CN117217920A - 一种储能交易数据处理方法、装置和存储介质 - Google Patents
一种储能交易数据处理方法、装置和存储介质 Download PDFInfo
- Publication number
- CN117217920A CN117217920A CN202311477285.3A CN202311477285A CN117217920A CN 117217920 A CN117217920 A CN 117217920A CN 202311477285 A CN202311477285 A CN 202311477285A CN 117217920 A CN117217920 A CN 117217920A
- Authority
- CN
- China
- Prior art keywords
- transaction
- energy storage
- transaction data
- data
- processing
- 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
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 323
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000003672 processing method Methods 0.000 title abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 231
- 238000000034 method Methods 0.000 claims abstract description 64
- 230000008569 process Effects 0.000 claims abstract description 18
- 230000005611 electricity Effects 0.000 claims description 74
- 238000004891 communication Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 9
- 239000000126 substance Substances 0.000 description 4
- 230000033228 biological regulation Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 230000002269 spontaneous effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 229910052729 chemical element Inorganic materials 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000012983 electrochemical energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Abstract
本申请实施例提供一种储能交易数据处理方法、装置和存储介质。采用本申请实施例的方法不仅能够根据用户执行储能交易的时间划分出交易高峰期和交易平缓期,还能够根据不同时间段提交的交易类型和数量进行动态处理和分配,从而提高了整个系统的处理能力和效率。此外,该方法还考虑了从节点的运行情况,使得主节点能够更加合理地为从节点分配交易事务处理,进一步提高了系统的处理效率和稳定性。
Description
技术领域
本申请涉及储能数据处理技术领域,尤其涉及一种储能交易数据处理方法、装置和存储介质。
背景技术
在电力系统中,储能交易是一种重要的交易方式,它通过将电能存储在电池或其他储能设备中,实现对电能的时空转移,提高电力系统的可靠性和效率。然而,随着电力系统的不断发展,储能交易的数量和复杂性不断增加,对储能交易的处理和管理成为了一个重要的问题。
在现有的技术中,储能交易通常由一个主节点进行集中管理和控制,而从节点仅作为执行节点,接收到主节点的指令后执行相应的操作。然而,这种集中式的交易方式存在一些问题,例如主节点负载过重、网络延迟、以及交易安全、重要交易无法及时的进行处理。
因此,针对现有技术中存在的问题,有必要研发一种更加可靠的储能数据处理方法。
发明内容
本申请提供一种储能交易数据处理方法、装置和存储介质,能够有效地减轻主节点的负载,提高交易的安全性和处理交易数据的效率。
第一方面,本申请提供了一种储能交易数据处理方法,所述方法应用于储能系统中的主节点,所述储能系统还包括多个从节点,所述方法包括:
获取所述多个从节点的运行状态;
根据所述多个从节点的运行状态,将所述多个从节点划分为多个处理队列,其中,不同的处理队列用于处理不同优先级的第一交易数据,所述第一交易数据为在目标时间段的交易高峰期间,储能设备发送的交易数据;
将所述第一交易数据发送至与所述第一交易数据的优先级对应的目标处理队列,以由所述目标处理队列处理所述第一交易数据,其中,所述第一交易数据的优先级用于表征与所述第一交易数据对应的交易的重要程度,优先级越高,则代表与所述第一交易数据对应的交易的重要程度越高。
本申请所提供的方法针对于储能交易中的高峰期时,处理相关数据的节点所承受的压力太大,导致的数据延迟和处理速度缓慢的情况,提出了分布式的处理方法,首先通过预设的算法对未来的目标时间段的交易高峰期和交易平缓期进行精确预测,在所述交易高峰期到达时,将接收到的第一交易数据根据用途、地点和价值高低进行分级,以确定所述第一交易数据中的各项交易数据的优先级,这样可以更好的对交易数据进行分流,无需主节点统一处理;
可以理解的是,优先级越高的第一交易数据,其重要性和价值也就越大,需要更稳定和性能更好的节点去处理,因此,在对所述第一交易数据进行处理之后,也对所述主节点附属的多个从节点进行甄别,根据稳定性和性能对所述多个从节点进行划分,得到应对不同优先级的交易数据的处理队列,通过这样的步骤,可以更好地分配储能交易任务,进一步提高储能系统的性能和可靠性。
在第一方面的一种可选的实施方式中,在所述获取所述多个从节点的运行状态之前,所述方法还包括:
根据历史的执行储能交易的时间记录,生成时间序列数据,所述时间序列数据包括多个时间节点、与所述多个时间节点分别对应的交易数据和与所述多个时间节点分别对应的交易量;
根据所述时间序列数据预测目标时间段的交易高峰期和交易平缓期;
在所述目标时间段的交易高峰期,接收储能设备发送的第一交易数据和与所述第一交易数据的业务信息,所述业务信息包括储能交易用途、储能交易地点和储能交易价值;
根据所述业务信息确定所述第一交易数据的优先级。
在第一方面的一种可选的实施方式中,所述根据所述业务信息确定所述第一交易数据的优先级,包括:
将所述第一交易数据的业务信息中的储能交易用途、储能交易地点和储能交易价值进行量化,以获取所述第一交易数据的得分,其中,所述第一交易数据的得分为储能交易用途得分、储能交易地点得分和储能交易价值得分的总和,所述储能交易用途得分为根据所述第一交易数据的储能交易用途和第一权重确定的,所述储能交易用途包括用于可再生场景和用于不可再生场景,用于可再生场景的交易的得分高于用于不可再生场景的交易的得分,所述储能交易地点得分为根据所述第一交易数据的储能交易地点和第二权重确定的,所述储能交易地点包括缺电区域和电量充足区域,用于缺电区域的交易的得分高于用于电量充足区域的交易的得分,所述储能交易价值得分为根据所述第一交易数据的储能交易价值和第三权重确定的,高价值的交易的得分高于低价值的交易的得分;所述第二权重高于所述第一权重,所述第一权重高于第三权重;
将所述第一交易数据根据得分从大到小的顺序进行优先级排序,其中,得分越高的第一交易数据,优先级越高。
在第一方面的一种可选的实施方式中,所述根据所述时间序列数据预测目标时间段的交易高峰期和交易平缓期,包括:
获取所述时间序列数据中的多条交易数据对应的地区;
确定所述交易数据所处地区的用电需求量和地区储能交易限制因素,所述地区储能交易限制因素包括对储能交易的鼓励或反对程度;
将所述多个时间节点、与所述多个时间节点分别对应的交易量、所述时间序列数据中的多条交易数据对应的地区、所述交易数据所处地区的用电需求量和所述交易数据所处地区的地区储能交易限制因素输入至初始的预测模型中进行训练以得到第一预测模型,其中,所述多个时间节点、所述时间序列数据中的多条交易数据对应的地区、所述交易数据所处地区的用电需求量和所述交易数据所处地区的地区储能交易限制因素为特征数据,与所述多个时间节点分别对应的交易量为标签数据;
