CN117114368A - 一种基于人工智能的工业大数据数据安全监测系统及方法 - Google Patents

一种基于人工智能的工业大数据数据安全监测系统及方法 Download PDF

Info

Publication number
CN117114368A
CN117114368A CN202311370235.5A CN202311370235A CN117114368A CN 117114368 A CN117114368 A CN 117114368A CN 202311370235 A CN202311370235 A CN 202311370235A CN 117114368 A CN117114368 A CN 117114368A
Authority
CN
China
Prior art keywords
power supply
power
supply area
consumption
distribution station
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.)
Granted
Application number
CN202311370235.5A
Other languages
English (en)
Other versions
CN117114368B (zh
Inventor
孙列
马瑞雪
褚芳芳
李兵
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.)
Xian Aeronautical University
Original Assignee
Xian Aeronautical University
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 Xian Aeronautical University filed Critical Xian Aeronautical University
Priority to CN202311370235.5A priority Critical patent/CN117114368B/zh
Publication of CN117114368A publication Critical patent/CN117114368A/zh
Application granted granted Critical
Publication of CN117114368B publication Critical patent/CN117114368B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G06N5/025—Extracting rules from data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • H02J13/00034—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for the elements or equipment being or involving an electric power substation
    • 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
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Power Engineering (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Water Supply & Treatment (AREA)
  • Computational Linguistics (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Artificial Intelligence (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Human Computer Interaction (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及数据安全监测技术领域，具体为一种基于人工智能的工业大数据数据安全监测系统及方法，包括获取各个配电站对应的供电区域；采集供电区域内的用电数据，并对用电数据进行分析，得到当前周期内供电区域的标记用电量；基于各个供电区域对应的缺电记录，对工业园区内各个供电区域之间用电量的关联性进行评估；获取工业园区内各个供电区域的标记用电量；基于工业园区的供电规划和各个供电区域的标记用电量，对当前周期内工业园区各个配电站的供电量进行分配；基于工业园区内各个配电站的供电量和不同供电区域之间关联性，对工业园区内各个供电区域内供电进行智能调控。

