设定用电网络内的用电负载设备的数量单调正向关联;
具体地,在所述完整的时间分段内每一个时间区间持续的时长与设定用电网络内的用电负载设备的数量单调正向关联包括:设定用电网络内的用电负载设备的数量越多,在所述完整的时间分段内每一个时间区间持续的时长越长;
其中,获取当前时间区间之前各个时间区间分别对应的各份电能损耗数据包括:每一时间区间对应的单份电能损耗数据为所述时间区间内所述设定输电网络消耗的电损数值、所述设定变电器件消耗的电损数值以及所述设定配电网络消耗的电损数值。
实施例6
图7为根据本发明的实施例6示出的面向电力行业的人工智能多级协同方法的步骤流程图。
如图7所示,所述面向电力行业的人工智能多级协同方法包括以下步骤:
检测设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量,设定输电网络、设定变电器件以及设定配电网络组成一个多级供电网络,用于为设定用电网络提供供电服务;
示例地,可以采用可编程逻辑器件来实现所述输电检测器件,用于检测设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量;
测量设定变电器件的空载损耗以及设定变电器件的负载损耗,设定变电器件的空载损耗为设定变电器件的铁损,设定变电器件的负载损耗与设定变电器件的变压器负载率的平方成正比;
例如,可以采用数值转换函数表示设定变电器件的负载损耗与设定变电器件的变压器负载率的平方成正比的数值对应关系,在所述数值转换函数中,设定变电器件的变压器负载率为输入参数,设定变电器件的负载损耗为输出参数;
获取设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量;
获取当前时间区间之前各个时间区间分别对应的各份电能损耗数据,当前时间区间与当前时间区间之前的各个时间区间共同组成一个完整的时间分段,且在所述完整的时间分段内每一个时间区间持续的时长相等;
示例地,当前时间区间与当前时间区间之前的各个时间区间共同组成一个完整的时间分段,且在所述完整的时间分段内每一个时间区间持续的时长相等包括:每一个时间区间可以为30分钟、45分钟或者60分钟中的一种;
基于设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量、设定变电器件的空载损耗以及设定变电器件的负载损耗、设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量、当前时间区间之前各个时间区间分别对应的各份电能损耗数据采用人工智能预测体智能预测当前时间区间对应的单份电能损耗数据;
例如,可以选择采用MATLAB工具箱来模拟实现基于设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量、设定变电器件的空载损耗以及设定变电器件的负载损耗、设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量、当前时间区间之前各个时间区间分别对应的各份电能损耗数据采用人工智能预测体智能预测当前时间区间对应的单份电能损耗数据的数据处理过程;
基于设定用电网络在当前时间区间的预测用电数值以及当前时间区间对应的单份电能损耗数据协同设定发电机构以确定设定发电机构需要在当前时间区间内为设定用电网络的用电所发出的电能数值;
其中,设定输电网络、设定变电器件以及设定配电网络组成一个多级供电网络,用于为设定用电网络提供供电服务包括:所述设定变电器件分别与所述设定输电网络以及所述设定配电网络连接,所述设定配电网络分别与所述设定用电网络以及所述设定变电器件连接;
其中,将当前时间区间对应的单份电能损耗数据包括的当前时间区间对应的所述设定输电网络消耗的电损数值、当前时间区间对应的所述设定变电器件消耗的电损数值以及当前时间区间对应的所述设定配电网络消耗的电损数值进行累计以获得当前时间区间对应的多级累计电损,将所述多级累计电损与设定用电网络在当前时间区间的预测用电数值进行相加以获得设定发电机构需要在当前时间区间内为设定用电网络的用电所发出的电能数值;
这样,设定发电机构、设定输电网络、设定变电器件、设定配电网络以及设定用电网络组成了一个完整的电力系统的电能供应链,在上述电能供应链中,作为中间链条的设定输电网络、设定变电器件和设定配电网络在传输电能的过程中不可避免地存在电损。
另外,本发明还可以引用以下技术内容以突出本发明的显著性技术进步:
在每一次学习中,将已知的、某一历史时间区间对应的单份电能损耗数据作为所述人工智能预测体的输出内容,将设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量、设定变电器件的空载损耗以及设定变电器件的负载损耗、设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量、所述某一历史时间区间之前各个时间区间分别对应的各份电能损耗数据作为所述人工智能预测体的各项输入内容,完成该次学习处理包括:将已知的、某一历史时间区间对应的单份电能损耗数据的二进制数值作为所述人工智能预测体的输出内容;
其中,在每一次学习中,将已知的、某一历史时间区间对应的单份电能损耗数据作为所述人工智能预测体的输出内容,将设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量、设定变电器件的空载损耗以及设定变电器件的负载损耗、设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量、所述某一历史时间区间之前各个时间区间分别对应的各份电能损耗数据作为所述人工智能预测体的各项输入内容,完成该次学习处理还包括:将设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量、设定变电器件的空载损耗以及设定变电器件的负载损耗、设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量、所述某一历史时间区间之前各个时间区间分别对应的各份电能损耗数据分别进行二进制转换处理后并行输入到所述人工智能预测体中。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的实施方式的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。在本说明书的描述中,参考术语“一个实施方式”、“某些实施方式”、“示意性实施方式”、“示例”、“具体示例”或“一些示例”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种面向电力行业的人工智能多级协同系统,其特征在于,所述系统包括:
输电检测器件,用于检测设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量,设定输电网络、设定变电器件以及设定配电网络组成一个多级供电网络,用于为设定用电网络提供供电服务;
变电测量器件,用于测量设定变电器件的空载损耗以及设定变电器件的负载损耗,设定变电器件的空载损耗为设定变电器件的铁损,设定变电器件的负载损耗与设定变电器件的变压器负载率的平方成正比;
配电分析器件,用于获取设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量;
分时提取器件,用于获取当前时间区间之前各个时间区间分别对应的各份电能损耗数据,当前时间区间与当前时间区间之前的各个时间区间共同组成一个完整的时间分段,且在所述完整的时间分段内每一个时间区间持续的时长相等;
智能预测器件,分别与所述输电检测器件、所述变电测量器件、所述配电分析器件以及所述分时提取器件连接,用于基于设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量、设定变电器件的空载损耗以及设定变电器件的负载损耗、设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量、当前时间区间之前各个时间区间分别对应的各份电能损耗数据采用人工智能预测体智能预测当前时间区间对应的单份电能损耗数据;
协同控制器件,分别与智能预测器件、设定发电机构以及设定用电网络连接,用于基于设定用电网络在当前时间区间的预测用电数值以及当前时间区间对应的单份电能损耗数据协同设定发电机构以确定设定发电机构需要在当前时间区间内为设定用电网络的用电所发出的电能数值;
其中,设定输电网络、设定变电器件以及设定配电网络组成一个多级供电网络,用于为设定用电网络提供供电服务包括:所述设定变电器件分别与所述设定输电网络以及所述设定配电网络连接,所述设定配电网络分别与所述设定用电网络以及所述设定变电器件连接;
其中,将当前时间区间对应的单份电能损耗数据包括的当前时间区间对应的所述设定输电网络消耗的电损数值、当前时间区间对应的所述设定变电器件消耗的电损数值以及当前时间区间对应的所述设定配电网络消耗的电损数值进行累计以获得当前时间区间对应的多级累计电损,将所述多级累计电损与设定用电网络在当前时间区间的预测用电数值进行相加以获得设定发电机构需要在当前时间区间内为设定用电网络的用电所发出的电能数值。
2.如权利要求1所述的面向电力行业的人工智能多级协同系统,其特征在于,所述系统还包括:
用电判断器件,与所述协同控制器件连接,用于基于设定用电网络在过往各天中分别与当前时间区间相同的多个时间区间内分别消耗的多份用电数值采用AI判断模型预测设定用电网络在当前时间区间的预测用电数值;
其中,基于设定用电网络在过往各天中分别与当前时间区间相同的多个时间区间内分别消耗的多份用电数值采用AI判断模型预测设定用电网络在当前时间区间的预测用电数值包括:所述过往各天的天数与设定用电网络的实际地理覆盖面积成正比。
3.如权利要求1所述的面向电力行业的人工智能多级协同系统,其特征在于,所述系统还包括:
模型建立器件,与所述智能预测器件连接,用于将执行完多次学习后的BP神经网络作为人工智能预测体发生给所述智能预测器件使用;
其中,将执行完多次学习后的BP神经网络作为人工智能预测体发生给所述智能预测器件使用包括:多次学习的学习次数与设定输电网络的输电距离成正比;
其中,将执行完多次学习后的BP神经网络作为人工智能预测体发生给所述智能预测器件使用还包括:在每一次学习中,将已知的、某一历史时间区间对应的单份电能损耗数据作为所述人工智能预测体的输出内容,将设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量、设定变电器件的空载损耗以及设定变电器件的负载损耗、设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量、所述某一历史时间区间之前各个时间区间分别对应的各份电能损耗数据作为所述人工智能预测体的各项输入内容,完成该次学习处理。
4.如权利要求1所述的面向电力行业的人工智能多级协同系统,其特征在于,所述系统还包括:
无线传输器件,与所述协同控制器件连接,用于将确定的设定发电机构需要在当前时间区间内为设定用电网络的用电所发出的电能数值通过无线通信链路发送给执行电力多级协同控制的大数据服务器。
5.如权利要求4所述的面向电力行业的人工智能多级协同系统,其特征在于,所述系统还包括:
大数据服务器,与各处设定用电网络分别对应的各个无线传输器件分别建立各条无线通信链路,用于执行每一处设定用电网络关联的电力多级协同控制。
6.如权利要求1-5任一所述的面向电力行业的人工智能多级协同系统,其特征在于:
基于设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量、设定变电器件的空载损耗以及设定变电器件的负载损耗、设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量、当前时间区间之前各个时间区间分别对应的各份电能损耗数据采用人工智能预测体智能预测当前时间区间对应的单份电能损耗数据包括:将设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量、设定变电器件的空载损耗以及设定变电器件的负载损耗、设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量、当前时间区间之前各个时间区间分别对应的各份电能损耗数据逐项输入到所述人工智能预测体。
7.如权利要求6所述的面向电力行业的人工智能多级协同系统,其特征在于:
基于设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量、设定变电器件的空载损耗以及设定变电器件的负载损耗、设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量、当前时间区间之前各个时间区间分别对应的各份电能损耗数据采用人工智能预测体智能预测当前时间区间对应的单份电能损耗数据还包括:运行所述人工智能预测体以获得其输出的当前时间区间对应的单份电能损耗数据。
8.如权利要求1-5任一所述的面向电力行业的人工智能多级协同系统,其特征在于:
当前时间区间与当前时间区间之前的各个时间区间共同组成一个完整的时间分段,且在所述完整的时间分段内每一个时间区间持续的时长相等包括:在所述完整的时间分段内每一个时间区间持续的时长与设定用电网络内的用电负载设备的数量单调正向关联。
9.如权利要求8所述的面向电力行业的人工智能多级协同系统,其特征在于:
获取当前时间区间之前各个时间区间分别对应的各份电能损耗数据包括:每一时间区间对应的单份电能损耗数据为所述时间区间内所述设定输电网络消耗的电损数值、所述设定变电器件消耗的电损数值以及所述设定配电网络消耗的电损数值。
10.一种面向电力行业的人工智能多级协同方法,其特征在于,所述方法包括:
检测设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量,设定输电网络、设定变电器件以及设定配电网络组成一个多级供电网络,用于为设定用电网络提供供电服务;
测量设定变电器件的空载损耗以及设定变电器件的负载损耗,设定变电器件的空载损耗为设定变电器件的铁损,设定变电器件的负载损耗与设定变电器件的变压器负载率的平方成正比;
获取设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量;
获取当前时间区间之前各个时间区间分别对应的各份电能损耗数据,当前时间区间与当前时间区间之前的各个时间区间共同组成一个完整的时间分段,且在所述完整的时间分段内每一个时间区间持续的时长相等;
基于设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量、设定变电器件的空载损耗以及设定变电器件的负载损耗、设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量、当前时间区间之前各个时间区间分别对应的各份电能损耗数据采用人工智能预测体智能预测当前时间区间对应的单份电能损耗数据;
基于设定用电网络在当前时间区间的预测用电数值以及当前时间区间对应的单份电能损耗数据协同设定发电机构以确定设定发电机构需要在当前时间区间内为设定用电网络的用电所发出的电能数值;
其中,设定输电网络、设定变电器件以及设定配电网络组成一个多级供电网络,用于为设定用电网络提供供电服务包括:所述设定变电器件分别与所述设定输电网络以及所述设定配电网络连接,所述设定配电网络分别与所述设定用电网络以及所述设定变电器件连接;
其中,将当前时间区间对应的单份电能损耗数据包括的当前时间区间对应的所述设定输电网络消耗的电损数值、当前时间区间对应的所述设定变电器件消耗的电损数值以及当前时间区间对应的所述设定配电网络消耗的电损数值进行累计以获得当前时间区间对应的多级累计电损,将所述多级累计电损与设定用电网络在当前时间区间的预测用电数值进行相加以获得设定发电机构需要在当前时间区间内为设定用电网络的用电所发出的电能数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311098777.1A CN117039888B (zh) | 2023-08-29 | 2023-08-29 | 面向电力行业的人工智能多级协同系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311098777.1A CN117039888B (zh) | 2023-08-29 | 2023-08-29 | 面向电力行业的人工智能多级协同系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117039888A CN117039888A (zh) | 2023-11-10 |
CN117039888B true CN117039888B (zh) | 2024-01-23 |
Family
ID=88643025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311098777.1A Active CN117039888B (zh) | 2023-08-29 | 2023-08-29 | 面向电力行业的人工智能多级协同系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117039888B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020039632A1 (ja) * | 2018-08-23 | 2020-02-27 | 株式会社日立製作所 | 送電損失計算装置及び送電損失計算方法 |
CN114492913A (zh) * | 2021-11-29 | 2022-05-13 | 国网安徽省电力有限公司芜湖供电公司 | 一种基于行业负荷预测技术的配电网规划方法 |