确定在所述目标时间段进行储能交易的地区;
确定所述地区的用电需求量和所述地区的地区储能交易限制因素;
将所述目标时间段中的多个时间节点、在所述目标时间段进行储能交易的地区、所述地区的用电需求量和所述地区的地区储能交易限制因素输入至所述第一预测模型,得到所述目标时间段中的多个时间节点的交易量;
根据所述目标时间段中的多个时间节点的交易量确定所述目标时间段的交易高峰期和交易平缓期。
在第一方面的一种可选的实施方式中,所述将所述第一交易数据发送至与所述第一交易数据的优先级对应的目标处理队列,包括:
将所述目标处理队列中的第一处理队列确定为缓存处理队列,所述缓存处理队列用于缓存过饱和的交易数据;
预估所述目标处理队列中除所述第一处理队列以外的其他处理队列的总计的峰值交易数据处理量,所述峰值交易数据处理量用于表征所述目标处理队列中除所述第一处理队列以外的其他处理队列的处理的交易数据处理量的最大值;
在所述第一交易数据的数量超过所述峰值交易数据处理量的情况下,确定目标值,所述目标值为所述第一交易数据的数量超出所述峰值交易数据处理量的部分的数量;
将与所述目标值数量一致的低优先级的第一交易数据分发至所述缓存处理队列进行缓存。
在第一方面的一种可选的实施方式中,所述根据所述多个从节点的运行状态,将所述多个从节点划分为多个处理队列,包括:
评估所述多个从节点在所述目标时间段的稳定性;
将稳定性高于预设第一阈值的从节点和稳定性不高于预设第一阈值的从节点进行处理队列划分,得到多个处理队列,所述多个处理队列中的每一处理队列中的稳定性高于预设第一阈值的从节点的数量和稳定性不高于预设第一阈值的从节点的数量一致。
在第一方面的一种可选的实施方式中,所述方法还包括:
统计多个处理队列中的从节点的历史交易数据,以确定多个处理队列中的从节点的历史交易的成功率、错误率和处理时间;
根据多个处理队列中的从节点的历史交易的成功率、错误率和处理时间,评估多个处理队列中的每一处理队列的性能;
根据所述多个处理队列中的每一处理队列的性能,确定多个处理队列中的每一处理队列对应的第一交易数据的优先级。
第二方面,本申请实施例提供一种储能交易数据处理装置,所述装置至少包括获取单元、确定单元、划分单元和发送单元。该储能交易数据处理装置用于实现第一方面任一项实施方式所描述方法,其中,获取单元、确定单元、划分单元和发送单元的介绍如下:
获取单元,用于获取所述多个从节点的运行状态;
划分单元,用于根据所述多个从节点的运行状态,将所述多个从节点划分为多个处理队列,其中,不同的处理队列用于处理不同优先级的第一交易数据,所述第一交易数据为在目标时间段的交易高峰期间,储能设备发送的交易数据;
发送单元,用于将所述第一交易数据发送至与所述第一交易数据的优先级对应的目标处理队列,以由所述目标处理队列处理所述第一交易数据,其中,所述第一交易数据的优先级用于表征与所述第一交易数据对应的交易的重要程度,优先级越高,则代表与所述第一交易数据对应的交易的重要程度越高。
本申请所提供的方法针对于储能交易中的高峰期时,处理相关数据的节点所承受的压力太大,导致的数据延迟和处理速度缓慢的情况,提出了分布式的处理方法,首先通过预设的算法对未来的目标时间段的交易高峰期和交易平缓期进行精确预测,在所述交易高峰期到达时,将接收到的第一交易数据根据用途、地点和价值高低进行分级,以确定所述第一交易数据中的各项交易数据的优先级,这样可以更好的对交易数据进行分流,无需主节点统一处理;
可以理解的是,优先级越高的第一交易数据,其重要性和价值也就越大,需要更稳定和性能更好的节点去处理,因此,在对所述第一交易数据进行处理之后,也对所述主节点附属的多个从节点进行甄别,根据稳定性和性能对所述多个从节点进行划分,得到应对不同优先级的交易数据的处理队列,通过这样的步骤,可以更好地分配储能交易任务,进一步提高储能系统的性能和可靠性。
第三方面,本申请实施例提供一种主节点,该主节点包括处理器、存储器和通信接口;存储器中存储有计算机程序;处理器执行计算机程序时,所述通信接口用于发送和/或接收数据,该主节点可执行前述第一方面或者第一方面的任一种可能的实现方式所描述的方法。
第四方面,本申请实施例提供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计算机程序,当所述指令在至少一个处理器上运行时,实现前述第一方面或者第一方面的任一种可选的方案所描述的方法。
第五方面,本申请提供了一种计算机程序产品,计算机程序产品包括计算机程序,当所述程序在至少一个处理器上运行时,实现前述第一方面或者第一方面的任一种可选的方案所描述的方法。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
下面将对实施例描述中所需要使用的附图作简单的介绍。
图1是本申请实施例提供的一种储能系统的架构示意图;
图2是本申请实施例提供的一种储能系统应用场景的示意图;
图3是本申请实施例提供的一种储能交易数据处理方法的流程示意图;
图4是本申请实施例提供的一种预测交易高峰期和交易平缓期的方法的流程示意图;
图5是本申请实施例提供的又一种预测交易高峰期和交易平缓期的方法的流程示意图;
图6是本申请实施例提供的一种确定第一交易数据优先级的方法的流程示意图;
图7是本申请实施例提供的一种储能交易数据处理装置的结构示意图;
图8是本申请实施例提供的一种主节点的结构示意图。
具体实施方式
下面结合附图对本申请实施例进行详细介绍。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选的还包括没有列出的步骤或单元,或可选的还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面对本申请实施例应用的系统架构进行介绍。需要说明的是,本申请描述的系统架构及业务场景是为了更加清楚的说明本申请的技术方案,并不构成对于本申请提供的技术方案的限定,本领域普通技术人员可知,随着系统架构的演变和新业务场景的出现,本申请提供的技术方案对于类似的技术问题,同样适用。
由于人们所需要的能源都具有很强的时间性和空间性,为了合理利用能源并提高能量的利用率,需要通过一种介质或者设备,把一种能量形式用同一种或者转换成另外一种能量形式存储起来,基于未来应用需要再以特定能量形式释放出来。目前绿色电能的产生主要途径是发展光伏、风电等绿色能源来替代化石能源,
目前绿色电能的产生普遍依赖于光伏、风电、水势等,而风能和太阳能等普遍存在间歇性强、波动性大的问题,会造成电网不稳定,用电高峰电不够,用电低谷电太多,不稳定的电压还会对电力造成损害,因此可能因为用电需求不足或电网接纳能力不足,引发“弃风弃光”问题,要解决这些问题须依赖储能。即将电能通过物理或者化学的手段转化为其他形式的能量存储起来,在需要的时候将能量转化为电能释放出来,简单来说,储能就类似一个大型“充电宝”,在光伏、风能充足时,将电能储存起来,在需要时释放储能的电力。
以电化学储能为例,本方案提供一种储能装置100,储能装置100内设有一组化学电池,主要是利用电池内的化学元素做储能介质,充放电过程伴随储能介质的化学反应或者变化,简单说就是把风能和太阳能产生的电能存在化学电池中,在外部电能的使用达到高峰时再将存储的电量释放出来使用,或者转移给电量紧缺的地方再使用。
目前的储能(即能量存储)应用场景较为广泛,包括发电侧储能、电网侧储能以及用电侧储能等方面,对应的储能装置100的种类包括有:
应用在风电、光伏电站侧的大型储能电站,其可以协助可再生能源发电满足并网要求,同时提高可再生能源利用率;储能电站作为电源侧中优质的有功/无功调节电源,实现电能在时间和空间上的负荷匹配,增强可再生能源消纳能力,减少瞬时功率变化,减少对电网的冲击,改善新能源发电消纳问题并在电网系统备用、缓解高峰负荷供电压力和调峰调频方面意义重大;
应用在电网侧的储能集装箱,功能主要为调峰、调频、缓解电网阻塞调峰方面,可实现对用电负荷的削峰填谷,即在用电负荷低谷时对储能电池充电,在用电负荷高峰时段将存储的电量释放,从而实现电力生产和消纳之间的平衡;
应用于用电侧的小型储能柜,功能主要为电力自发自用、峰谷价差套利、容量费用管理以及提高供电可靠性。根据应用场景的不同,用电侧储能可以分为工商业储能柜、户用储能装置、储能充电桩等,其一般与分布式光伏配套使用。工商业用户可利用储能进行谷峰价差套利和容量费用管理。在实施峰谷电价的电力市场中,通过低电价时给储能系统充电,高电价时储能系统放电,实现峰谷电价差套利,降低用电成本。此外,适用两部制电价的工业企业,可以利用储能系统在用电低谷时储能,在高峰负荷时放电,从而降低尖峰功率及申报的最大需求量,达到降低容量电费的目的。户用光伏配储可以提高电力自发自用水平。因高昂电价以及较差的供电稳定性,从而拉动户用光伏装机需求。考虑到光伏在白天发电,而用户一般在夜间负荷较高,通过配置储能可以更好地利用光伏电力,提高自发自用水平,同时降低用电成本。另外,通信基站、数据中心等领域需要配置储能,用于备用电源。
请参见图1,图1是本申请实施例提供的一种储能系统的架构示意图,该系统包括主节点101、从节点102和储能设备103,其中:
主节点101,可以是与储能系统中的储能设备103通信连接的主服务器,该主服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。
从节点102,可以物理服务器,与主节点101共同构成了服务器集群或者分布式系统,也可以是所述主节点101为了应对庞大的交易数据,所构建的虚拟服务器。
若是从节点102为物理服务器,则从节点可以是与各地的储能设备相对应的物理服务器,在区域位置上与各个区域的储能设备103对应,即,若所述从节点102为物理服务器,则与主节点101通信连接的多个从节点102是在地理位置上有区别的,可选的,所述多个从节点102分别设于储能设备103所在的区域,且分别与对应区域的储能设备103通信连接。
储能设备103可以是储能电柜,或是区域性的储能电柜的集群等用于储存能量的设备,可以理解为一种能量存储的媒介。根据不同形式,储能设备103可分为机械储能、化学储能、电磁储能和相变储能等四大类别,在本申请中,所述储能设备103主要针对化学储能。
可选的,储能设备103可与用户的终端进行交互,以获取用户发送的储能交易的相关数据和信息,进一步的,储能设备103可根据用户发送的储能交易的相关数据和信息生成第一交易数据或第二交易数据,所述第一交易数据和所述第二交易数据可以是一种订单或账单,其中包括了对应用户想要购买或卖出的电量和价格。
请参见图2,图2是本申请实施例提供的一种储能系统应用场景的示意图,且本申请图2实施例以用户侧储能中的家用储能场景为例进行说明,本申请储能装置并不限定于家用储能场景。
具体的,本申请提供一种户用储能系统,该户用储能系统可包括如图2中所示的储能装置201、电能转换装置202(光伏板)、第一用户负载203(路灯或户外充电桩)、第二用户负载204(例如空调等家用电器),所述储能装置201为小型储能箱,可通过壁挂方式安装于室外墙壁。具体的,电能转换装置202可以在电价低谷时期将太阳能转换为电能,所述储能装置201用于储存上述的电能并在电价高峰时供给第一用户负载203和第二用户负载204进行使用,或者在电网断电/停电时为第一用户负载203和/或第二用户负载204进行供电。
请参见图3,图3是本申请实施例提供的一种储能交易数据处理方法的流程示意图,该储能交易数据处理方法可以基于图1所示的系统架构示意图中的主节点实现,但也可以基于其他架构实现,该方法包括但不限于如下步骤:
步骤S301:根据历史的执行储能交易的时间记录,生成时间序列数据。
在执行此步骤时,首先需要收集历史储能交易的相关数据,这些数据可以来源于系统日志、交易数据库或其他可靠的数据源。
所述时间序列数据包括多个时间节点、与所述多个时间节点分别对应的交易数据和与所述多个时间节点分别对应的交易量,可以理解的是,所述多个时间节点分别对应的交易量是根据所述多个时间节点中的任一时间节点对应的交易数据确定的,例如,所述多个时间节点中的任一时间节点对应的交易数据为100条,则与该时间节点对应的交易量即为100。
步骤S302:根据所述时间序列数据预测目标时间段的交易高峰期和交易平缓期。
在一种可选的实施方式中,通过预设的算法,例如ARIMA模型或者指数平滑等方法,对所述时间序列数据进行处理和预测。通过这些模型或方法,可以找出交易量在不同时间段的模式,从而预测目标时间段的交易高峰期和交易平缓期。
请参见图4,图4是本申请实施例提供的一种预测交易高峰期和交易平缓期的方法的流程示意图,具体如下:
步骤S401:根据所述时间序列数据确定历史的所述主节点处理的交易数据的阈值大小。
可选的,若所述时间序列数据中包括了历史的确定的交易高峰期和交易平缓期,则获取所述时间序列数据中包括的交易平缓期的期间,所述主节点所处理的交易数据量,以及所述时间序列数据中包括的交易高峰期的期间,从节点所处理的交易数据总量,进而根据两者之间的差值,评估主节点可处理交易数据的阈值大小;例如,若在历史的与所述目标时间段等长的时间段内的交易平缓期的期间,所述主节点所处理的交易数据量为300,在历史的交易高峰期的期间,从节点所处理的交易数据总量为210,由于两者的差距不大,因此,可直接根据历史的与所述目标时间段的时长一致的时间段内主节点所处理的交易数据的总量,确定所述主节点可处理的交易数据的阈值大小,仍以历史的交易高峰期的期间,主节点所处理的交易数据量为300为例,在上述例子中,由于,主节点在交易高峰期不作业,那么所述主节点在与所述目标时间段等长的时间段内的工作总量为300,且所述时间段包括了5个时间节点,那么对应的阈值大小也为40。
可选的,若所述时间序列数据中不包括交易高峰期和交易平缓期,即,所述时间序列数据的构成的数据中还没开始进行交易高峰期和交易平缓期的判定;
那么可将所述时间序列数据划分为与所述目标时间段等长的多个时间段,进而确定所述主节点在所述多个时间段内处理的交易数据量,最后确定每个时间段处理的交易数据量的平均值,并根据所述平均值确定所述阈值大小,选择平均值的原因主要是为了给所述主节点预留一些冗余的计算量,避免紧急事件的发生。
步骤S402:根据所述时间序列数据预测所述目标时间段中的各个时间节点的交易量。
可选的,将所述时间序列数据划分为与所述目标时间段中的任一时间节点等长的多个时间尺度,进而确定所述多个时间尺度的交易数据量,以此预测所述目标时间段中的各个时间节点的交易量,需要说明的是,所述目标时间段中的任意两个时间节点之间的时间尺度是相同的。
步骤S403:将所述目标时间段中的交易量超过所述阈值大小的时间节点确定为交易高峰期。
优选的,所述目标时间段为24小时,所述目标时间段中的各个时间节点指代的是24个小时,一个时间节点指代的是1小时。
具体的,将上述的预测得到的各个时间节点的交易量与所述阈值大小进行比较,将所述目标时间段中的交易量超过所述阈值大小的时间节点确定为交易高峰期。
步骤S404:将所述目标时间段中的交易量未超过所述阈值大小的时间节点确定为交易平缓期。
可以理解的是,交易高峰期和交易平缓期受到了多种因素的影响,因此最终确定的交易高峰期可能不是连续的,可能是断续,最终确定的交易平缓期也可能不是连续的,也可能是断续。
本申请实施例主要通过历史数据对往期的储能交易的数据进行分析,且从历史数据中已有确定的交易高峰期和交易平缓期,以及没有确定的交易高峰期和交易平缓期两个角度进行分析,提高了主节点的智能性。
请参见图5,图5是本申请实施例提供的又一种预测交易高峰期和交易平缓期的方法的流程示意图,具体如下:
步骤S501:获取所述时间序列数据中的多条交易数据对应的地区。
所述多条交易数据对应的地区表征的是所述多条交易数据中的购买方所在的地区,也可以是表征所述多条交易数据中的将电能购买后使用的地区。
步骤S502:确定所述交易数据所处地区的用电需求量和地区储能交易限制因素。
所述交易数据指的是所述时间序列数据中的交易数据,是历史的数据,而所述交易数据所处地区的用电需求量为当前的数据,是指所述交易数据所处地区在当前时间节点或目标时间段的用电需求量,该用电需求量可根据该地区的历史用电数据确定,也可通过模型或算法预测得到。
所述地区储能交易限制因素包括对储能交易的鼓励或反对程度。
因此,当一个地区的地区储能交易限制因素发生变动时,该地区的储能交易量会发生变化,当该地区的地区储能交易限制因素由反对变为对储能交易的鼓励时,该地区的储能交易量会相应的有所上升,当该地区的地区储能交易限制因素由储能交易的鼓励变为反对时,该地区的储能交易量会相应的有所下降。
步骤S503:将所述多个时间节点、与所述多个时间节点分别对应的交易量、所述时间序列数据中的多条交易数据对应的地区、所述交易数据所处地区的用电需求量和所述交易数据所处地区的地区储能交易限制因素输入至初始的预测模型中进行训练以得到第一预测模型;
其中,所述多个时间节点、所述时间序列数据中的多条交易数据对应的地区、所述交易数据所处地区的用电需求量和所述交易数据所处地区的地区储能交易限制因素为特征数据,与所述多个时间节点分别对应的交易量为标签数据。
所述第一预测模型可以为将数据分组为相似的类别的聚类模型,例如,K-means、层次聚类、DBSCAN等模型。
需要说明的是,所述第一预测模型为已收敛的预测模型,其训练数据即为上述的多个时间节点、与所述多个时间节点分别对应的交易量、所述时间序列数据中的多条交易数据对应的地区、所述交易数据所处地区的用电需求量和所述交易数据所处地区的地区储能交易限制因素,其测试数据为人为修正后的多个时间节点、与所述多个时间节点分别对应的交易量、所述时间序列数据中的多条交易数据对应的地区、所述交易数据所处地区的用电需求量和所述交易数据所处地区的地区储能交易限制因素。
优选的, 所述储能系统中还设置有第二预测模型,所述第二预测模型为深度神经网络、卷积神经网络、循环神经网络等模型,所述第二预测模型的训练数据与所述第一预测模型的训练数据相同,所述第二预测模型主要用于辅助确定与所述多个时间节点分别对应的交易量,比如,在所述第一预测模型得到的第一结果之后,再将输入至所述第一预测模型的数据输入至所述第二预测模型中,以得到第二结果,在所述第一结果和所述第二结果相同或差别小于预设值的情况下,确定与所述多个时间节点分别对应的交易量。
步骤S504:确定在所述目标时间段进行储能交易的地区。
确定将要输入所述第一预测模型的数据,上述数据包括地区、与所述地区对应的用电需求量和所述地区的地区储能交易限制因素。
步骤S505:确定所述地区的用电需求量和所述地区的地区储能交易限制因素。
可选的,所述用电需求量可以是预估得到的,所述地区储能交易限制因素可以在线上查证,也可根据相关的报道和新闻确定的,也可以是专家评估得到的。
步骤S506:将所述目标时间段中的多个时间节点、在所述目标时间段进行储能交易的地区、所述地区的用电需求量和所述地区的地区储能交易限制因素输入至所述第一预测模型,得到所述目标时间段中的多个时间节点的交易量。
可选的,想要得到所述目标时间段中的多个时间节点的交易量,可以是将所述目标时间段切分为多个时间节点,其他数据也进行相应的切分,再一批一批的输入至所述第一预测模型中得到的。
步骤S507:根据所述目标时间段中的多个时间节点的交易量确定所述目标时间段的交易高峰期和交易平缓期。
通过上述过程主要是得到了预测较为精确的交易量,为了确定交易高峰期和交易平缓期,可将得到的交易量绘制成线状图,进而将线状图中的波峰确定为所述目标时间段的交易高峰期,其他部分确定为交易平缓期,也可根据预设的或预估的所述主节点能够承接的交易数据量,对所述线状图进行划分,以确定所述目标时间段的交易高峰期和交易平缓期。
可选的,所述交易高峰期包括一个或多个时间节点,所述交易平缓期包括一个或多个时间节点。
步骤S303:在所述目标时间段的交易高峰期,储能设备向主节点发送第一交易数据和所述第一交易数据的业务信息。
步骤S304:主节点接收所述储能设备发送的第一交易数据的业务信息。
所述业务信息包括储能交易用途、储能交易地点和储能交易价值。
可选的,第一交易数据为在所述目标时间段的交易高峰期开始至结束所接收到的储能设备发送的交易数据。
可选的,第一交易数据可能包括以下内容:
储能交易类型:这表明储能设备的具体用途,可能是电力储存、备用电源、可再生能源储存等。不同类型的储能交易可能对应不同的储能设备及相关的交易策略。
储能交易量:这表示储能设备的规模或储能交易的电量。对于大规模的储能设备,其储能交易量可能更大,涉及的电能储存和释放也可能更多。
储能交易时间:包括开始和结束时间,以及具体的实施时间表。这些信息可以帮助其他系统了解储能设备的运行状态和计划,并协调相关的交易活动。
储能交易地点:这表明储能设备的安装位置或相关应用场景。对于不同地点的储能设备,需要根据当地能源需求和供应情况来制定相应的交易策略。
储能交易价值:这表示储能设备的投资成本、电能储存和释放的经济效益等。这些信息可以用于评估储能设备的投资回报和经济效益,并帮助制定相应的储能交易策略。
储能交易状态:这表明储能设备的运行状态,如充电、放电等。这些信息可以帮助了解储能设备的实时状态,并协调相关的交易活动。
储能交易安全:包括安全认证、安全协议和安全控制等信息。这些信息可以确保储能设备在交易过程中的安全性和稳定性,并防止潜在的安全风险和故障。
通过发送这些信息,储能设备可以与其他系统更好地协调和管理储能交易活动,实现更高效、安全和稳定的能源储存和释放。
步骤S305:根据所述业务信息确定所述第一交易数据的优先级。
请参见图6,图6是本申请实施例提供的一种确定第一交易数据优先级的方法的流程示意图,具体如下:
步骤S601:将所述第一交易数据的业务信息中的储能交易用途、储能交易地点和储能交易价值进行量化,以获取所述第一交易数据的得分。
其中,所述储能交易用途包括用于可再生场景和用于不可再生场景,比如说将储能交易得到的电量用于环保事业或发电场景,就属于用于可再生场景,若是将储能交易得到的电量用于居民用电等常见用电场景,则属于用于不可再生场景;用于可再生场景的交易的得分高于用于不可再生场景的交易的得分。
所述储能交易地点包括缺电区域和电量充足区域,将储能交易得到的电能用于缺电区域的交易的得分高于用于电量充足区域的交易的得分。
所述储能交易价值包括高价值和低价值,所述储能交易价值用于表征该储能交易的成交价格高低,高价值的交易的得分高于低价值的交易的得分;
所述第一交易数据的得分为储能交易用途得分、储能交易地点得分和储能交易价值得分的总和,所述储能交易用途得分为根据所述第一交易数据的储能交易用途和第一权重确定的,所述储能交易地点得分为根据所述第一交易数据的储能交易地点和第二权重确定的,所述储能交易价值得分为根据所述第一交易数据的储能交易价值和第三权重确定的;
所述第二权重高于所述第一权重,所述第一权重高于第三权重。
下面对上述得分进行举例说明,请参见表1,具体如下:
表1
由上述表1可知,储能交易用途方面,用于可再生场景的基础得分为100分,用于不可再生场景的基础得分为50分;储能交易地点方面,储能交易地点为缺电区域的基础得分为100分,储能交易地点为电量充足区域的基础得分为50分;储能交易价值方面,高价值的交易的基础得分为100分,低价值的交易的基础得分为50分;
进一步的,本申请实施例设置了权重偏差值,第一权重、第二权重和第三权重的设置的意义在于精确衡量第一交易数据的重要程度,因此针对不同场景和状况设置了第一权重、第二权重和第三权重,而在第一交易数据的业务信息中存在两面性,例如储能交易地点方面,当交易发生在缺电区域和发生在电量充足区域时的重要程度,对交易反馈的需求程度是不一致的,显然,当交易发生在缺电区域时,对交易反馈的速度最为敏感,因此,对储能交易地点设置了最大的第二权重,更进一步的,当交易发生在电量充足区域时,对交易反馈的速度没有必须性的敏感,若沿用了第二权重,则对导致发生在电量充足区域的所有交易的优先级下降,这显然是不合理的,因此,本实施例设置了权重偏差值,所述权重偏差值为0.1,这代表了,若某一交易数据的储能交易地点为电量充足区域,那么在计算其储能交易地点得分时,所述第二权重会减去权重偏差值,降低这方面因素对总分的影响,进而更方便评估该交易的其它方面。
在储能交易用途方面,针对不同场景的交易的第一权重受到权重偏差值的影响存在差别,如表1所示,第一权重在储能交易用途为用于可再生场景时具体为0.3,而在储能交易用途为用于不可再生场景时具体为0.2,
相应的,在储能交易地点方面,针对不同类型的地点的第二权重受到权重偏差值的影响存在差别,如表1所示,第二权重在储能交易地点为缺电区域时的第二权重具体为0.5,而在储能交易地点为电量充足区域时的第二权重具体为0.4;
储能交易价值方面,针对不同价值的第三权重受到权重偏差值的影响存在差别,如表1所示,第三权重在针对高价值的交易时为0.2,在针对低价值的交易时为0.1。
将所述第一交易数据在储能交易用途、储能交易地点和储能交易价值三个方面的得分进行总和,即可得到所述第一交易数据的得分。
步骤S602:将所述第一交易数据根据得分从大到小的顺序进行优先级排序。
在所述第一交易数据包括多个交易数据的情况下,将所述第一交易数据中的多个交易数据的得分按照从大到小的顺序进行排列,以获取队列信息,在所述队列信息中,排名越靠前的交易数据,则优先级越高,在本申请中,所述第一交易数据的优先级分为高级、中级和低级,例如,得分为85-100的交易数据的优先级为高级,剩余的以此类推。
在划分所述第一交易数据的优先级的过程中,可根据将所述队列信息平均分为三组,这三组即可根据得分划分为优先级为高级的交易数据、优先级为中级的交易数据,以及优先级为低级的交易数据。
步骤S306:获取所述多个从节点的运行状态。
向所述多个从节点分别发送指令信息,所述指令信息用于指示从节点向所述主节点发送用于表征自身当前的运行状态的答复信息。所述多个从节点根据所述指示消息,向所述主节点发送自身的运行状态;所述主节点接收所述多个从节点分别发送的答复信息,以此获取所述多个从节点的运行状态。
所述运行状态用于表征所述多个从节点的当前的负载量、稳定性等情况,以使主节点能够精确评估从节点是否能够稳定、快速处理上述的第一交易数据。
步骤S307:根据所述多个从节点的运行状态,将所述多个从节点划分为多个处理队列。
其中,不同的处理队列用于处理不同优先级的第一交易数据。
可选的,所述多个处理队列中的一个处理队列包括了一个或多个从节点。
可选的,这种划分可以是在系统初始化时进行的,也可以是在运行过程中根据实时状态动态调整的,在本申请中,将所述多个从节点划分为多个处理队列是在运行过程中根据每一次交易高峰期开始时,实时状态动态调整的。
在一种可选的实施方式中,根据负载均衡的原理将所述多个从节点划分为多个处理队列,以提升每个处理队列的抗风险性和稳定性,具体如下:
评估所述多个从节点在所述目标时间段的稳定性;可选的,通过计算节点电压稳定指标aVSI,确定所述多个从节点的稳定性,具体的,所述多个从节点在所述目标时间段的指标的值越小,节点的电压稳定性越好,反之则稳定性越差。当aVSI=1.0时,节点处于临界运行状态,增加负荷可能导致潮流方程无解,受端功率需求无法保证,系统发生电压崩溃,通过比较aVSI与临界值1.0间的差值,可以判断从节点的电压稳定度。又可选的,通过所述多个从节点的历史工作数据中的负载情况、CPU使用率、内存占用率等数据,评估所述多个从节点的稳定性。
将稳定性高于预设第一阈值的从节点和稳定性不高于预设第一阈值的从节点进行处理队列划分,得到多个处理队列,所述多个处理队列中的每一处理队列中的稳定性高于预设第一阈值的从节点的数量和稳定性不高于预设第一阈值的从节点的数量一致;
所述预设第一阈值可根据多个从节点的历史工作数据中的负载情况、CPU使用率、内存占用率等数据确定,比如,首先对所述多个从节点的历史工作数据中的负载情况、CPU使用率、内存占用率等数据分别进行排序,每一项数据排序一次,进而根据排序得到的名次统计每一个从节点的得分,其次根据得分对所述从节点进行再次排序,在这种情况下,所述预设第一阈值优选为所述从节点的平均得分;最终将稳定性高于预设第一阈值的从节点和稳定性不高于预设第一阈值的从节点打散至不同的处理队列中,以使所述多个处理队列中的每一处理队列中的稳定性高于预设第一阈值的从节点的数量和稳定性不高于预设第一阈值的从节点的数量保持基本一致。
在本申请实施方式中,所述不同的处理队列用于处理不同优先级的第一交易数据,那么所述处理队列的个数与所述第一交易数据的优先级的级数相同,若所述第一交易优先级的个数为三个,比如高级、中级和低级,那么所述处理队列的个数也为三个。
进一步的,在又一种可选的实施方式中,通过确定上述实施方式得到的处理队列的性能,以确定所述处理队列的优先级,具体如下:
统计多个处理队列中的从节点的历史交易数据,以确定多个处理队列中的从节点的历史交易的成功率、错误率和处理时间;
根据多个处理队列中的从节点的历史交易的成功率、错误率和处理时间,评估多个处理队列中的每一处理队列的性能;可以理解的是,成功率越高的处理队列,性能相应的也就越高,错误率越低的处理队列,性能相应的也就越低,处理时间越短的处理队列,性能相应的也就越高;
根据所述多个处理队列中的每一处理队列的性能,确定多个处理队列中的每一处理队列对应的第一交易数据的优先级;
可选的,对多个处理队列中每一处理队列中的每个从节点的历史交易的成功率、错误率和处理时间数据进行量化,以确定每个处理队列的性能得分,以此精确评估每一处理队列的性能;相应的,性能最高的处理队列用于处理优先级最高的第一交易数据,性能最低的处理队列用于处理优先级最低的第一交易数据。
步骤S308:将所述第一交易数据发送至与所述第一交易数据的优先级对应的目标处理队列,以由所述目标处理队列处理所述第一交易数据。
在本申请实施例中,所述第一交易数据包括了多个交易数据,且每个交易数据均有对应的优先级,因此,在本步骤中,根据所述每个交易数据的优先级,将所述交易数据分别发送至与所述交易数据的优先级对应的目标处理队列中。
在一种可选的实施方式中,为了避免交易数据过于庞大,导致从节点也无法负荷的情况发生,设置缓存处理队列,该处理队列无需对交易数据进行处理,主要起到缓存超出承受范围的数据和与其他处理队列交互的作用,具体实施过程如下所示:
将所述目标处理队列中的第一处理队列确定为缓存处理队列,所述缓存处理队列用于缓存过饱和的交易数据;
预估所述目标处理队列中除所述第一处理队列以外的其他处理队列的总计的峰值交易数据处理量,所述峰值交易数据处理量用于表征所述目标处理队列中除所述第一处理队列以外的其他处理队列的处理的交易数据处理量的最大值;
在所述第一交易数据的数据总量超过所述峰值交易数据处理量的情况下,确定目标值,所述目标值为所述第一交易数据的数量超出所述峰值交易数据处理量的部分的数量;
将与所述目标值数量一致的低优先级的第一交易数据分发至所述缓存处理队列进行缓存;简单的来说,本步骤是将超出所述目标处理队列中除所述第一处理队列以外的其他处理队列的负载范围的数据交由所述缓存处理队列进行缓存;
可选的,在确定所述目标处理队列中除所述第一处理队列以外的其他处理队列能够继续负载交易数据的情况下,向所述缓存处理队列发生指令信息,以指示所述缓存负载队列向能够继续负载交易数据的其他处理队列发送交易数据。
步骤S309:在所述目标时间段的交易平缓期,所述储能设备向所述主节点发送第二交易数据。
步骤S310:所述主节点接收所述第二交易数据,并进行处理。
具体的,所述主节点接收所述储能设备发送的第二交易数据,所述第二交易数据指代的是从所述目标时间段的交易平缓期开始的时间点至结束的时间点,所述储能设备向所述主节点发送的交易数据。
上述的处理可能包括但不限于数据分析、审计、结算或其他后续处理,同时,主节点还可以在这个阶段进行系统维护和优化,以确保系统的稳定性和性能。
本申请所提供的方法针对于储能交易中的高峰期时,处理相关数据的节点所承受的压力太大,导致的数据延迟和处理速度缓慢的问题,并提出了分布式的处理方法,首先通过预设的算法对未来的目标时间段的交易高峰期和交易平缓期进行精确预测,在所述交易高峰期到达时,将接收到的第一交易数据根据用途、地点和价值高低进行分级,以确定所述第一交易数据中的各项交易数据的优先级,这样可以更好的对交易数据进行分流,无需主节点统一处理;
进一步的,对所述主节点附属的多个从节点进行甄别,根据稳定性和性能对所述多个从节点进行划分,得到应对不同优先级的交易数据的处理队列,通过这样的步骤,可以更好地分配储能交易任务,进一步提高储能系统的性能和可靠性。
上述详细阐述了本申请实施例的方法,下面提供了本申请实施例的装置。
请参见图7,图7是本申请实施例提供一种储能交易数据处理装置的结构示意图,该储能交易数据处理装置70可以为前面提及的主节点或者主节点中的器件,该储能交易数据处理装置70可以包括获取单元701、划分单元702、发送单元703,其中,各个单元的详细描述如下。
获取单元701,用于获取所述多个从节点的运行状态;
划分单元702,用于根据所述多个从节点的运行状态,将所述多个从节点划分为多个处理队列,其中,不同的处理队列用于处理不同优先级的第一交易数据,所述第一交易数据为在目标时间段的交易高峰期间,储能设备发送的交易数据;
发送单元703,用于将所述第一交易数据发送至与所述第一交易数据的优先级对应的目标处理队列,以由所述目标处理队列处理所述第一交易数据,其中,所述第一交易数据的优先级用于表征与所述第一交易数据对应的交易的重要程度,优先级越高,则代表与所述第一交易数据对应的交易的重要程度越高。
在一种可能的实施方式中,储能交易数据处理装置70还包括:
生成单元,用于根据历史的执行储能交易的时间记录,生成时间序列数据,所述时间序列数据包括多个时间节点、与所述多个时间节点分别对应的交易数据和与所述多个时间节点分别对应的交易量;
预测单元,用于根据所述时间序列数据预测目标时间段的交易高峰期和交易平缓期;
接收单元,用于在所述目标时间段的交易高峰期,接收储能设备发送的第一交易数据和与所述第一交易数据的业务信息,所述业务信息包括储能交易用途、储能交易地点和储能交易价值;
确定单元,用于根据所述业务信息确定所述第一交易数据的优先级。
在一种可能的实施方式中,所述确定单元用于:
将所述第一交易数据的业务信息中的储能交易用途、储能交易地点和储能交易价值进行量化,以获取所述第一交易数据的得分,其中,所述第一交易数据的得分为储能交易用途得分、储能交易地点得分和储能交易价值得分的总和,所述储能交易用途得分为根据所述第一交易数据的储能交易用途和第一权重确定的,所述储能交易用途包括用于可再生场景和用于不可再生场景,用于可再生场景的交易的得分高于用于不可再生场景的交易的得分,所述储能交易地点得分为根据所述第一交易数据的储能交易地点和第二权重确定的,所述储能交易地点包括缺电区域和电量充足区域,用于缺电区域的交易的得分高于用于电量充足区域的交易的得分,所述储能交易价值得分为根据所述第一交易数据的储能交易价值和第三权重确定的,高价值的交易的得分高于低价值的交易的得分;所述第二权重高于所述第一权重,所述第一权重高于第三权重;
将所述第一交易数据根据得分从大到小的顺序进行优先级排序,其中,得分越高的第一交易数据,优先级越高。
在一种可能的实施方式中,所述预测单元用于:
获取所述时间序列数据中的多条交易数据对应的地区;
确定所述交易数据所处地区的用电需求量和地区储能交易限制因素,所述地区储能交易限制因素包括对储能交易的鼓励或反对程度;
将所述多个时间节点、与所述多个时间节点分别对应的交易量、所述时间序列数据中的多条交易数据对应的地区、所述交易数据所处地区的用电需求量和所述交易数据所处地区的地区储能交易限制因素输入至初始的预测模型中进行训练以得到第一预测模型,其中,所述多个时间节点、所述时间序列数据中的多条交易数据对应的地区、所述交易数据所处地区的用电需求量和所述交易数据所处地区的地区储能交易限制因素为特征数据,与所述多个时间节点分别对应的交易量为标签数据;
确定在所述目标时间段进行储能交易的地区;
确定所述地区的用电需求量和所述地区的地区储能交易限制因素;
将所述目标时间段中的多个时间节点、在所述目标时间段进行储能交易的地区、所述地区的用电需求量和所述地区的地区储能交易限制因素输入至所述第一预测模型,得到所述目标时间段中的多个时间节点的交易量;
根据所述目标时间段中的多个时间节点的交易量确定所述目标时间段的交易高峰期和交易平缓期。
在一种可能的实施方式中,所述发送单元703用于:
将所述目标处理队列中的第一处理队列确定为缓存处理队列,所述缓存处理队列用于缓存过饱和的交易数据;
预估所述目标处理队列中除所述第一处理队列以外的其他处理队列的总计的峰值交易数据处理量,所述峰值交易数据处理量用于表征所述目标处理队列中除所述第一处理队列以外的其他处理队列的处理的交易数据处理量的最大值;
在所述第一交易数据的数量超过所述峰值交易数据处理量的情况下,确定目标值,所述目标值为所述第一交易数据的数量超出所述峰值交易数据处理量的部分的数量;
将与所述目标值数量一致的低优先级的第一交易数据分发至所述缓存处理队列进行缓存。
在一种可能的实施方式中,所述划分单元702用于:
评估所述多个从节点在所述目标时间段的稳定性;
将稳定性高于预设第一阈值的从节点和稳定性不高于预设第一阈值的从节点进行处理队列划分,得到多个处理队列,所述多个处理队列中的每一处理队列中的稳定性高于预设第一阈值的从节点的数量和稳定性不高于预设第一阈值的从节点的数量一致。
在一种可能的实施方式中,所述划分划分单元702还用于:
统计多个处理队列中的从节点的历史交易数据,以确定多个处理队列中的从节点的历史交易的成功率、错误率和处理时间;
根据多个处理队列中的从节点的历史交易的成功率、错误率和处理时间,评估多个处理队列中的每一处理队列的性能;
根据所述多个处理队列中的每一处理队列的性能,确定多个处理队列中的每一处理队列对应的第一交易数据的优先级。
请参见图8,图8是本申请实施例提供的一种主节点的结构示意图,所述主节点101包括:处理器801、通信接口802及存储器803。其中,处理器801、通信接口802及存储器803可通过总线或其他方式连接,本申请实施例以通过总线连接为例。
其中,处理器801是主节点101的计算核心以及控制核心,其可以解析主节点101内的各类指令以及主节点101的各类数据,例如:该处理器801可为中央处理器(CentralProcessing Unit,CPU),可以在主节点101内部结构之间传输各类交互数据,等等。通信接口802可选的可以包括标准的有线接口、无线接口(如WI-FI、移动通信接口等),受处理器801的控制可以用于收发数据;通信接口802还可以用于所述主节点101内部信令或者指令的传输以及交互。存储器803(Memory)是所述主节点101中的记忆设备,用于存放程序和数据。可以理解的是,此处的存储器803既可以包括所述主节点101的内置存储器,当然也可以包括所述主节点101所支持的扩展存储器。存储器803提供存储空间,该存储空间存储了所述主节点101的操作系统,该存储空间还存储了处理器执行相应操作所需的程序代码或指令,可选的,该存储空间还可以存储该处理器执行该相应操作后产生的相关数据。
在本申请实施例中,处理器801运行存储器803中的可执行程序代码,用于执行如下操作:
获取所述多个从节点的运行状态;
根据所述多个从节点的运行状态,将所述多个从节点划分为多个处理队列,其中,不同的处理队列用于处理不同优先级的第一交易数据,所述第一交易数据为在目标时间段的交易高峰期间,储能设备发送的交易数据;
将所述第一交易数据发送至与所述第一交易数据的优先级对应的目标处理队列,以由所述目标处理队列处理所述第一交易数据,其中,所述第一交易数据的优先级用于表征与所述第一交易数据对应的交易的重要程度,优先级越高,则代表与所述第一交易数据对应的交易的重要程度越高。
在一种可选方案中,所述处理器801还用于:
根据历史的执行储能交易的时间记录,生成时间序列数据,所述时间序列数据包括多个时间节点、与所述多个时间节点分别对应的交易数据和与所述多个时间节点分别对应的交易量;
根据所述时间序列数据预测目标时间段的交易高峰期和交易平缓期;
在所述目标时间段的交易高峰期,接收储能设备发送的第一交易数据和与所述第一交易数据的业务信息,所述业务信息包括储能交易用途、储能交易地点和储能交易价值;
根据所述业务信息确定所述第一交易数据的优先级。
在一种可选方案中,在所述根据所述业务信息确定所述第一交易数据的优先级方面,所述处理器801用于:
将所述第一交易数据的业务信息中的储能交易用途、储能交易地点和储能交易价值进行量化,以获取所述第一交易数据的得分,其中,所述第一交易数据的得分为储能交易用途得分、储能交易地点得分和储能交易价值得分的总和,所述储能交易用途得分为根据所述第一交易数据的储能交易用途和第一权重确定的,所述储能交易用途包括用于可再生场景和用于不可再生场景,用于可再生场景的交易的得分高于用于不可再生场景的交易的得分,所述储能交易地点得分为根据所述第一交易数据的储能交易地点和第二权重确定的,所述储能交易地点包括缺电区域和电量充足区域,用于缺电区域的交易的得分高于用于电量充足区域的交易的得分,所述储能交易价值得分为根据所述第一交易数据的储能交易价值和第三权重确定的,高价值的交易的得分高于低价值的交易的得分;所述第二权重高于所述第一权重,所述第一权重高于第三权重;
将所述第一交易数据根据得分从大到小的顺序进行优先级排序,其中,得分越高的第一交易数据,优先级越高。
在一种可选方案中,在所述根据所述时间序列数据预测目标时间段的交易高峰期和交易平缓期方面,所述处理器801用于:
根据所述时间序列数据确定历史的所述主节点处理的交易数据的阈值大小;
根据所述时间序列数据预测所述目标时间段中的各个时间节点的交易量;
将所述目标时间段中的交易量超过所述阈值大小的时间节点确定为交易高峰期;
将所述目标时间段中的交易量未超过所述阈值大小的时间节点确定为交易平缓期。
在一种可选方案中,在所述根据所述时间序列数据预测目标时间段的交易高峰期和交易平缓期,所述处理器801用于:
获取所述时间序列数据中的多条交易数据对应的地区;
确定所述交易数据所处地区的用电需求量和地区储能交易限制因素,所述地区储能交易限制因素包括对储能交易的鼓励或反对程度;
将所述多个时间节点、与所述多个时间节点分别对应的交易量、所述时间序列数据中的多条交易数据对应的地区、所述交易数据所处地区的用电需求量和所述交易数据所处地区的地区储能交易限制因素输入至初始的预测模型中进行训练以得到第一预测模型,其中,所述多个时间节点、所述时间序列数据中的多条交易数据对应的地区、所述交易数据所处地区的用电需求量和所述交易数据所处地区的地区储能交易限制因素为特征数据,与所述多个时间节点分别对应的交易量为标签数据;
确定在所述目标时间段进行储能交易的地区;
确定所述地区的用电需求量和所述地区的地区储能交易限制因素;
将所述目标时间段中的多个时间节点、在所述目标时间段进行储能交易的地区、所述地区的用电需求量和所述地区的地区储能交易限制因素输入至所述第一预测模型,得到所述目标时间段中的多个时间节点的交易量;
根据所述目标时间段中的多个时间节点的交易量确定所述目标时间段的交易高峰期和交易平缓期。
在一种可选方案中,在所述将所述第一交易数据发送至与所述第一交易数据的优先级对应的目标处理队列,所述处理器801用于:
将所述目标处理队列中的第一处理队列确定为缓存处理队列,所述缓存处理队列用于缓存过饱和的交易数据;
预估所述目标处理队列中除所述第一处理队列以外的其他处理队列的总计的峰值交易数据处理量,所述峰值交易数据处理量用于表征所述目标处理队列中除所述第一处理队列以外的其他处理队列的处理的交易数据处理量的最大值;
在所述第一交易数据的数量超过所述峰值交易数据处理量的情况下,确定目标值,所述目标值为所述第一交易数据的数量超出所述峰值交易数据处理量的部分的数量;
通过通信接口802将与所述目标值数量一致的低优先级的第一交易数据分发至所述缓存处理队列进行缓存。
在一种可选方案中,在所述根据所述多个从节点的运行状态,将所述多个从节点划分为多个处理队列方面,所述处理器801用于:
在一种可选方案中,在所述根据所述业务信息确定所述第一交易数据的优先级方面,所述处理器801用于:
评估所述多个从节点在所述目标时间段的稳定性;
将稳定性高于预设第一阈值的从节点和稳定性不高于预设第一阈值的从节点进行处理队列划分,得到多个处理队列,所述多个处理队列中的每一处理队列中的稳定性高于预设第一阈值的从节点的数量和稳定性不高于预设第一阈值的从节点的数量一致。
在一种可选方案中,在所述根据所述业务信息确定所述第一交易数据的优先级方面,所述处理器801还用于:
统计多个处理队列中的从节点的历史交易数据,以确定多个处理队列中的从节点的历史交易的成功率、错误率和处理时间;
根据多个处理队列中的从节点的历史交易的成功率、错误率和处理时间,评估多个处理队列中的每一处理队列的性能;
根据所述多个处理队列中的每一处理队列的性能,确定多个处理队列中的每一处理队列对应的第一交易数据的优先级。
需要说明的是,各个操作的实现还可以对应参照图3、图4、图5和图6中所示的方法实施例的相应描述。
本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述计算机程序当被处理器执行时使所述处理器实现图3、图4、图5和图6所述实施例所执行的操作。
本申请实施例还提供一种计算机程序产品,当所述计算机程序产品在处理器上运行时,实现图3、图4、图5和图6所述实施例所执行的操作。
本领域普通技术人员可以理解实现所述实施例方法中的全部或部分流程,可以通过程序来指令相关的硬件来完成,该程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可存储程序代码的介质。
Claims (10)
1.一种储能交易数据处理方法,其特征在于,所述方法应用于储能系统中的主节点,所述储能系统还包括多个从节点,所述方法包括:
获取所述多个从节点的运行状态;
根据所述多个从节点的运行状态,将所述多个从节点划分为多个处理队列,其中,不同的处理队列用于处理不同优先级的第一交易数据,所述第一交易数据为在目标时间段的交易高峰期间,储能设备发送的交易数据;
将所述第一交易数据发送至与所述第一交易数据的优先级对应的目标处理队列,以由所述目标处理队列处理所述第一交易数据,其中,所述第一交易数据的优先级用于表征与所述第一交易数据对应的交易的重要程度,优先级越高,则代表与所述第一交易数据对应的交易的重要程度越高。
2.根据权利要求1所述的方法,其特征在于,在所述获取所述多个从节点的运行状态之前,所述方法还包括:
根据历史的执行储能交易的时间记录,生成时间序列数据,所述时间序列数据包括多个时间节点、与所述多个时间节点分别对应的交易数据和与所述多个时间节点分别对应的交易量;
根据所述时间序列数据预测目标时间段的交易高峰期和交易平缓期;
在所述目标时间段的交易高峰期,接收储能设备发送的第一交易数据和与所述第一交易数据的业务信息,所述业务信息包括储能交易用途、储能交易地点和储能交易价值;
根据所述业务信息确定所述第一交易数据的优先级。
3.根据权利要求2所述的方法,其特征在于,所述根据所述业务信息确定所述第一交易数据的优先级,包括:
将所述第一交易数据的业务信息中的储能交易用途、储能交易地点和储能交易价值进行量化,以获取所述第一交易数据的得分,其中,所述第一交易数据的得分为储能交易用途得分、储能交易地点得分和储能交易价值得分的总和,所述储能交易用途得分为根据所述第一交易数据的储能交易用途和第一权重确定的,所述储能交易用途包括用于可再生场景和用于不可再生场景,用于可再生场景的交易的得分高于用于不可再生场景的交易的得分,所述储能交易地点得分为根据所述第一交易数据的储能交易地点和第二权重确定的,所述储能交易地点包括缺电区域和电量充足区域,用于缺电区域的交易的得分高于用于电量充足区域的交易的得分,所述储能交易价值得分为根据所述第一交易数据的储能交易价值和第三权重确定的,高价值的交易的得分高于低价值的交易的得分;所述第二权重高于所述第一权重,所述第一权重高于第三权重;
将所述第一交易数据根据得分从大到小的顺序进行优先级排序,其中,得分越高的第一交易数据,优先级越高。
4.根据权利要求2所述的方法,其特征在于,所述根据所述时间序列数据预测目标时间段的交易高峰期和交易平缓期,包括:
获取所述时间序列数据中的多条交易数据对应的地区;
确定所述交易数据所处地区的用电需求量和地区储能交易限制因素,所述地区储能交易限制因素包括对储能交易的鼓励或反对程度;
将所述多个时间节点、与所述多个时间节点分别对应的交易量、所述时间序列数据中的多条交易数据对应的地区、所述交易数据所处地区的用电需求量和所述交易数据所处地区的地区储能交易限制因素输入至初始的预测模型中进行训练以得到第一预测模型,其中,所述多个时间节点、所述时间序列数据中的多条交易数据对应的地区、所述交易数据所处地区的用电需求量和所述交易数据所处地区的地区储能交易限制因素为特征数据,与所述多个时间节点分别对应的交易量为标签数据;
确定在所述目标时间段进行储能交易的地区;
确定所述地区的用电需求量和所述地区的地区储能交易限制因素;
将所述目标时间段中的多个时间节点、在所述目标时间段进行储能交易的地区、所述地区的用电需求量和所述地区的地区储能交易限制因素输入至所述第一预测模型,得到所述目标时间段中的多个时间节点的交易量;
根据所述目标时间段中的多个时间节点的交易量确定所述目标时间段的交易高峰期和交易平缓期。
5.根据权利要求1所述的方法,其特征在于,所述将所述第一交易数据发送至与所述第一交易数据的优先级对应的目标处理队列,包括:
将所述目标处理队列中的第一处理队列确定为缓存处理队列,所述缓存处理队列用于缓存过饱和的交易数据;
预估所述目标处理队列中除所述第一处理队列以外的其他处理队列的总计的峰值交易数据处理量,所述峰值交易数据处理量用于表征所述目标处理队列中除所述第一处理队列以外的其他处理队列的处理的交易数据处理量的最大值;
在所述第一交易数据的数量超过所述峰值交易数据处理量的情况下,确定目标值,所述目标值为所述第一交易数据的数量超出所述峰值交易数据处理量的部分的数量;
将与所述目标值数量一致的低优先级的第一交易数据分发至所述缓存处理队列进行缓存。
6.根据权利要求1所述的方法,其特征在于,所述根据所述多个从节点的运行状态,将所述多个从节点划分为多个处理队列,包括:
评估所述多个从节点在所述目标时间段的稳定性;
将稳定性高于预设第一阈值的从节点和稳定性不高于预设第一阈值的从节点进行处理队列划分,得到多个处理队列,所述多个处理队列中的每一处理队列中的稳定性高于预设第一阈值的从节点的数量和稳定性不高于预设第一阈值的从节点的数量一致。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
统计多个处理队列中的从节点的历史交易数据,以确定多个处理队列中的从节点的历史交易的成功率、错误率和处理时间;
根据多个处理队列中的从节点的历史交易的成功率、错误率和处理时间,评估多个处理队列中的每一处理队列的性能;
根据所述多个处理队列中的每一处理队列的性能,确定多个处理队列中的每一处理队列对应的第一交易数据的优先级。
8.一种储能交易数据处理装置,其特征在于,所述装置包括:
获取单元,用于获取多个从节点的运行状态;
划分单元,用于根据所述多个从节点的运行状态,将所述多个从节点划分为多个处理队列,其中,不同的处理队列用于处理不同优先级的第一交易数据,所述第一交易数据为在目标时间段的交易高峰期间,储能设备发送的交易数据;
发送单元,用于将所述第一交易数据发送至与所述第一交易数据的优先级对应的目标处理队列,以由所述目标处理队列处理所述第一交易数据,其中,所述第一交易数据的优先级用于表征与所述第一交易数据对应的交易的重要程度,优先级越高,则代表与所述第一交易数据对应的交易的重要程度越高。
9.一种主节点,其特征在于,所述主节点包括至少一个处理器、通信接口和存储器,所述通信接口用于发送和/或接收数据,所述存储器用于存储计算机程序,所述至少一个处理器用于调用至少一个存储器中存储的计算机程序,以实现如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,当所述计算机程序在处理器上运行时,实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311477285.3A CN117217920B (zh) | 2023-11-08 | 2023-11-08 | 一种储能交易数据处理方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311477285.3A CN117217920B (zh) | 2023-11-08 | 2023-11-08 | 一种储能交易数据处理方法、装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117217920A true CN117217920A (zh) | 2023-12-12 |
CN117217920B CN117217920B (zh) | 2024-01-30 |
Family
ID=89039325
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311477285.3A Active CN117217920B (zh) | 2023-11-08 | 2023-11-08 | 一种储能交易数据处理方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117217920B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090219937A1 (en) * | 2008-02-29 | 2009-09-03 | Lockheed Martin Corporation | Method and apparatus for biasing of network node packet prioritization based on packet content |
CN110636388A (zh) * | 2019-09-29 | 2019-12-31 | 浪潮(北京)电子信息产业有限公司 | 一种业务请求分配方法、系统、电子设备及存储介质 |
CN110838076A (zh) * | 2019-09-26 | 2020-02-25 | 国家电网公司华中分部 | 一种月度跨省区可再生能源消纳方法及终端设备 |
CN110838065A (zh) * | 2019-10-24 | 2020-02-25 | 腾讯云计算(北京)有限责任公司 | 一种交易数据处理方法及装置 |
CN112488688A (zh) * | 2020-12-17 | 2021-03-12 | 广州智链未来科技有限公司 | 基于区块链的交易处理方法、装置、设备及存储介质 |
CN114860672A (zh) * | 2022-07-01 | 2022-08-05 | 苏州优鲜信网络生活服务科技有限公司 | 批处理数据任务的节点管理方法与系统 |
-
2023
- 2023-11-08 CN CN202311477285.3A patent/CN117217920B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090219937A1 (en) * | 2008-02-29 | 2009-09-03 | Lockheed Martin Corporation | Method and apparatus for biasing of network node packet prioritization based on packet content |
CN110838076A (zh) * | 2019-09-26 | 2020-02-25 | 国家电网公司华中分部 | 一种月度跨省区可再生能源消纳方法及终端设备 |
CN110636388A (zh) * | 2019-09-29 | 2019-12-31 | 浪潮(北京)电子信息产业有限公司 | 一种业务请求分配方法、系统、电子设备及存储介质 |
CN110838065A (zh) * | 2019-10-24 | 2020-02-25 | 腾讯云计算(北京)有限责任公司 | 一种交易数据处理方法及装置 |
CN112488688A (zh) * | 2020-12-17 | 2021-03-12 | 广州智链未来科技有限公司 | 基于区块链的交易处理方法、装置、设备及存储介质 |
CN114860672A (zh) * | 2022-07-01 | 2022-08-05 | 苏州优鲜信网络生活服务科技有限公司 | 批处理数据任务的节点管理方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117217920B (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210402889A1 (en) | Method and apparatus for charging a battery using local power grid topology information | |
CN102509162A (zh) | 一种居民智能用电管理方法和管理系统 | |
EP2721706A2 (en) | Method and apparatus for controlling energy services based on market data | |
CN108281989B (zh) | 一种风电电力系统经济调度方法及装置 | |
EP3771060B1 (en) | Power information management system, management method, program, power information management server, communication terminal, and power system | |
US20230024900A1 (en) | System and method for real-time distributed micro-grid optimization using price signals | |
US10333307B2 (en) | Machine learning based demand charge | |
CN107228974B (zh) | 一种基于实时用电的计量系统与方法 | |
US20160042369A1 (en) | Dynamic co-optimization management for grid scale energy storage system (gsess) market participation | |
CN105760993A (zh) | 一种多源接入主动配电网评估方法 | |
CN117217920B (zh) | 一种储能交易数据处理方法、装置和存储介质 | |
JP2019165580A (ja) | 電力システム、制御装置、電力管理方法、プログラム、及び、電力管理サーバ | |
Guo et al. | Stochastic optimization for distributed energy resources in smart grids | |
KR102507773B1 (ko) | 신재생 에너지를 이용한 에너지 거래 시스템 및 방법 | |
CN117200261B (zh) | 一种基于电网调频的储能设备控制方法、装置和存储介质 | |
Leithon et al. | Cooperative renewable energy management with distributed generation | |
KR20210025821A (ko) | 저전압 직류 배전시스템과 클라우드 ems를 포함하는 전력 시스템 | |
CN112001517A (zh) | 一种基于云计算的智能电网预测方法 | |
KR20160009829A (ko) | Emg를 이용한 신재생에너지/ess 기반 수요반응 관리 시스템 및 방법 | |
CN117314598B (zh) | 一种储能设备租赁容量调整方法、装置和存储介质 | |
CN117291756B (zh) | 一种储能设备配置调整方法、装置和存储介质 | |
CN117613923B (zh) | 一种基于动态分区的配电网调度方法及系统 | |
JP7482167B2 (ja) | 動的エネルギーストレージシステム制御のためのシステムおよび方法 | |
CN117200300B (zh) | 基于储能系统的电能调度方法及装置 | |
US20230394602A1 (en) | Systems and methods for managing electricity supply from demand |
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 |