Description

一种基于人工智能的工业大数据数据安全监测系统及方法
技术领域
本发明涉及数据安全监测技术领域，具体为一种基于人工智能的工业大数据数据安全监测系统及方法。
背景技术
人工智能是一项研究如何使计算机能够像人一样，可以智能地进行思考、推理、学习和决策的科学技术，并且人工智能的研究也涉及到了计算机科学、心理学、哲学等多个学科，使用有以下几点好处，1.提高故障效率，人工智能可以为人类执行复杂而又繁琐的任务，从而节省时间和人力资源，2.提供个性化的服务，人工智能可以通过分析用户的行为和数据，为用户提供个性化的推荐和建议，3.改善预测和决策能力，人工智能可以通过发现此大量的数据，探寻数据之间存在的关系，从而帮助人们做出更为准确的决策和预测，4.实现智能化和自动化生产，人工智能可以帮助企业实现生产过程的自动化和智能化，提高生产的效率和生产的质量。
在工业园区中日常用电量是十分巨大的，一般情况下为了工业园区的安全，工业园区中会设置不同的配电站与电网供电网络相连，但是在用电高峰期的时候，电网会先供应城市中居民的用电，对工业园区的用电进行一定的限制，如何在供电不足的情况下保证工业园区正常运行，降低电能减低对工业园区的损害，保障工业园区设备和人员安全。
发明内容
本发明的目的在于提供一种基于人工智能的工业大数据数据安全监测系统及方法，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：一种基于人工智能的工业大数据数据安全监测方法，方法包括：
步骤S100：获取各个配电站对应的供电区域；采集供电区域各个历史周期的用电数据，并对供电区域各个历史周期的用电数据进行筛选；基于供电区域在各个历史周期的用电数据，使用时间序列模型对当前周期内供电区域的用电量进行预测，并记为标记用电量；
步骤S200：设置各个供电区域对应的用电量阈值；当供电区域在单位时段内用电量小于用电量阈值时，判定供电区域在所述单位时段内缺电；对各个供电区域的缺电记录进行获取；基于各个供电区域对应的缺电记录，对工业园区内各个供电区域之间的用电量关联性进行评估；
步骤S300：获取当前周期内电网对工业园区内各个配电站的供电规划；获取工业园区内各个供电区域的标记用电量；基于工业园区的供电规划和各个供电区域的标记用电量，对当前周期内工业园区各个配电站的供电量进行分配；
步骤S400：基于工业园区内各个配电站的供电量和不同供电区域之间关联性，对工业园区内各个供电区域内供电进行智能调控。
进一步的，步骤S100包括：
步骤S101：对供电区域各个历史周期内的用电量数据进行汇集，得到供电区域的用电量集合；
步骤S102：获取供电区域内各个用电设备的用电功率；对供电区域历史周期内各个用电设备的用电时长进行获取；计算供电区域在历史周期内任意用电设备的第一用电量Uh=P×T；其中，P为任意用电设备的用电功率；T为任意用电设备在历史周期内使用时长；
步骤S103对供电区域内所有用电设备在历史周期内的第一用电量进行累加，得到供电区域在历史周期内的第二用电量Ah；
步骤S104：计算历史周期内供电区域的特征用电值R=Ah/V；其中，V为历史周期内配电站对供电区域的供电量；获取供电区域在各个历史周期的特征用电值；
步骤S105：计算第a个历史周期内供电区域的特征用电比例值；α=|（Ra+1-Ra）/Ra|×100%；其中，Ra为供电区域在第a个历史周期对应的特征用电值； Ra+1为供电区域在第a+1个历史周期对应的特征用电值；设置特征用电比例阈值；当某一历史周期供电区域的特征用电比例值大于特征用电比例阈值，将历史周期记为标记历史周期；对供电区域在标记历史周期的用电量进行剔除，选取标记历史周期相邻的两个历史周期的用电量平均值，作为标记历史周期的用电量；
步骤S106：将各个历史周期内供电区域的用电量进行汇集；使用时间序列模型对各个历史周期内用电量进行训练，得到时间序列模型相应参数；使用时间序列模型对历史周期内的用电量进行预测校准，并对时间序列模型参数进行调整；在当前周期内使时间序列模型对供电区域的用电量进行预测，得到当前周期供电区域的预测用电量，记为标记用电量。
进一步的，步骤S200包括：
步骤S201：将于任意历史周期内存在历史缺电记录的供电区域设为标记供电区域；获取各个标记供电区域的各个历史缺电记录对应的时间段；
步骤S202：基于各个历史缺电记录发生的时间段，将同一历史周期内的历史缺电记录进行获取；将历史周期内没有缺电的供电区域，并记为特征供电区域；
步骤S203：获取特征供电区域的在单位时段内的实际用电量；设置各个供电区域的实际用电量变化比例阈值；当特征供电区域的实际用电量与上一个单位时段的实际用电量的变化比例，小于实际用电量变化比例阈值，将特征供电区域记为标记特征供电区域；
步骤S204：对特征供电区域各个单位时段内生产工件的消耗量进行获取；设置工件消耗量阈值；当某一特征供电区域在单位时段内生产工件的消耗量小于工件消耗量阈值，将特征供电区域记为目标特征供电区域；
步骤S205：获取同一历史周期内的标记供电区域、标记特征供电区域、目标特征供电区域；将标记供电区域记为第二供电区域；任选一个标记特征供电区域记为疑似第三供电区域；任选一个目标特征供电区域记为疑似第一供电区域；
步骤S206：当第二供电区域、疑似第一供电区域和疑似第三供电区域在同一历史周期内时，将历史周期记为关联历史周期；对关联历史周期总个数进行获取；
步骤S207：设置关联历史周期数量阈值；当关联历史周期总个数大于关联历史周期数量阈值，判定疑似第一供电区域、第二供电区域和疑似第三供电区域之间存在关联，分别将疑似第一供电区域和疑似第三供电区域，记为第一供电区域和第三供电区域；
上述步骤中使用历史缺电时段上一个单位时段的实际用电量的变化比例，去对供电区域的供电区域进行判断，这是因为此时供电区域受到另外一个供电区域影响，导致供电区域内设备用电减少，对于供电区域内存在关联性的供电区域进行获取，可以使得供电区域电量分配更加合理、科学。
进一步的，步骤S300包括：
步骤S301：获取电网对配电站的供电量；获取配电站的供电区域内实际用电量；将配电站的供电量与供电区域的实际用电量之间比值，作为配电站的用电状态评价值；设置用电状态评价值阈值；当配电站的用电状态评价值小于用电状态评价值阈值，将配电站的供电等级记为优先供电等级；
步骤S302：当配电站的用电状态评价值大于等于用电状态评价值阈值，将配电站的供电等级记为标准供电等级；
步骤S303：获取电网对配电站的标准输入电量；从当前周期电网的供电规划中提取出电网在当前周期的供电量；当当前周期内电网的供电量小于各个配电站的标记用电量之和，判定工业园区在当前周期电量供应不足；
步骤S304：基于工业园区内各个供电区域的标记用电量和配电站对应的供电等级，对各个配电站按照相应次序分配对应的电量。
进一步的，步骤S400包括：
步骤S401：获取各个配电站分配的供电量；计算配电站的供电评价值Y=Eμ/EQ；其中，Eμ为当前周期配电站分配的供电量；EQ为当前周期配电站的标记用电量；设置供电评价值阈值；当前周期内某一配电站的供电评价值小于供电评价值阈值，将配电站记为重点配电站；
步骤S402：对重点配电站使用工业园区内的后备电源进行补充供电；其中，工业园区内后备电源优先对供电评价值小的重点配电站进行供电；
步骤S403：获取各个供电区域内存在关联性的供电区域；当配电站在当前周期内的供电量，小于配电站的供电区域的标记用电量，对供电区域内缺电的供电区域进行获取；当缺电的供电区域为第一供电区域、第二供电区域和第三供电区域中任意一项时，对存在关联性的供电区域进行获取；对缺电的供电区域存在关联的供电区域进行限电；当标记供电区域所属供电区域的供电量大于等于配电站的标记用电量，对供电区域的配电站进行电量进行调控，分配一部分供电量对重点配电站进行供电，并对各个配电站进行安全调控；
上述步骤中利用当前周期配电站分配的供电量和标记用电量，得到配电站的供电评价值，使得对配电站电量情况有了数值来进行识别，可以更加精准的了解到配电站的供电量情况，更加准确的识别那些配电站供电严重不足，从而对配电站使用工业园区的后备电源进行供电，保证工业园区的用电安全和正常运行。
为了更好实现上述方法还提出了工业大数据数据安全监测系统，监测系统包括标记用电量模块、关联性模块、电量分配模块、电量安全调控模块；
标记用电量模块，用于对供电区域内用电数据进行采集，对用电数据进行分析，得到当前周期内供电区域的标记用电量；
关联性模块，用于对工业园区内历史缺电记录进行获取；基于工业园区历史缺电数据信息，对不同供电区域之间关联性进行分析；
电量分配模块，用于基于工业园区的供电规划和各个供电区域的标记用电量，对当前周期内工业园区各个配电站的供电量进行分配；
电量安全调控模块，用于对供电区域内各个供电区域供电进行监控；并对供电区域的配电站进行电量进行调控，分配一部分供电量对重点配电站进行供电，对各个配电站进行安全调控。
进一步的，标记用电量模块包括第二用电量单元、标记用电量单元；
第二用电量单元，用于对供电区域内各个用电设备的用电功率进行获取；计算历史周期内用电设备的第一用电量；基于第一用电量，计算供电区域历史周期的第二用电量；
标记用电量单元，用于对供电区域在历史周期对应的特征用电值进行计算；在当前周期内使时间序列模型对供电区域的用电量进行预测，得到当前周期供电区域的预测用电量，记为标记用电量。
进一步的，关联性模块包括缺电单元、关联性单元；
缺电单元，用于设置各个供电区域对应的电量输入量阈值；当供电区域在单位时段内电量输入量小于电量输入量阈值时，判定供电区域缺电；
关联性单元，用于对疑似第一供电区域、第二供电区域和疑似第三供电区域所属历史缺电记录进行获取；当历史缺电记录个数大于历史缺电记录数量阈值，判定供电区域之间存在关联。
进一步的，电量分配模块包括供电等级单元、电量分配单元；
供电等级单元，用于对配电站输入电量与供电区域内实际用电量之间比值进行获取；基于配电站的用电状态评价值，判定配电站的供电等级；
电量分配单元，用于工业园区内各个供电区域的标记用电量，根据配电站对应的供电等级，按照相应次序对配电站分配的供电量。
进一步的，电量安全调控模块包括供电评价值单元、电量安全调控单元；
供电评价值单元，用于对当前周期内配电站的标记用电量和供电量进行获取；计算配电站的供电评价值；
电量安全调控单元，用于对缺电的供电区域存在关联的供电区域进行限电；当标记供电区域所属供电区域的供电量大于等于配电站的标记用电量，对供电区域的配电站进行电量进行调控，分配一部分供电量对重点配电站进行供电，并对各个配电站进行安全调控。
与现有技术相比，本发明所达到的有益效果是：本发明实现了在电网对工业园区供电不足的情况下，对工业园区电量进行智能调控，精准的对工业园区不同供电区域进行电量分配，从各个供电区域中的关联性，对供电区域所属的配电站的供电量进行微调，确保工业园区的用电安全，也最大程度的保证了工业园区的正常运行。
附图说明
附图用来提供对本发明的进步理解，并且构成说明书的部分，与本发明的实施例起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于人工智能的工业大数据数据安全监测系统及方法的方法流程图；
图2是本发明一种基于人工智能的工业大数据数据安全监测系统及方法的模块示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-图2，本发明提供技术方案：一种基于人工智能的工业大数据数据安全监测方法，方法包括：
步骤S100：获取各个配电站对应的供电区域；采集供电区域各个历史周期的用电数据，并对供电区域各个历史周期的用电数据进行筛选；基于供电区域在各个历史周期的用电数据，使用时间序列模型对当前周期内供电区域的用电量进行预测，并记为标记用电量；
其中，步骤S100包括：
步骤S101：对供电区域各个历史周期内的用电量数据进行汇集，得到供电区域的用电量集合；
步骤S102：获取供电区域内各个用电设备的用电功率；对供电区域历史周期内各个用电设备的用电时长进行获取；计算供电区域在历史周期内任意用电设备的第一用电量Uh=P×T；其中，P为任意用电设备的用电功率；T为任意用电设备在历史周期内使用时长；
步骤S103：对供电区域内所有用电设备在历史周期内的第一用电量进行累加，得到供电区域在历史周期内的第二用电量Ah；
例如，用电设备的用电功率为100kw/h；历史周期内用电设备的使用时长为10h；计算用电设备在历史周期的第一用电量Uh=100kw/h×10h=1000kw；
第1、2、3个用电设备的第一用电量分别为1000kw、2000kw和1500kw；计算供电区域在历史周期内的第二用电量Ah=1000kw+2000kw+1500kw=4500kw；
步骤S104：计算历史周期内供电区域的特征用电值R=Ah/V；其中，V为历史周期内配电站对供电区域的供电量；获取供电区域在各个历史周期的特征用电值；
步骤S105：计算第a个历史周期内供电区域的特征用电比例值；α=|（Ra+1-Ra）/Ra|×100%；其中，Ra为供电区域在第a个历史周期对应的特征用电值； Ra+1为供电区域在第a+1个历史周期对应的特征用电值；设置特征用电比例阈值；当某一历史周期供电区域的特征用电比例值大于特征用电比例阈值，将历史周期记为标记历史周期；对供电区域在标记历史周期的用电量进行剔除，选取标记历史周期相邻的两个历史周期的用电量平均值，作为标记历史周期的用电量；
步骤S106：将各个历史周期内供电区域的用电量进行汇集；使用时间序列模型对各个历史周期内用电量进行训练，得到时间序列模型相应参数；使用时间序列模型对历史周期内的用电量进行预测校准，并对时间序列模型参数进行调整；在当前周期内使时间序列模型对供电区域的用电量进行预测，得到当前周期供电区域的预测用电量，记为标记用电量；
步骤S200：设置各个供电区域对应的用电量阈值；当供电区域在单位时段内用电量小于用电量阈值时，判定供电区域在所述单位时段内缺电；对各个供电区域的缺电记录进行获取；基于各个供电区域对应的缺电记录，对工业园区内各个供电区域之间的用电量关联性进行评估；
其中，步骤S200包括：
步骤S201：将于任意历史周期内存在历史缺电记录的供电区域设为标记供电区域；获取各个标记供电区域的各个历史缺电记录对应的时间段；
步骤S202：基于各个历史缺电记录发生的时间段，将同一历史周期内的历史缺电记录进行获取；将历史周期内没有被判定为缺电的供电区域，并记为特征供电区域；
步骤S203：获取特征供电区域的在单位时段内的实际用电量；设置各个供电区域的实际用电量变化比例阈值；当特征供电区域的实际用电量与上一个单位时段的实际用电量的变化比例，小于实际用电量变化比例阈值，将特征供电区域记为标记特征供电区域；
步骤S204：对特征供电区域各个单位时段内生产工件的消耗量进行获取；设置工件消耗量阈值；当某一特征供电区域在单位时段内生产工件的消耗量小于工件消耗量阈值，将特征供电区域记为目标特征供电区域；
步骤S205：获取同一历史周期内的标记供电区域、标记特征供电区域、目标特征供电区域；将标记供电区域记为第二供电区域；任选一个标记特征供电区域记为疑似第三供电区域；任选一个目标特征供电区域记为疑似第一供电区域；
步骤S206：当第二供电区域、疑似第一供电区域和疑似第三供电区域在同一历史周期内时，将历史周期记为关联历史周期；对关联历史周期总个数进行获取；
步骤S207：设置关联历史周期数量阈值；当关联历史周期总个数大于关联历史周期数量阈值，判定疑似第一供电区域、第二供电区域和疑似第三供电区域之间存在关联，分别将疑似第一供电区域和疑似第三供电区域，记为第一供电区域和第三供电区域；
例如说，当供电区域a1被判定缺电时，将供电区域a1记为标记供电区域a1；
获取标记供电区域a1对应的历史缺电记录发生的时间段所属历史周期；获取历史周期内没有被限电的供电区域供电区域a2和供电区域a3，并记为特征供电区域a2和特征供电区域a3；
获取特征供电区域a2的在单位时段内的实际用电量；当特征供电区域a2在单位时段内的实际用电量与上一个单位时段的实际用电量的变化比例20%，小于实际用电量变化比例阈值30%，将特征供电区域a2记为标记特征供电区域a2；
当特征供电区域a3在单位时段内生产工件的消耗量小于工件消耗量阈值，将特征供电区域a3记为目标特征供电区域a3；
将标记供电区域a1记为第二供电区域a2；将标记特征供电区域a2记为疑似第三供电区域a2；将目标特征供电区域a3记为疑似第一供电区域a3；
当第二供电区域a1、疑似第三供电区域a2和疑似第一供电区域a3在同一历史周期内时，将历史周期记为关联历史周期；对关联历史周期总个数进行获取，得到关联历史周期总个数为6；关联历史周期数量阈值为5；关联历史周期总个数大于关联历史周期数量阈值，判定疑似第一供电区域a3、第二供电区域a1和疑似第三供电区域a2之间存在关联，分别将疑似第一供电区域a3和疑似第三供电区域a2，记为第一供电区域a3和第三供电区域a2；
步骤S300：获取当前周期内电网对工业园区内各个配电站的供电规划；获取工业园区内各个供电区域的标记用电量；基于工业园区的供电规划和各个供电区域的标记用电量，对当前周期内工业园区各个配电站的供电量进行分配；
其中，步骤S300包括：
步骤S301：获取电网对配电站的供电量；获取配电站的供电区域内实际用电量；将配电站的供电量与供电区域的实际用电量之间比值，作为配电站的用电状态评价值；设置用电状态评价值阈值；当配电站的用电状态评价值小于用电状态评价值阈值，将配电站的供电等级记为优先供电等级；
步骤S302：当配电站的用电状态评价值大于等于用电状态评价值阈值，将配电站的供电等级记为标准供电等级；
步骤S303：获取电网对配电站的标准输入电量；从当前周期电网的供电规划中提取出电网在当前周期的供电量；当当前周期内电网的供电量小于各个配电站的标记用电量之和，判定工业园区在当前周期电量供应不足；
步骤S304：基于工业园区内各个供电区域的标记用电量和配电站对应的供电等级，对各个配电站按照相应次序分配对应的电量；
步骤S400：基于工业园区内各个配电站的供电量和不同供电区域之间关联性，对工业园区内各个供电区域内供电进行智能调控；
其中，步骤S400包括：
步骤S401：获取各个配电站分配的供电量；计算配电站的供电评价值Y=Eμ/EQ；其中，Eμ为当前周期配电站分配的供电量；EQ为当前周期配电站的标记用电量；设置供电评价值阈值；当前周期内某一配电站的供电评价值小于供电评价值阈值，将配电站记为重点配电站；
步骤S402：对重点配电站使用工业园区内的后备电源进行补充供电；其中，工业园区内后备电源优先对供电评价值小的重点配电站进行供电；
步骤S403：获取各个供电区域内存在关联性的供电区域；当配电站在当前周期内的供电量，小于配电站的供电区域的标记用电量，对供电区域内缺电的供电区域进行获取；当缺电的供电区域为第一供电区域、第二供电区域和第三供电区域中任意一项时，对存在关联性的供电区域进行获取；对缺电的供电区域存在关联的供电区域进行限电；当标记供电区域所属供电区域的供电量大于等于配电站的标记用电量，对供电区域的配电站进行电量进行调控，分配一部分供电量对重点配电站进行供电，并对各个配电站进行安全调控；
为了更好实现上述方法还提出了工业大数据数据安全监测系统，监测系统包括标记用电量模块、关联性模块、电量分配模块、电量安全调控模块；
标记用电量模块，用于对供电区域内用电数据进行采集，对用电数据进行分析，得到当前周期内供电区域的标记用电量；
关联性模块，用于对工业园区内历史缺电记录进行获取；基于工业园区历史缺电数据信息，对不同供电区域之间关联性进行分析；
电量分配模块，用于基于工业园区的供电规划和各个供电区域的标记用电量，对当前周期内工业园区各个配电站的供电量进行分配；
电量安全调控模块，用于对供电区域内各个供电区域供电进行监控；并对供电区域的配电站进行电量进行调控，分配一部分供电量对重点配电站进行供电，对各个配电站进行安全调控；
其中，标记用电量模块包括第二用电量单元、标记用电量单元；
第二用电量单元，用于对供电区域内各个用电设备的用电功率进行获取；计算历史周期内用电设备的第一用电量；基于第一用电量，计算供电区域历史周期的第二用电量；
标记用电量单元，用于对供电区域在历史周期对应的特征用电值进行计算；在当前周期内使时间序列模型对供电区域的用电量进行预测，得到当前周期供电区域的预测用电量，记为标记用电量；
其中，关联性模块包括缺电单元、关联性单元；
缺电单元，用于设置各个供电区域对应的电量输入量阈值；当供电区域在单位时段内电量输入量小于电量输入量阈值时，判定供电区域缺电；
关联性单元，用于对疑似第一供电区域、第二供电区域和疑似第三供电区域所属历史缺电记录进行获取；当历史缺电记录个数大于历史缺电记录数量阈值，判定供电区域之间存在关联；
其中，电量分配模块包括供电等级单元、电量分配单元；
供电等级单元，用于对配电站输入电量与供电区域内实际用电量之间比值进行获取；基于配电站的用电状态评价值，判定配电站的供电等级；
电量分配单元，用于工业园区内各个供电区域的标记用电量，根据配电站对应的供电等级，按照相应次序对配电站分配的供电量；
其中，电量安全调控模块包括供电评价值单元、电量安全调控单元；
供电评价值单元，用于对当前周期内配电站的标记用电量和供电量进行获取；计算配电站的供电评价值；
电量安全调控单元，用于对缺电的供电区域存在关联的供电区域进行限电；当标记供电区域所属供电区域的供电量大于等于配电站的标记用电量，对供电区域的配电站进行电量进行调控，分配一部分供电量对重点配电站进行供电，并对各个配电站进行安全调控。
需要说明的是，在本文中，诸如第和第二等之类的关系术语仅仅用来将个实体或者操作与另个实体或操作区分开来，而不定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，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)

1.一种基于人工智能的工业大数据数据安全监测方法，其特征在于，所述方法包括：
步骤S100：获取各个配电站对应的供电区域；采集供电区域各个历史周期的用电数据，并对供电区域各个历史周期的用电数据进行筛选；基于供电区域在各个历史周期的用电数据，使用时间序列模型对当前周期内供电区域的用电量进行预测，并记为标记用电量；
步骤S200：设置各个供电区域对应的用电量阈值；当供电区域在单位时段内用电量小于用电量阈值时，判定供电区域在所述单位时段内缺电；对各个供电区域的缺电记录进行获取；基于各个供电区域对应的缺电记录，对工业园区内各个供电区域之间的用电量关联性进行评估；
步骤S300：获取当前周期内电网对工业园区内各个配电站的供电规划；获取工业园区内各个供电区域的标记用电量；基于工业园区的供电规划和各个供电区域的标记用电量，对当前周期内工业园区各个配电站的供电量进行分配；
步骤S400：基于工业园区内各个配电站的供电量和不同供电区域之间关联性，对工业园区内各个供电区域内供电进行智能调控。
2.根据权利要求1所述的一种基于人工智能的工业大数据数据安全监测方法，其特征在于，所述步骤S100包括：
步骤S101：对供电区域各个历史周期内的用电量数据进行汇集，得到供电区域的用电量集合；
步骤S102：获取供电区域内各个用电设备的用电功率；对供电区域历史周期内各个用电设备的用电时长进行获取；计算供电区域在历史周期内任意用电设备的第一用电量Uh=P×T；其中，P为任意用电设备的用电功率；T为任意用电设备在历史周期内使用时长；
步骤S103：对供电区域内所有用电设备在历史周期内的第一用电量进行累加，得到供电区域在历史周期内的第二用电量Ah；
步骤S104：计算历史周期内供电区域的特征用电值R=Ah/V；其中，V为历史周期内配电站对供电区域的供电量；获取供电区域在各个历史周期的特征用电值；
步骤S105：计算第a个历史周期内供电区域的特征用电比例值；α=|（Ra+1-Ra）/Ra|×100%；其中，Ra为供电区域在第a个历史周期对应的特征用电值； Ra+1为供电区域在第a+1个历史周期对应的特征用电值；设置特征用电比例阈值；当某一历史周期供电区域的特征用电比例值大于特征用电比例阈值，将历史周期记为标记历史周期；对供电区域在标记历史周期的用电量进行剔除，选取标记历史周期相邻的两个历史周期的用电量平均值，作为标记历史周期的用电量；
步骤S106：将各个历史周期内供电区域的用电量进行汇集；使用时间序列模型对各个历史周期内用电量进行训练，得到时间序列模型相应参数；使用时间序列模型对历史周期内的用电量进行预测校准，并对时间序列模型参数进行调整；在当前周期内使时间序列模型对供电区域的用电量进行预测，得到当前周期供电区域的预测用电量，记为标记用电量。
3.根据权利要求2所述的一种基于人工智能的工业大数据数据安全监测方法，其特征在于，所述步骤S200包括：
步骤S201：将于任意历史周期内存在历史缺电记录的供电区域设为标记供电区域；获取各个标记供电区域的各个历史缺电记录对应的时间段；
步骤S202：基于各个历史缺电记录发生的时间段，将同一历史周期内的历史缺电记录进行获取；将历史周期内没有缺电的供电区域，并记为特征供电区域；
步骤S203：获取特征供电区域的在单位时段内的实际用电量；设置各个供电区域的实际用电量变化比例阈值；当特征供电区域的实际用电量与上一个单位时段的实际用电量的变化比例，小于实际用电量变化比例阈值，将特征供电区域记为标记特征供电区域；
步骤S204：对特征供电区域各个单位时段内生产工件的消耗量进行获取；设置工件消耗量阈值；当某一特征供电区域在单位时段内生产工件的消耗量小于工件消耗量阈值，将特征供电区域记为目标特征供电区域；
步骤S205：获取同一历史周期内的标记供电区域、标记特征供电区域、目标特征供电区域；将标记供电区域记为第二供电区域；任选一个标记特征供电区域记为疑似第三供电区域；任选一个目标特征供电区域记为疑似第一供电区域；
步骤S206：当第二供电区域、疑似第一供电区域和疑似第三供电区域在同一历史周期内时，将历史周期记为关联历史周期；对关联历史周期总个数进行获取；
步骤S207：设置关联历史周期数量阈值；当关联历史周期总个数大于关联历史周期数量阈值，判定疑似第一供电区域、第二供电区域和疑似第三供电区域之间存在关联，分别将疑似第一供电区域和疑似第三供电区域，记为第一供电区域和第三供电区域。
4.根据权利要求3所述的一种基于人工智能的工业大数据数据安全监测方法，其特征在于，所述步骤S300包括：
步骤S301：获取电网对配电站的供电量；获取配电站的供电区域内实际用电量；将配电站的供电量与供电区域的实际用电量之间比值，作为配电站的用电状态评价值；设置用电状态评价值阈值；当配电站的用电状态评价值小于用电状态评价值阈值，将所述配电站的供电等级记为优先供电等级；
步骤S302：当配电站的用电状态评价值大于等于用电状态评价值阈值，将所述配电站的供电等级记为标准供电等级；
步骤S303：获取电网对配电站的标准输入电量；从当前周期电网的供电规划中提取出电网在当前周期的供电量；当当前周期内电网的供电量小于各个配电站的标记用电量之和，判定工业园区在当前周期电量供应不足；
步骤S304：基于工业园区内各个供电区域的标记用电量和配电站对应的供电等级，对各个配电站按照相应次序分配对应的电量。
5.根据权利要求4所述的一种基于人工智能的工业大数据数据安全监测方法，其特征在于，所述步骤S400包括：
步骤S401：获取各个配电站分配的供电量；计算配电站的供电评价值Y=Eμ/EQ；其中，Eμ为当前周期配电站分配的供电量；EQ为当前周期配电站的标记用电量；设置供电评价值阈值；当前周期内某一配电站的供电评价值小于供电评价值阈值，将配电站记为重点配电站；
步骤S402：对重点配电站使用工业园区内的后备电源进行补充供电；其中，工业园区内后备电源优先对供电评价值小的重点配电站进行供电；
步骤S403：获取各个供电区域内存在关联性的供电区域；当配电站在当前周期内的供电量，小于配电站的供电区域的标记用电量，对供电区域内缺电的供电区域进行获取；当缺电的供电区域为第一供电区域、第二供电区域和第三供电区域中任意一项时，对存在关联性的供电区域进行获取；对缺电的供电区域存在关联的供电区域进行缺电；当标记供电区域所属供电区域的供电量大于等于配电站的标记用电量，对所述供电区域的配电站进行电量进行调控，分配一部分供电量对重点配电站进行供电，并对各个配电站进行安全调控。
6.应用于权利要求1-5中任意项所述的一种基于人工智能的工业大数据数据安全监测方法的工业大数据数据安全监测系统，其特征在于，所述监测系统包括标记用电量模块、关联性模块、电量分配模块、电量安全调控模块；
所述标记用电量模块，用于对供电区域内用电数据进行采集，对所述用电数据进行分析，得到当前周期内供电区域的标记用电量；
所述关联性模块，用于对工业园区内历史缺电记录进行获取；基于工业园区历史缺电数据信息，对不同供电区域之间关联性进行分析；
所述电量分配模块，用于基于工业园区的供电规划和各个供电区域的标记用电量，对当前周期内工业园区各个配电站的供电量进行分配；
所述电量安全调控模块，用于对供电区域内各个供电区域供电进行监控；并对供电区域的配电站进行电量进行调控，分配一部分供电量对重点配电站进行供电，对各个配电站进行安全调控。
7.根据权利要求6所述的工业大数据数据安全监测系统，其特征在于，所述标记用电量模块包括第二用电量单元、标记用电量单元；
所述第二用电量单元，用于对供电区域内各个用电设备的用电功率进行获取；计算历史周期内用电设备的第一用电量；基于第一用电量，计算供电区域历史周期的第二用电量；
所述标记用电量单元，用于对供电区域在历史周期对应的特征用电值进行计算；在当前周期内使时间序列模型对供电区域的用电量进行预测，得到当前周期供电区域的预测用电量，记为标记用电量。
8.根据权利要求6所述的工业大数据数据安全监测系统，其特征在于，所述关联性模块包括缺电单元、关联性单元；
所述缺电单元，用于设置各个供电区域对应的电量输入量阈值；当供电区域在单位时段内电量输入量小于电量输入量阈值时，判定供电区域缺电；
所述关联性单元，用于对疑似第一供电区域、第二供电区域和疑似第三供电区域所属历史缺电记录进行获取；对供电区域之间的关联性进行判断。
9.根据权利要求6所述的工业大数据数据安全监测系统，其特征在于，所述电量分配模块包括供电等级单元、电量分配单元；
所述供电等级单元，用于对配电站输入电量与供电区域内实际用电量之间比值进行获取；基于配电站的用电状态评价值，判定配电站的供电等级；
所述电量分配单元，用于工业园区内各个供电区域的标记用电量，根据配电站对应的供电等级，按照相应次序对配电站分配的供电量。
10.根据权利要求6所述的工业大数据数据安全监测系统，其特征在于，所述电量安全调控模块包括供电评价值单元、电量安全调控单元；
所述供电评价值单元，用于对当前周期内配电站的标记用电量和供电量进行获取；计算配电站的供电评价值；
所述电量安全调控单元，用于对缺电的供电区域存在关联的供电区域进行限电；当标记供电区域所属供电区域的供电量大于等于配电站的标记用电量，对所述供电区域的配电站进行电量进行调控，分配一部分供电量对重点配电站进行供电，并对各个配电站进行安全调控。
CN202311370235.5A 2023-10-23 2023-10-23 一种基于人工智能的工业大数据数据安全监测系统及方法 Active CN117114368B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311370235.5A CN117114368B (zh) 2023-10-23 2023-10-23 一种基于人工智能的工业大数据数据安全监测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311370235.5A CN117114368B (zh) 2023-10-23 2023-10-23 一种基于人工智能的工业大数据数据安全监测系统及方法

Publications (2)

Publication Number Publication Date
CN117114368A true CN117114368A (zh) 2023-11-24
CN117114368B CN117114368B (zh) 2024-01-23

Family

ID=88809489

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311370235.5A Active CN117114368B (zh) 2023-10-23 2023-10-23 一种基于人工智能的工业大数据数据安全监测系统及方法

Country Status (1)

Country Link
CN (1) CN117114368B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102298378A (zh) * 2011-07-29 2011-12-28 深圳市科陆电子科技股份有限公司 一种工业园区有序用电管理系统及方法
JP2012175825A (ja) * 2011-02-22 2012-09-10 Mitsubishi Electric Corp 電力管理システム
JP2017091274A (ja) * 2015-11-11 2017-05-25 日本電気株式会社 電力需要予測支援システム、電力需要予測支援方法及びプログラム
CN107844922A (zh) * 2017-12-12 2018-03-27 四川安创云通能源技术服务有限公司 基于云计算平台的居民用电调度系统
WO2018065980A1 (en) * 2016-10-06 2018-04-12 Foresight Energy Ltd System and method for management of an electricity distribution grid
CN113837418A (zh) * 2020-06-08 2021-12-24 国网电力科学研究院有限公司 一种电力电量平衡分析系统
CN114154777A (zh) * 2021-10-18 2022-03-08 中标慧安信息技术股份有限公司 基于边缘计算的工业大数据监测方法和系统
KR20220107794A (ko) * 2021-01-26 2022-08-02 한국전력공사 전이 학습 기반의 전력 정보 예측 방법 및 시스템
CN115169999A (zh) * 2022-09-06 2022-10-11 浙江万胜智能科技股份有限公司 一种基于采集通信模块的电力负荷管理方法及系统
CN115712636A (zh) * 2022-11-30 2023-02-24 国网山西省电力公司经济技术研究院 一种基于大数据分析的电力规划数据采集方法
CN115829235A (zh) * 2022-11-15 2023-03-21 成都智邦科技有限公司 一种基于大数据分析的用电调度方法
CN115864398A (zh) * 2023-02-14 2023-03-28 国网浙江省电力有限公司宁波供电公司 一种综合能源分布式管理调度方法及系统
CN116579884A (zh) * 2023-07-12 2023-08-11 武汉振铭科技发展有限公司 一种电力用户行为分析方法及系统

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012175825A (ja) * 2011-02-22 2012-09-10 Mitsubishi Electric Corp 電力管理システム
CN102298378A (zh) * 2011-07-29 2011-12-28 深圳市科陆电子科技股份有限公司 一种工业园区有序用电管理系统及方法
JP2017091274A (ja) * 2015-11-11 2017-05-25 日本電気株式会社 電力需要予測支援システム、電力需要予測支援方法及びプログラム
WO2018065980A1 (en) * 2016-10-06 2018-04-12 Foresight Energy Ltd System and method for management of an electricity distribution grid
CN107844922A (zh) * 2017-12-12 2018-03-27 四川安创云通能源技术服务有限公司 基于云计算平台的居民用电调度系统
CN113837418A (zh) * 2020-06-08 2021-12-24 国网电力科学研究院有限公司 一种电力电量平衡分析系统
KR20220107794A (ko) * 2021-01-26 2022-08-02 한국전력공사 전이 학습 기반의 전력 정보 예측 방법 및 시스템
CN114154777A (zh) * 2021-10-18 2022-03-08 中标慧安信息技术股份有限公司 基于边缘计算的工业大数据监测方法和系统
CN115169999A (zh) * 2022-09-06 2022-10-11 浙江万胜智能科技股份有限公司 一种基于采集通信模块的电力负荷管理方法及系统
CN115829235A (zh) * 2022-11-15 2023-03-21 成都智邦科技有限公司 一种基于大数据分析的用电调度方法
CN115712636A (zh) * 2022-11-30 2023-02-24 国网山西省电力公司经济技术研究院 一种基于大数据分析的电力规划数据采集方法
CN115864398A (zh) * 2023-02-14 2023-03-28 国网浙江省电力有限公司宁波供电公司 一种综合能源分布式管理调度方法及系统
CN116579884A (zh) * 2023-07-12 2023-08-11 武汉振铭科技发展有限公司 一种电力用户行为分析方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SIMONA VASILICA OPREA 等: "Sliding Time Window Electricity Consumption Optimization Algorithm for Communities in the Context of Big Data Processing", 《IEEE ACCESS》, vol. 7, pages 13050 - 13067, XP011708424, DOI: 10.1109/ACCESS.2019.2892902 *
麦琪;: "基于电量分析的配网用户用电需求量预测研究", 新型工业化, no. 06 *

Also Published As

Publication number Publication date
CN117114368B (zh) 2024-01-23

Similar Documents

Publication Publication Date Title
CN116646933A (zh) 一种基于大数据的电力负荷调度方法及系统
CN114897247B (zh) 一种基于大数据的智能电网配网调度运行管理方法
CN117036104B (zh) 一种基于电力物联网的智慧用电方法和系统
CN116757877B (zh) 新能源接入配电网的电网线损降损优化方法及系统
CN116581750A (zh) 一种基于电网负荷水平的智能线路负载充电方法
CN117277582A (zh) 一种基于大数据的电力企业运营监测分析系统
CN115983430A (zh) 一种综合能源系统管理优化的方法及系统
CN117134480B (zh) 一种基于大数据分析的电源调节监测系统及方法
CN115811135A (zh) 一种基于电网调峰调频的充换电设备智能监测调控系统
CN117410988B (zh) 一种新能源充电站的充电控制方法及装置
CN117114368B (zh) 一种基于人工智能的工业大数据数据安全监测系统及方法
CN114069642A (zh) 一种考虑用户满意度的温控负荷综合调峰方法
CN109711621A (zh) 基于判别分析和支持向量机结合的工业园区负荷预测方法
CN116070881B (zh) 一种现代工业产区智能能耗调度方法及装置
CN117097620A (zh) 一种基于大数据的终端资源智能监管系统及方法
CN115459258A (zh) 一种基于配电自动化的负荷精准调控方法及系统
CN113765156A (zh) 用于碳电一体化虚拟电厂的源网荷储综合调度系统
KR20220061709A (ko) 전력의 피크 부하를 저감하기 위한 보상 생성 방법 및 그 방법을 수행하는 동작 제어 장치
CN116632839B (zh) 一种基于能碳监测的园区电力管理调节方法及装置
CN117693099B (zh) 一种基于大数据的智慧照明决策及优化方法和系统
CN118348878A (zh) 一种远程控制的分布式能源站智能化运维管理系统及方法
CN118052660B (zh) 一种用于智慧校园的热水管理方法及系统
CN117498468B (zh) 一种多区域虚拟电厂协同优化运行方法
CN118125245A (zh) 一种基于大模型分析的多电梯智能调度方法、设备及介质
Jiang et al. A new method for reference network considering nodal injection uncertainties

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