CN115940294A (zh) * | 2023-01-17 | 2023-04-07 | 中国电力科学研究院有限公司 | 多级电网实时调度策略调整方法、系统、设备及存储介质 |
CN116345447A (zh) * | 2023-04-12 | 2023-06-27 | 刘泓利 | 发电电能输送损耗评估系统 |
CN116613748A (zh) * | 2023-06-14 | 2023-08-18 | 陈冠群 | 分布式能源供应数据分析系统 |
-
2023
- 2023-08-29 CN CN202311098777.1A patent/CN117039888B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020039632A1 (ja) * | 2018-08-23 | 2020-02-27 | 株式会社日立製作所 | 送電損失計算装置及び送電損失計算方法 |
CN114492913A (zh) * | 2021-11-29 | 2022-05-13 | 国网安徽省电力有限公司芜湖供电公司 | 一种基于行业负荷预测技术的配电网规划方法 |
CN115940294A (zh) * | 2023-01-17 | 2023-04-07 | 中国电力科学研究院有限公司 | 多级电网实时调度策略调整方法、系统、设备及存储介质 |
CN116345447A (zh) * | 2023-04-12 | 2023-06-27 | 刘泓利 | 发电电能输送损耗评估系统 |
CN116613748A (zh) * | 2023-06-14 | 2023-08-18 | 陈冠群 | 分布式能源供应数据分析系统 |
Non-Patent Citations (1)
Title |
---|
Numerical study of the loss and power prediction based on a modified non-equilibrium condensation model in a 200 MW industrial-scale steam turbine under different operation conditions;Guojie Zhang 等;Energy;第275卷;1-15 * |
Also Published As
Publication number | Publication date |
---|---|
CN117039888A (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107038530A (zh) | 一种配电网统筹规划方法及系统 | |
CN104636988A (zh) | 一种主动配电网评估方法 | |
CN105375461B (zh) | 基于预测技术的主动配电网供电能力实时评估方法 | |
CN103617447B (zh) | 智能变电站的评价系统及评价方法 | |
CN105303265A (zh) | 一种主动配电网发展水平综合评价方法 | |
CN108520362A (zh) | 一种农村智能电网水平的综合评价方法 | |
CN108493998B (zh) | 考虑需求响应与n-1预想故障的鲁棒输电网规划方法 | |
CN102522783B (zh) | 多用户自动协商的非并网的微电网调度方法 | |
CN104319774A (zh) | 智能社区的监控方法和装置 | |
CN105226826A (zh) | 分布式智能用电管理方法及系统 | |
Kumar et al. | Impact analysis of distributed generation integration on distribution network considering smart grid scenario | |
CN110061496A (zh) | 源网荷多目标规划模型的可信度优化方法 | |
Muleta et al. | Study of energy management system and IOT integration in Smart Grid | |
CN116923168B (zh) | 基于变电站联网的充电桩电能调度系统及其调度方法 | |
CN105226827A (zh) | 一种分布式智能用电管理方法及系统 | |
CN113872228A (zh) | 一种应用于电网调峰调频的电动汽车调度方法和装置 | |
CN108108871B (zh) | 风电场群输电设备的选型方法 | |
CN117039888B (zh) | 面向电力行业的人工智能多级协同系统及方法 | |
CN116722605B (zh) | 一种基于物联网的配电网调度优化方法 | |
Zhang et al. | Multi-objective planning of soft open point in active distribution network based on bi-level programming | |
CN117614141A (zh) | 一种用于配电网的多电压层级协调管理方法 | |
CN105224993A (zh) | 一种优化配电网运行的变电站规划方法 | |
CN115618616A (zh) | 一种源、网、荷资源的混合储能可靠性评估模型构建方法 | |
Vanin et al. | Dispatch optimization of energy communities for collective provision of network congestion management | |
CN104036366A (zh) | 一种电力通信网对电网发展支撑度的评估方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |