CN117237004B - 一种储能设备交易处理方法、装置和存储介质 - Google Patents
一种储能设备交易处理方法、装置和存储介质 Download PDFInfo
- Publication number
- CN117237004B CN117237004B CN202311491958.0A CN202311491958A CN117237004B CN 117237004 B CN117237004 B CN 117237004B CN 202311491958 A CN202311491958 A CN 202311491958A CN 117237004 B CN117237004 B CN 117237004B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- transaction
- storage device
- data
- transaction data
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 482
- 238000003672 processing method Methods 0.000 title abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 157
- 238000000034 method Methods 0.000 claims abstract description 79
- 238000007781 pre-processing Methods 0.000 claims abstract description 31
- 238000004891 communication Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 26
- 238000010586 diagram Methods 0.000 description 7
- 238000012797 qualification Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004140 cleaning Methods 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
- 238000007599 discharging Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种储能设备交易处理方法、装置和存储介质。该方法在所述目标时间段的交易高峰期,对所述多个储能设备进行分级,以得到N个等级的储能设备集群;接收来自第S等级的储能设备集群发送的第二交易数据;将第二交易数据转发至与第S+1等级的储能设备集群,以由所述第S+1等级的储能设备集群对所述第二交易数据进行预处理,S大于0,且S为小于N的正整数;接收来自与第S+1等级的储能设备集群发送的预处理结果;对预处理结果进行处理得到处理结果,并将第二交易数据的处理结果返回至第S等级的储能设备集群,以完成与第二交易数据对应的储能交易。
Description
技术领域
本申请涉及储能交易数据处理技术领域,尤其涉及一种储能设备交易处理方法、装置和存储介质。
背景技术
随着能源市场的全球化和市场化发展,能源交易的规模和复杂性不断增长。在此背景下,储能设备作为一种能够储存和释放可再生能源或其他能源的设备,其重要性日益凸显。然而,随着储能设备交易量的增加,传统的交易处理系统逐渐面临处理压力过大、处理速度变慢的问题,甚至出现交易延迟现象,严重制约了能源市场的效率和稳定性。
在现有的技术中,储能交易数据的处理通常由储能系统中的服务器进行集中管理、控制和处理,而储能系统所链接的储能设备仅作为用户发送交易数据的节起点,然而,这种集中式的交易方式存在高峰期时大量交易数据涌入服务器,导致服务器无法负荷,从而出现网络延迟、重要交易无法及时的进行处理等问题。
发明内容
本申请提供一种储能设备交易处理方法、装置和存储介质,能够提高储能设备交易处理效率,降低服务器在高峰期处理交易数据的压力,提高交易的可靠性。
第一方面,本申请提供了一种储能设备交易处理方法,所述方法应用于储能系统的服务器,所述储能系统包括多个储能设备,所述服务器与多个储能设备进行通信连接,所述方法包括:
基于预设算法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平缓期,接收来自所述多个储能设备发送的第一交易数据;
对所述第一交易数据进行处理,并将处理结果分别返回至所述第一交易数据所来自的储能设备,以完成所述第一交易数据对应的储能交易;
在所述目标时间段的交易高峰期,对所述多个储能设备进行分级,以得到N个等级的储能设备集群,N为大于1的正整数;
接收来自第S等级的储能设备集群发送的第二交易数据;
将所述第二交易数据转发至所述第S+1等级的储能设备集群,以由所述第S+1等级的储能设备集群对所述第二交易数据进行预处理,S大于0,且S为小于N的正整数, 第N等级的储能设备集群的第二交易数据由所述服务器进行预处理;
接收所述第S+1等级的储能设备集群发送的预处理结果;
对所述预处理结果进行处理得到处理结果,并将所述第二交易数据的处理结果返回至所述第S等级的储能设备集群,以完成与所述第二交易数据对应的储能交易。
本申请提供的方法针对的主要问题在于交易高峰期时,服务器面临的数据处理压力,在解决这个问题的过程中,首先需要明确的是,所述方法主要通过预设的算法解决交易高峰期的界定问题,即交易量达到何种程度才会导致所述服务器无法负荷;进一步的,在预测的交易高峰期来临时,除非对所述服务器在算力和架构等方面进行升级,不然所述服务器仍旧难以负荷,因此,所述方法提出了通过储能设备对交易数据进行处理;
具体是通过对同一区域内的储能设备进行分级,从而使同一地区的储能设备具有明确的等级划分,通过这样的架构来处理交易数据时,即可使某一区域发送的交易数据,让同一区域的更高级别的储能设备对该交易数据进行处理,从而一步一步地将数据压力分散至整个储能系统的架构中,提高储能系统处理交易数据时的效率和智能性。
在第一方面的又一种可选的实施方式中,所述基于预设算法预测目标时间段的交易高峰期和交易平缓期,包括:
获取历史的多个时间节点分别对应的交易量;
将所述历史的多个时间节点分别对应的交易量和所述多个时间节点输入至初始模型中进行训练,以得到收敛的预测模型,其中,所述多个时间节点为特征数据,所述多个时间节点分别对应的交易量为标签数据;
将所述目标时间段中的多个时间节点分别输入至所述预测模型中,以预测所述目标时间段中的多个时间节点分别对应的交易量;
根据所述目标时间段中的多个时间节点分别对应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。
通过机器学习的方式对交易高峰期和交易平缓期实现精确预测。
在第一方面的又一种可选的实施方式中,所述方法还包括:
确定预测得到的所述目标时间段中的多个时间节点分别对应的交易量中,所述多个储能设备分别对应的交易量;
预估所述多个储能设备在所述目标时间段的交易高峰期的数据承载能力;
在所述多个储能设备中的任一储能设备在所述目标时间段的交易高峰期的数据承载能力不能够满足所述多个储能设备分别对应的交易量的情况下,对所述交易高峰期占所述目标时间段的比例进行修正,以得到更新后的所述目标时间段的交易高峰期和交易平缓期。
通过储能设备的负载能力对模型输出的结果进行修正,进一步提高预测精度。
在第一方面的又一种可选的实施方式中,所述对所述多个储能设备进行分级,包括:
确定所述多个储能设备的数据处理能力评分和所在区域;
将同一区域内的储能设备按照数据处理能力评分进行排序,以得到各个区域内的N个等级的储能设备集群。
分布式架构之下设置区域化架构,同一区域内的交易数据上传、处理等操作发生在本地,降低数据传输压力。
在第一方面的又一种可选的实施方式中,所述方法还包括:
确定所述第二交易数据中的业务信息,所述业务信息包括储能交易类别和储能交易价值;
根据所述业务信息,确定所述各个区域内的N个等级的储能设备集群的目标业务,其中,所述同一区域内的除最低等级的储能设备集群以外的同一等级的储能设备集群的目标业务不同,同一区域内的第S+1等级的储能设备集群的目标业务与所述第S等级的储能设备集群的目标业务相同。
在区域化架构的基础上,对同一级别的储能设备集群的目标进行精确划分,各司其职,在保证交易流程正常运转的基础上,最大化利用设备资源,一个区域内的各级储能设备集群可统一为一个整体,无需服务器介入,完全消除大量数据造成的压力。
在第一方面的又一种可选的实施方式中,所述将所述第二交易数据转发至所述第S+1等级的储能设备集群,包括:
确定所述第S+1等级的储能设备集群当前的数据承载能力;
当所述第S+1等级的储能设备集群当前的数据承载能力达到预设第一阈值的情况下,将所述第二交易数据转发至所述第S+2等级的储能设备集群;
当所述第S+1等级的储能设备集群当前的数据承载能力未达到预设第一阈值的情况下,将所述第二交易数据转发至所述第S+1等级的储能设备集群。
设置越级上报机制,避免某一级别的储能设备集群满负载时,数据无法向上传递的问题出现。
在第一方面的又一种可选的实施方式中,所述方法还包括:
统计在所述目标时间段的交易高峰期的结束时间节点时,所述N个等级的储能设备集群所处理的第二交易数据数量;
在所述第二交易数据数量超过预设第二预设阈值的情况下,将所述目标时间段的交易高峰期进行延长,直至所述N个等级的储能设备集群所处理的第二交易数据数量低于预设第二阈值。
结合现实场景,避免预测结果出现错误,导致交易高峰期提前结束,从而使服务器超负载的问题出现。
第二方面,本申请实施例提供一种储能设备交易处理装置,所述装置至少包括预测单元、第一接收单元、第一处理单元、分级单元、第二接收单元、转发单元、第三接收单元和第二处理单元。该储能设备交易处理装置用于实现第一方面任一项实施方式所描述方法,其中预测单元、第一接收单元、第一处理单元、分级单元、第二接收单元、转发单元、第三接收单元和第二处理单元的介绍如下:
预测单元,用于基于预设算法预测目标时间段的交易高峰期和交易平缓期;
第一接收单元,用于在所述目标时间段的交易平缓期,接收来自多个储能设备发送的第一交易数据;
第一处理单元,用于对所述第一交易数据进行处理,并将处理结果分别返回至所述第一交易数据所来自的储能设备,以完成所述第一交易数据对应的储能交易;
分级单元,用于在所述目标时间段的交易高峰期,对所述多个储能设备进行分级,以得到N个等级的储能设备集群,N为大于1的正整数;
第二接收单元,用于接收来自第S等级的储能设备集群发送的第二交易数据;
转发单元,用于将所述第二交易数据转发至所述第S+1等级的储能设备集群,以由所述第S+1等级的储能设备集群对所述第二交易数据进行预处理,S大于0,且S为小于N的正整数, 第N等级的储能设备集群的第二交易数据由所述服务器进行预处理;
第三接收单元,用于接收所述第S+1等级的储能设备集群发送的预处理结果;
第二处理单元,用于对所述预处理结果进行处理得到处理结果,并将所述第二交易数据的处理结果返回至所述第S等级的储能设备集群,以完成与所述第二交易数据对应的储能交易。
本申请提供的方法针对的主要问题在于交易高峰期时,服务器面临的数据处理压力,在解决这个问题的过程中,首先需要明确的是,所述方法主要通过预设的算法解决交易高峰期的界定问题,即交易量达到何种程度才会导致所述服务器无法负荷;进一步的,在预测的交易高峰期来临时,除非对所述服务器在算力和架构等方面进行升级,不然所述服务器仍旧难以负荷,因此,所述方法提出了通过储能设备对交易数据进行处理;
具体是通过对同一区域内的储能设备进行分级,从而使同一地区的储能设备具有明确的等级划分,通过这样的架构来处理交易数据时,即可使某一区域发送的交易数据,让同一区域的更高级别的储能设备对该交易数据进行处理,从而一步一步地将数据压力分散至整个储能系统的架构中,提高储能系统处理交易数据时的效率和智能性。
第三方面,本申请实施例提供一种服务器,该服务器包括处理器、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,该服务器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设备交易处理方法的流程示意图;
图3是本申请实施例提供的一种基于预设算法预测目标时间段的交易高峰期和交易平缓期的方法的流程示意图;
图4是本申请实施例提供的一种储能设备的分级方法的流程示意图;
图5是本申请实施例提供的一种第二交易数据的转发方法的流程示意图;
图6是本申请实施例提供的一种储能设备交易处理装置的结构示意图;
图7是本申请实施例提供的一种服务器的结构示意图。
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。
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,该系统包括服务器101、储能设备102,其中:
服务器101,该服务器101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。
储能设备102,用于存储能量(化学能/电能),以及与用户端进行交互的设备,所述储能设备102包括N个等级的储能设备集群,其中,所述储能设备集群的等级是由所述服务器101确定的。
可选的,同一区域内的储能设备划分为同一集群;进一步的,同一区域内的储能设备集群的等级不同。
可选的,同一区域内可能包含了全部等级的储能设备集群,也可能只包含了部分等级的储能设备集群,但同一区域内一定会存在最低级的储能设备集群(第1级储能设备集群)。
需要说明的是,高级别的储能设备集群主要用于处理或预处理所管理的低级别储能设备集群发送的交易数据,由于每一级别的储能设备集群均有可能接收来自客户/用户发送的交易申请,产生相应的交易数据,因此,最高级别的储能设备集群接收的用户发送的交易数据会发往服务器101,由服务器101进行处理。
可选的,每个等级的储能设备集群中可能划分有不同目标业务,即,当交易数据到达某个等级的储能设备集群中时,该储能设备集群会根据所述交易数据的类型等信息,将所述交易数据划分至该储能设备集群内的某些负责该类型的交易数据的储能设备102。
所述服务器101与所述储能设备102通过传输网络进行通信连接,可选地,传输网络使用标准通信技术和/或协议。传输网络通常为因特网,但也可以是其他任何网络,包括但不限于局域网、城域网、广域网、移动、有限或无线网络、专用网络或者虚拟专用网络的任何组合。在一些实施例中,使用包括超文本标记语言、可扩展标记语言等的技术和/或格式来代表通过网络交换的数据。此外还可以使用诸如安全套接字层、传输层安全、虚拟专用网络、网际协议安全等常规加密技术来加密所有或者一些链路。在另一些实施例中,还可以使用定制和/或专用数据通信技术取代或者补充上述数据通信技术。
请参见图2,图2是本申请实施例提供的一种储能设备交易处理方法的流程示意图,该储能设备交易处理方法可以基于图1所示的系统架构示意图中的服务器实现,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S201:基于预设算法预测目标时间段的交易高峰期和交易平缓期。
所述交易高峰期用于表征所述服务器所承接的交易数据达到或超过负荷极限的时间段或时间点;所述交易平缓期用于表征所述服务器足以承接储能设备发送的交易数据的时间段或时间点。
可选的,所述目标时间段指代的是当前时间点至未来某个时间点之间的时间段,优选为24小时。
在一种可选的实施方式中,通过机器学习的方法预测所述目标时间段内的交易高峰期和交易低谷期,请参见图3,图3是本申请实施例提供的一种基于预设算法预测目标时间段的交易高峰期和交易平缓期的方法的流程示意图,具体如下所示:
步骤S301:获取历史的多个时间节点分别对应的交易量。
可选的,所述历史的多个时间节点的总时长与所述目标时间段的时长相同,以提高后续确定目标时间段的交易高峰期和交易平缓期的效率。
可选的,所述多个时间节点是连续的时间节点,例如,所述多个时间节点为7月1日的1:00-2:00、2:00-3:00、3:00-4:00、4:00-5:00、...、11:00-12:00。
所述历史的多个时间节点分别对应的交易量为每个时间节点中的交易量,例如,在7月1日的1:00-2:00中所述服务器接收的交易数据为100条,则7月1日的1:00-2:00这个时间节点对应的交易量为100。
可选的,交易数据包括多种类型的交易数据,例如,独立储能(电网侧储能):独立储能可作为独立主体参与市场交易,可以与其他市场主体开展中长期交易,在充电时段购买电量,在放电时段出售电量;电源侧储能:电源侧储能主要是火电、风光、水参与市场交易时,通过中长期合约进行电力交易;用户侧储能:用户侧储能主要是工商业用户通过峰谷价差合约进行电力交易。此外,还有分布式储能交易,它是一种基于新兴技术的创新模式,通过将能源储能设备连接在一起,形成一个大型的分布式能源系统,该系统可以与电网进行交互,实现电力的储存和释放,同时也能够支持各种分布式能源的接入和运行,例如太阳能、风能等。
步骤S302:将所述历史的多个时间节点分别对应的交易量和所述多个时间节点输入至初始模型中进行训练,以得到收敛的预测模型。
其中,历史的多个时间节点为特征数据,所述多个时间节点分别对应的交易量为标签数据。
可以理解的是,交易量的大小与时间节点有一定的联系,例如,交易数据的频发期一般是在一天的8:00-17:00,其它时间则为交易数据的低谷期,因此,根据时间节点和与时间节点对应的交易量训练模型。
所述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。
步骤S303:将所述目标时间段中的多个时间节点分别输入至所述预测模型中,以预测所述目标时间段中的多个时间节点分别对应的交易量。
可选的,将所述目标时间段中的时间节点依次输入至所述预测模型中,以此得到所述目标时间段中的多个时间节点分别对应的交易量。
优选的, 所述储能系统中还设置有其他预测模型,所述其他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,所述其他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,所述其他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其他预测模型中,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S304:根据所述目标时间段中的多个时间节点分别对应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。
具体的,在预测得到所述目标时间段中的多个时间节点分别对应的交易量后,即可基本确定交易量大的时间段和交易量小的时间段,进而基本确定交易高峰期和交易平缓期。
由于所述交易高峰期和交易平缓期的判断标准在在本申请实施方式中是根据服务器的数据承载能力确定的,因此,可通过评估所述服务器的数据承载能力来确定交易高峰期和交易平缓期,交易量超过服务器的数据承载能力的时间节点可确定为交易高峰期,交易量不超过服务器的数据承载能力的时间节点可确定为交易平缓期。
考虑到在交易高峰期,需要将交易数据交由储能设备进行处理,本申请实施方式提出根据储能设备的数据承载能力对预测的交易高峰期进行修正和优化,具体的步骤请见步骤S305至步骤S307。
步骤S305:确定预测得到的所述目标时间段中的多个时间节点分别对应的交易量中所述多个储能设备分别对应的交易量。
具体的,首先明确所述多个储能设备在历史的交易数据中是否有承担处理交易数据的业务,若存在,则根据历史数据确定历史的每个时间节点的交易数据中所述多个储能设备中的每个储能设备承载的交易量。
步骤S306:预估所述多个储能设备在所述目标时间段的交易高峰期的数据承载能力。
通过历史数据和性能可对多个储能设备在所述目标时间段的交易高峰期的数据承载能力进行预估。
需要说明的是,上述的历史数据可以是所述多个储能设备的历史的处理交易数据的相关数据,也可以是所述多个储能设备的历史的处理其它数据的相关数据。
步骤S307:在所述多个储能设备中的任一储能设备在所述目标时间段的交易高峰期的数据承载能力不足以满足所述多个储能设备分别对应的交易量的情况下,对所述交易高峰期占所述目标时间段的比例进行修正,以得到更新后的所述目标时间段的交易高峰期和交易平缓期。
在确定一个或多个储能设备在所述目标时间段的交易高峰期的数据承载能力不能够满足该储能设备对应的交易量的情况下,对所述交易高峰期占所述目标时间段的比例进行修正,所述修正一般是指延长所述交易高峰期,以使其它的储能设备能够通过“兜底机制”帮助该储能设备承接处理相应的交易数据的业务,所述兜底机制指代的是当服务器发现一个储能设备或储能设备集群无法继续承接交易数据,即已达到最大荷载能力时,与该储能设备或该储能设备集群相同区域的高级别的储能设备集群会代替其处理所述交易数据。
需要说明的是,当所述目标时间段中的交易高峰期延长时,所述目标时间段中的交易平缓期会适应性的缩短。
在本申请实施方式中,通过模型的预测能力对所述目标时间段的交易高峰期和交易平缓期进行初步的预估,进一步的,根据储能设备的承载能力对所述交易高峰期和所述交易平缓期的占比进行修正,以实现对交易高峰期和交易平缓期的精确预测。
步骤S202:在所述目标时间段的交易平缓期,接收来自所述多个储能设备发送的第一交易数据。
在所述目标时间段的交易平缓期,所述服务器接收来自所述多个储能设备发送的第一交易数据。
所述第一交易数据用于表征从所述目标时间段的交易平缓期的开始时间点至交易平缓期的结束时间点,所述储能设备发送的交易数据。
需要说明的是,所述储能设备一般是接收来自本地的用户端发送的交易信息,进而根据所述交易信息生成第一交易数据,所述第一交易数据包括交易的类型、价格、数量等账目信息。
步骤S203:对所述第一交易数据进行处理,并将处理结果分别返回至所述第一交易数据所来自的储能设备,以完成所述第一交易数据对应的储能交易。
可选的,上述的处理包括接收、归一化处理、认证、确认或否认等操作中的一个或多个。
可选的,所述处理结果是指所述第一交易数据经过所述处理得到的结果。
可选的,所述处理还包括根据所述第一交易数据对所述储能设备中的电量进行确认,以确定发送该第一交易数据的储能设备中是否有足够的、满足所述第一交易数据的需求的电量;在确定发送该第一交易数据的储能设备中有足够的、满足所述第一交易数据的需求的电量的情况下,对所述第一交易数据进行确认。
进一步的,所述服务器在对所述第一交易数据进行处理和确认后得到处理结果,所述处理结果包括确认所述第一交易数据所对应的交易是否继续执行的结果,所述结果包括继续或终止,例如,某一个第一交易数据的内容包括了交易电量,所述服务器在接收到该第一交易数据后,会首先核实提出第一交易数据的用户的电能交易资质,若用户具备电能交易资质,符合电能交易的需求,具备进行电能交易的硬性条件,则会核实该交易电量发送方(储能设备)是否能够满足的,若能够满足,则会进行对该第一交易数据进行确认,并向发送方返回可继续交易的结果信息,以使该储能设备与用户执行第一交易数据对应的交易,若用户不具备电能交易资质或储能设备不能够满足该交易电量的需求,则会返回终止交易的结果信息,且所述结果信息中会附带交易终止的原因。
步骤S204:在所述目标时间段的交易高峰期,对所述多个储能设备进行分级,以得到N个等级的储能设备集群。
其中,N为大于1的正整数。
请参见图4,图4是本申请实施例提供的一种储能设备的分级方法的流程示意图,具体如下所示:
步骤S401:确定所述多个储能设备的数据处理能力评分和所在区域。
所述多个储能设备的数据处理能力评分是根据所述多个储能设备的性能参数确定的,所述性能参数包括数据处理成功率、数据处理失败率、丢包率、历史最大荷载数据等参数,可以理解的是,所述储能设备的性能参数越好,相应的数据处理能力评分越高,此处的好可以是与同一区域的储能设备的相比较得到的。
步骤S402:将同一区域内的储能设备按照数据处理能力评分进行排序,以得到各个区域内的N个等级的储能设备集群。
需要明确的是,由于储能设备接收用户端发送的交易信息一般是来自本地的,因此,由本地的储能设备对该交易信息进行加工和处理,相较于由其他地区的储能设备进行加工和处理具有明显优势,这样做减少了数据传输延迟。
在本申请实施例中,在交易高峰期,对储能设备进行分级,等级越高代表对应的储能设备集群的性能越好,可以分为三个级别,即N等于3,在本申请实施例中的储能设备集群的等级均以下面三个级别进行举例和说明,三个等级的储能设备集群具体如下:
第3级储能设备集群:这些是性能最好,容量最大的储能设备,它们通常位于主要的电力系统中,可以处理大量的电力交易请求。在交易高峰期,第3级储能设备集群的交易请求和发送的第交易数据将被服务器处理。
第2级储能设备集群:这些储能设备的性能和容量略逊于高级别的设备,但仍然能够处理大量的电力交易请求。在交易高峰期,第2级储能设备集群的交易请求和发送的第交易数据将被第3级储能设备集群处理,需要说明的是,该交易数据会有服务器进行转发,以便于所述服务器及时对各级别的储能设备集群进行调整。
第1级储能设备集群:这些是性能和容量较低的储能设备,可能因为容量有限,处理电力交易的能力较弱。在交易高峰期,第1级储能设备集群主要起到接收用户端发送的交易信息,以及根据所述交易信息生成交易数据的作用。
划分不同等级的储能设备集群的方式有多种,以下内容为其中一种划分方式,具体如下:
将同一区域内的多个储能设备按照数据处理能力评分按照从大到小的顺序进行排序,将得分同一批次的储能设备作为一个储能设备集群,例如,同一区域内的多个储能设备的得分分别为98、97、97、96、87、85、84、82、79、78、78、75、70,若储能设备集群的级别分别包括3级、2级和1级,则90-100分为同一批次,80-89分为同一批次,70-79为同一批次,分差为10,因此,将得分为98、97、97、96的储能设备作为该区域内的一个或多个第3级储能设备集群,将得分为87、85、84、82的储能设备作为该区域内的一个或多个第2级储能设备集群,将得分为79、78、78、75、70的储能设备作为该区域内的一个或多个第1级储能设备集群。
可选的,每个区域内的评分标准不同,若某个区域内的储能设备的数据处理能力评分均较低,比如,某个区域内的储能设备的数据处理能力评分按从大到小的顺序排列时,得分分别为87、85、84、82、79、78、78、75、70,那么相应的作为一个储能设备集群的分差会缩小,比如分差为5,得分为87、85、84、82为第3级的储能设备集群,得分79、78、78的储能设备为该区域内的第2级储能设备集群,得分75、70为的储能设备为该区域内的第1级储能设备集群,从而使该区域内具有N个等级的储能设备集群,实现各个区域的流程一致,提高数据处理效率。
可选的,使用集群技术对储能设备集群进行管理和调度。
需要说明的是,为了更好地管理和监控储能设备集群产生或接收的交易数据,由高级别的储能设备集群负责处理对应的低级别的储能设备集群发送的交易数据,高级别的储能设备集群的处理效率会优于低级别的储能设备集群,提高交易数据的处理效率。
可选的,若部分区域内的储能设备较少,例如某区域内的储能设备数量少于N,则有可能将上述区域的储能设备划分为少于N的储能设备集群,例N-1或N-2个的储能设备集群,相应的,由于该地区的储能设备集群少于N,则该区域内的最高级别的储能设备集群所接收到的交易数据会直接发送至服务器,由服务器进行处理。
可选的,各个区域内的第N等级的储能设备集群会将接收到的第二交易数据发往服务器,以由服务器对所述第二交易数据进行处理,第N等级的储能设备集群为最高等级的储能设备集群。
在本申请实施例中,S+1等级的储能设备集群接收S等级的储能设备集群发送的第二交易数据,并根据预先设定的处理逻辑,对接收到的第二交易数据进行处理和过滤。例如,S+1等级的储能设备集群可以针对第二交易数据执行验证交易数据的合法性、归一化数据格式、去除重复数据等操作。
以上述例子中的同一区域内存在三个级别的储能设备集群,分别为第1级储能设备集群、第2级储能设备集群、第3级储能设备集群为例,该区域内的第1级储能设备集群在接收到用户端发送的交易信息后,生成相应的第二交易数据,并发往该区域内的第2级储能设备集群,所述第2级储能设备集群会对所述第二交易数据进行处理,所述处理过程与上述步骤S203中服务器执行的处理动作相似或相同,所述第2级储能设备集群在处理结束之后,将处理后得到的处理结果发往所述第1级储能设备集群,以使所述第1级储能设备集群根据接收到的处理结果继续或终止所述第二交易数据对应的交易;
进一步的,所述第2级储能设备集群所接收到的用户端发送的交易信息,生成第二交易数据,会发往所述第3级储能设备集群,由所述第3级储能设备集群对该第二交易数据进行处理,最终的处理结果也会返回至所述第2级储能设备集群;
更进一步的,所述第3级储能设备集群也会接收到用户端发送的交易信息,生成第二交易数据,并将所述第二交易数据发往服务器,以由服务器对所述第二交易数据进行处理。
需要说明的是,储能设备集群所接收到的用户端发送的交易信息可能是用户直接通过在储能设备上的操作面板操作发送的,也可能是用户通过无线设备与最接近无线设备的储能设备进行通信连接,进而根据网页或小程序等媒介向储能设备发送交易信息。
进一步的,为了更好的利用储能设备的计算资源,使包括多个同等级的储能设备集群的区域内的储能设备更流畅、更快速地进行数据处理,在图4中,上述的实施方式还包括:
步骤S403:确定所述第二交易数据中的业务信息。
所述业务信息至少包括储能交易类别或/和储能交易价值。
所述业务信息是储能设备集群根据接收到的用户端发送的交易信息生成的。
步骤S404:根据所述业务信息,确定所述各个区域内的N个等级的储能设备集群的目标业务。
其中,为了更流畅的处理相同业务的交易数据,将同一区域内的每个级别中的多个储能设备集群,选择出仅处理目标业务的储能设备集群,同一区域内的第S+1等级的储能设备集群的目标业务与所述第S等级的储能设备集群的目标业务相同,且具备对应关系,这也就代表了若某个地区中的第2级储能设备集群的目标业务为高价值,则对应的该地区中还有第3级储能设备集群的目标业务同为高价值,该第3级储能设备集群的目标业务可能仅为高价值,也可能该第3级储能设备集群的目标业务包括了高价值。
可选的,同一区域内的非最低级别的储能设备之外的同一级别的储能设备集群的目标业务不同。
需要说明的是,由于第1级储能设备集群主要是第二交易数据的发送端,基本不参与交易数据的处理,因此,第1级储能设备集群的目标业务包括所有的交易数据类别和所有价值的交易数据。
而其他级别的储能设备集群的目标业务与同一区域内的同级别的储能设备集群的目标业务可能互不相同,例如,若某区域内的某个级别的储能设备集群仅有一个,那么该储能设备集群的目标业务包括所有的交易数据类别和所有价值的交易数据,若某区域内的某个级别的储能设备集群有多个,则在这种情况下,这个级别的储能设备集群互相之间的目标业务不同,以便于针对性处理相应交易数据。
下面举例说明,若某个区域的某个第2级储能设备集群的目标业务为高价值的个体用户侧的电量交易,则服务器会将与上述第2级储能设备集群同一区域内的第1级储能设备集群发送的与所述第2级储能设备集群的目标业务对应的高价值的个体用户侧的电量交易数据转发给它,若该第2级储能设备集群所管理的第1级储能设备集群接收到了除这个目标业务(高价值的个体用户侧的电量交易)以外的其他交易请求,仍然会由服务器将所述其他交易请求转发至同一区域的目标业务与所述其他交易请求对应的第2级储能设备集群。
步骤S205:接收来自第S等级的储能设备集群发送的第二交易数据。
除了接收来自第S等级的储能设备集群发送的第二交易数据之外,所述服务器还接收来自第N等级的储能设备集群发送的第二交易数据。
可选的,所述第S等级储能设备集群向所述服务器发送第二交易数据仅包括与所述第二交易数据对应的业务信息,以减小数据发送量,从而降低服务器的数据接收压力。
步骤S206:将所述第二交易数据转发至所述第S+1等级的储能设备集群,以由所述第S+1等级的储能设备集群对所述第二交易数据进行预处理。
S大于0,且S为小于N的正整数, 第N等级的储能设备集群的第二交易数据由所述服务器进行预处理。
所述预处理指代的是第S+1等级的储能设备集群对所述交易数据的初步分析,以确定与所述第二交易数据对应的预处理结果。
可选的,上述的预处理包括接收、归一化处理、认证、确认或否认等操作中的一个或多个。
可选的,所述预处理结果是指所述第二交易数据经过所述预处理的操作得到的结果,所述预处理还包括第S+1等级的储能设备集群根据所述第二交易数据对所述S等级的储能设备集群中的电量进行确认,以确定发送该第二交易数据的S等级的储能设备集群是否有足够的、满足所述第二交易数据的需求的电量;在确定发送该第二交易数据的储能设备中有足够的、满足所述第二交易数据的需求的电量的情况下,第S+1等级的储能设备集群对所述第二交易数据进行确认。
进一步的,所述第S+1等级的储能设备集群在对所述第二交易数据进行处理和确认后得到处理结果,所述处理结果包括确认所述第二交易数据所对应的交易是否继续执行的结果,所述结果包括继续或终止,例如,某一个第二易数据的内容包括了交易电量,所述第S+1等级的储能设备集群在接收到该第二交易数据后,会首先核实提出第二交易数据的用户的电能交易资质,若用户具备电能交易资质,符合电能交易的需求,具备进行电能交易的硬性条件,则会核实该交易电量发送方(第S等级的储能设备集群)是否能够满足的,若能够满足,则会进行对该第二交易数据进行确认,并向发送方返回可继续交易的结果信息,以使该第S等级的储能设备集群与用户执行第二交易数据对应的交易,若用户不具备电能交易资质或储能设备不能够满足该交易电量的需求,则会返回终止交易的结果信息,且所述结果信息中会附带交易终止的原因。
可选的,若所述第S等级储能设备集群向所述服务器发送第二交易数据仅包括与所述第二交易数据对应的业务信息,则服务器会发送所述第二交易数据和指示信息至与所述第S等级储能设备集群相同区域的第S+1等级的储能设备集群,所述指示信息用于指示第S+1等级的储能设备集群与所述第S等级的储能设备集群进行信息交互,以使第S+1等级的储能设备集群从所述第S等级的储能设备集群获取第二交易数据的全部信息。
可选的,采用边缘计算技术将数据处理和计算任务分布到离用户更近的高等级的储能设备集群上,减少数据传输延迟和服务器负载。
可选的,根据实际业务需求和系统负载情况,可以动态调整不同等级的储能设备集群的数量和分布。例如,在交易高峰期,可以增加高等级储能设备集群的数量,以提供更高的处理能力。
可选的,通过资源池化和共享,可以提高储能设备集群的利用率和效率。例如,将同一储能设备集群的计算、内存、存储等资源进行池化,形成一个共享资源池。当有交易数据到达时,同一储能设备集群可以根据需要从资源池中分配所需的资源进行处理,提高资源的复用率和处理能力。
智能合约技术是区块链技术中的一种,可以用于自动化执行交易和处理请求,可选的,通过使用智能合约,可以将交易数据的接收、处理、执行和反馈过程自动化,从而减少服务器和储能设备集群的处理负担和响应时间。智能合约还可以用于验证和执行跨多个储能设备集群和服务器的交易,提高整个系统的安全性和可靠性。
在一种可选的实施方式中,请参见图5,图5是本申请实施例提供的一种第二交易数据的转发方法的流程示意图,具体如下所示:
步骤S501:确定所述第S+1等级的储能设备集群当前的数据承载能力。
具体的,在发送第二数据之前,所述服务器通过所述第S+1等级的储能设备集群进行交互,确定所述第S+1等级的储能设备集群是否还有算力能够处理第二交易数据。
步骤S502:当所述第S+1等级的储能设备集群当前的数据承载能力达到预设第一阈值的情况下,将所述第二交易数据转发至所述第S+2等级的储能设备集群。
若所述第S+1等级的储能设备集群向服务器发送了包括无多余算力处理该交易数据的消息,则确认所述第S+1等级的储能设备集群当前的数据承载能力已达到预设第一阈值;
在这种情况下,服务器指示所述第S等级的储能设备集群将接收到的第二交易数据转发至所述第S+2等级的储能设备集群,以由所述第S+2等级的储能设备集群对所述第二交易数据进行处理,实现越级处理的模式,相应的,在上述的转发过程中,所述第S等级的储能设备集群将接收到的第二交易数据直接发送至第S+2等级的储能设备集群,可选的,在上述的转发过程中,所述第S等级的储能设备集群将接收到的第二交易数据发送至第S+1等级的储能设备集群,由所述第S+1等级的储能设备集群将所述第二交易数据发送至第S+2等级的储能设备集群,还可选的,在上述的转发过程中,所述第S等级的储能设备集群将接收到的第二交易数据发送至服务器,由所述服务器将所述第二交易数据发送至第S+2等级的储能设备集群;
步骤S503:当所述第S+1等级的储能设备集群当前的数据承载能力未达到预设第一阈值的情况下,将所述第二交易数据转发至所述第S+1等级的储能设备集群。
本申请实施方式是实时进行的,每一次第二交易数据的发送,所述服务器均会介入。
进一步的,本实施方式主要是在某个第S+1等级的储能设备集群的无法处理交易数据时,通过跨级处理,解决交易数据因算力不足导致的处理延迟的问题。
步骤S207:接收所述第S+1等级的储能设备集群发送的预处理结果。
所述预处理结果为经所述第S+1等级的储能设备集群预处理后的第二交易数据。
可选的,所述预处理结果包括建议接受交易和建议否决交易。
可选的,通过数据预处理和批处理,可以减少交易请求的处理时间和服务器负载。例如,对数据进行预先的清洗、过滤、归一化等预处理操作,减少无效和冗余数据的处理。同时,将多个交易请求进行批处理,将它们一次性提交给高等级的储能设备集群或服务器进行处理,减少单个请求的处理时间和系统开销。
步骤S208:对所述预处理结果进行处理得到处理结果,并将所述第二交易数据的处理结果返回至所述第S等级的储能设备集群,以完成与所述第二交易数据对应的储能交易。
具体的,服务器在接收到所述预处理结果后,会根据所述第二交易数据进行分析,以得到处理结果,从而实现对所述预处理结果的处理。可选的,上述分析的过程包括核对数值和评估风险。
可选的,服务器对所述预处理结果进行处理得到的处理结果包括接收交易或否决交易;
下面举例进行说明,若所述第S+1等级的储能设备集群返回的预处理结果包括建议接收交易,则所述服务器会根据所述第二交易数据核对所述S等级的储能设备集群/储能设备是否具备承载与所述第二交易数据中的交易电量的能力,若确定所述S等级的储能设备集群/储能设备的剩余电量能够满足所述交易电量,且申请本次交易的用户端具有相应的电量交易资质,则所述服务器对所述预处理结果进行处理得到的处理结果包括接收交易。
所述第S等级的储能设备集群在接收到服务器返回的所述处理结果以后,会根据所述处理结果对所述第二交易数据进行处理,以得到向用户端发送的交易结果,并根据所述交易结果执行相应的操作,所述交易结果包括所述处理结果和所述第二交易数据中的交易相关信息,例如电量、价格、总价等。
在一种可选的实施方式中,通过第二交易数据的数据量评估所述交易高峰期是否延长,从而避免交易高峰期结束后,服务器无法负载交易数据的情况出现,具体如下:
首先统计在所述目标时间段的交易高峰期的结束时间节点时,所述N个等级的储能设备集群所处理的第二交易数据数量;
在所述第二交易数据数量超过预设第二预设阈值的情况下,将所述目标时间段的交易高峰期进行延长,直至所述N个等级的储能设备集群所处理的第二交易数据数量低于预设第二阈值,所述预设第二阈值用于表征所述服务器的数据承载能力,可根据历史的交易平缓期中服务器所处理的交易数据峰值确定。
在本申请实施例中,首先通过历史数据训练的预测模型对目标时间段的交易高峰期和交易平缓期进行精确预测,保证后续方案的顺利执行,提高了服务器一侧的智能性,其次,在交易高峰期,通过分布式的储能设备集群架构实现对大数量级的交易数据的分布式处理,提高交易数据的处理效率,进一步提高了服务器一侧的设备智能型和针对性。
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6,图6是本申请实施例提供一种储能设备交易处理装置的结构示意图,该储能设备交易处理装置60可以为前面提及的服务器或者服务器中的器件,该储能设备交易处理装置60可以包括预测单元601、第一接收单元602、第一处理单元603、分级单元604、第二接收单元605、转发单元606、第三接收单元607和第二处理单元608,其中,各个单元的详细描述如下。
预测单元601,用于基于预设算法预测目标时间段的交易高峰期和交易平缓期;
第一接收单元602,用于在所述目标时间段的交易平缓期,接收来自多个储能设备发送的第一交易数据;
第一处理单元603,用于对所述第一交易数据进行处理,并将处理结果分别返回至所述第一交易数据所来自的储能设备,以完成所述第一交易数据对应的储能交易;
分级单元604,用于在所述目标时间段的交易高峰期,对所述多个储能设备进行分级,以得到N个等级的储能设备集群,N为大于1的正整数;
第二接收单元605,用于接收来自第S等级的储能设备集群发送的第二交易数据;
转发单元606,用于将所述第二交易数据转发至所述第S+1等级的储能设备集群,以由所述第S+1等级的储能设备集群对所述第二交易数据进行预处理,S大于0,且S为小于N的正整数, 第N等级的储能设备集群的第二交易数据由所述服务器进行预处理;
第三接收单元607,用于接收所述第S+1等级的储能设备集群发送的预处理结果;
第二处理单元608,用于对所述预处理结果进行处理得到处理结果,并将所述第二交易数据的处理结果返回至所述第S等级的储能设备集群,以完成与所述第二交易数据对应的储能交易。
在一种可能的实施方式中,所述预测单元601用于:
获取历史的多个时间节点分别对应的交易量;
将所述历史的多个时间节点分别对应的交易量和所述多个时间节点输入至初始模型中进行训练,以得到收敛的预测模型,其中,所述多个时间节点为特征数据,所述多个时间节点分别对应的交易量为标签数据;
将所述目标时间段中的多个时间节点分别输入至所述预测模型中,以预测所述目标时间段中的多个时间节点分别对应的交易量;
根据所述目标时间段中的多个时间节点分别对应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,所述预测单元601还用于:
确定预测得到的所述目标时间段中的多个时间节点分别对应的交易量中,所述多个储能设备分别对应的交易量;
预估所述多个储能设备在所述目标时间段的交易高峰期的数据承载能力;
在所述多个储能设备中的任一储能设备在所述目标时间段的交易高峰期的数据承载能力不能够满足所述多个储能设备分别对应的交易量的情况下,对所述交易高峰期占所述目标时间段的比例进行修正,以得到更新后的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,所述分级单元604用于:
确定所述多个储能设备的数据处理能力评分和所在区域;
将同一区域内的储能设备按照数据处理能力评分进行排序,以得到各个区域内的N个等级的储能设备集群;
在一种可能的实施方式中,所述分级单元604还用于:
确定所述第二交易数据中的业务信息,所述业务信息包括储能交易类别和储能交易价值;
根据所述业务信息,确定所述各个区域内的N个等级的储能设备集群的目标业务,其中,所述同一区域内的除最低等级的储能设备集群以外的同一等级的储能设备集群的目标业务不同,同一区域内的第S+1等级的储能设备集群的目标业务与所述第S等级的储能设备集群的目标业务相同。
在一种可能的实施方式中,所述转发单元606用于:
确定所述第S+1等级的储能设备集群当前的数据承载能力;
当所述第S+1等级的储能设备集群当前的数据承载能力达到预设第一阈值的情况下,将所述第二交易数据转发至所述第S+2等级的储能设备集群;
当所述第S+1等级的储能设备集群当前的数据承载能力未达到预设第一阈值的情况下,将所述第二交易数据转发至所述第S+1等级的储能设备集群。
在一种可能的实施方式中,所述储能设备交易处理装置60还包括:
统计单元,用于统计在所述目标时间段的交易高峰期的结束时间节点时,所述N个等级的储能设备集群所处理的第二交易数据数量;
延长单元,用于在所述第二交易数据数量超过预设第二预设阈值的情况下,将所述目标时间段的交易高峰期进行延长,直至所述N个等级的储能设备集群所处理的第二交易数据数量低于预设第二阈值。
请参见图7,图7是本申请实施例提供的一种服务器的结构示意图,所述服务器101包括:处理器701、通信接口702及存储器703。其中,处理器701、通信接口702及存储器703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701是服务器101的计算核心以及控制核心,其可以解析服务器101内的各类指令以及服务器101的各类数据,例如:该处理器701可为中央处理器(CentralProcessing Unit,CPU),可以在服务器101内部结构之间传输各类交互数据,等等。通信接口702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701的控制可以用于收发数据;通信接口702还可以用于所述服务器101内部信令或者指令的传输以及交互。存储器703(Memory)是所述服务器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703既可以包括所述服务器101的内置存储器,当然也可以包括所述服务器101所支持的扩展存储器。存储器703提供存储空间,该存储空间存储了所述服务器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701运行存储器703中的可执行程序代码,用于执行如下操作:
基于预设算法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平缓期,接收来自所述多个储能设备发送的第一交易数据;
对所述第一交易数据进行处理,并将处理结果分别返回至所述第一交易数据所来自的储能设备,以完成所述第一交易数据对应的储能交易;
在所述目标时间段的交易高峰期,对所述多个储能设备进行分级,以得到N个等级的储能设备集群,N为大于1的正整数;
接收来自第S等级的储能设备集群发送的第二交易数据;
将所述第二交易数据转发至所述第S+1等级的储能设备集群,以由所述第S+1等级的储能设备集群对所述第二交易数据进行预处理,S大于0,且S为小于N的正整数, 第N等级的储能设备集群的第二交易数据由所述服务器进行预处理;
接收所述第S+1等级的储能设备集群发送的预处理结果;
对所述预处理结果进行处理得到处理结果,并将所述第二交易数据的处理结果返回至所述第S等级的储能设备集群,以完成与所述第二交易数据对应的储能交易。
在一种可选方案中,所述基于预设算法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701用于:
获取历史的多个时间节点分别对应的交易量;
将所述历史的多个时间节点分别对应的交易量和所述多个时间节点输入至初始模型中进行训练,以得到收敛的预测模型,其中,所述多个时间节点为特征数据,所述多个时间节点分别对应的交易量为标签数据;
将所述目标时间段中的多个时间节点分别输入至所述预测模型中,以预测所述目标时间段中的多个时间节点分别对应的交易量;
根据所述目标时间段中的多个时间节点分别对应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,所述基于预设算法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701还用于:
确定预测得到的所述目标时间段中的多个时间节点分别对应的交易量中,所述多个储能设备分别对应的交易量;
预估所述多个储能设备在所述目标时间段的交易高峰期的数据承载能力;
在所述多个储能设备中的任一储能设备在所述目标时间段的交易高峰期的数据承载能力不能够满足所述多个储能设备分别对应的交易量的情况下,对所述交易高峰期占所述目标时间段的比例进行修正,以得到更新后的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,所述对所述多个储能设备进行分级方面,所述处理器701用于:
确定所述多个储能设备的数据处理能力评分和所在区域;
将同一区域内的储能设备按照数据处理能力评分进行排序,以得到各个区域内的N个等级的储能设备集群。
在一种可选方案中,所述对所述多个储能设备进行分级方面,所述处理器701还用于:
确定所述第二交易数据中的业务信息,所述业务信息包括储能交易类别和储能交易价值;
根据所述业务信息,确定所述各个区域内的N个等级的储能设备集群的目标业务,其中,所述同一区域内的除最低等级的储能设备集群以外的同一等级的储能设备集群的目标业务不同,同一区域内的第S+1等级的储能设备集群的目标业务与所述第S等级的储能设备集群的目标业务相同。
在一种可选方案中,所述将所述第二交易数据转发至所述第S+1等级的储能设备集群方面,所述处理器701用于:
确定所述第S+1等级的储能设备集群当前的数据承载能力;
当所述第S+1等级的储能设备集群当前的数据承载能力达到预设第一阈值的情况下,将所述第二交易数据转发至所述第S+2等级的储能设备集群;
当所述第S+1等级的储能设备集群当前的数据承载能力未达到预设第一阈值的情况下,将所述第二交易数据转发至所述第S+1等级的储能设备集群。
在一种可选方案中,所述处理器701还用于:
统计在所述目标时间段的交易高峰期的结束时间节点时,所述N个等级的储能设备集群所处理的第二交易数据数量;
在所述第二交易数据数量超过预设第二预设阈值的情况下,将所述目标时间段的交易高峰期进行延长,直至所述N个等级的储能设备集群所处理的第二交易数据数量低于预设第二阈值。
需要说明的是,各个操作的实现还可以对应参照图3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上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 (9)
1.一种储能设备交易处理方法,其特征在于,所述方法应用于储能系统的服务器,所述储能系统包括多个储能设备,所述服务器与多个储能设备进行通信连接, 所述方法包括:
基于预设算法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平缓期,接收来自所述多个储能设备发送的第一交易数据;
对所述第一交易数据进行处理,并将处理结果分别返回至所述第一交易数据所来自的储能设备,以完成所述第一交易数据对应的储能交易;
在所述目标时间段的交易高峰期,将同一区域内的储能设备按照数据处理能力评分进行排序,以得到各个区域内的 N 个等级的储能设备集群,N为大于1的正整数;
接收来自第S等级的储能设备集群发送的第二交易数据;
将所述第二交易数据转发至第S+1等级的储能设备集群,以由所述第S+1等级的储能设备集群对所述第二交易数据进行预处理,S大于0,且S为小于N的正整数,第N等级的储能设备集群的第二交易数据由所述服务器进行预处理;
接收所述第S+1等级的储能设备集群发送的预处理结果;
对所述预处理结果进行处理得到处理结果,并将所述第二交易数据的处理结果返回至所述第S等级的储能设备集群,以完成与所述第二交易数据对应的储能交易;
其中,所述将所述第二交易数据转发至所述第S+1等级的储能设备集群,包括:
确定所述第S+1等级的储能设备集群当前的数据承载能力;
当所述第S+1等级的储能设备集群当前的数据承载能力达到预设第一阈值的情况下,将所述第二交易数据转发至第S+2等级的储能设备集群;
当所述第S+1等级的储能设备集群当前的数据承载能力未达到预设第一阈值的情况下,将所述第二交易数据转发至所述第S+1等级的储能设备集群。
2.根据权利要求1所述的方法,其特征在于,所述基于预设算法预测目标时间段的交易高峰期和交易平缓期,包括:
获取历史的多个时间节点分别对应的交易量;
将所述历史的多个时间节点分别对应的交易量和所述多个时间节点输入至初始模型中进行训练,以得到收敛的预测模型,其中,所述多个时间节点为特征数据,所述多个时间节点分别对应的交易量为标签数据;
将所述目标时间段中的多个时间节点分别输入至所述预测模型中,以预测所述目标时间段中的多个时间节点分别对应的交易量;
根据所述目标时间段中的多个时间节点分别对应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。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
确定预测得到的所述目标时间段中的多个时间节点分别对应的交易量中,所述多个储能设备分别对应的交易量;
预估所述多个储能设备在所述目标时间段的交易高峰期的数据承载能力;
在所述多个储能设备中的任一储能设备在所述目标时间段的交易高峰期的数据承载能力不能够满足所述多个储能设备分别对应的交易量的情况下,对所述交易高峰期占所述目标时间段的比例进行修正,以得到更新后的所述目标时间段的 交易高峰期和交易平缓期。
4.根据权利要求1所述的方法,其特征在于,所述将同一区域内的储能设备按照数据处理能力评分进行排序,以得到各个区域内的 N 个等级的储能设备集群,包括:
确定所述多个储能设备的数据处理能力评分和所在区域;
将同一区域内的储能设备按照数据处理能力评分进行排序,以得到各个区域内的N个等级的储能设备集群。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
确定所述第二交易数据中的业务信息,所述业务信息包括储能交易类别和储能交易价值;
根据所述业务信息,确定所述各个区域内的N个等级的储能设备集群的目标业务,其中,所述同一区域内的除最低等级的储能设备集群以外的同一等级的储能设备集群的目标业务不同,同一区域内的第S+1等级的储能设备集群的目标业务与所述第S等级的储能设备集群的目标业务相同。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述方法还包括:
统计在所述目标时间段的交易高峰期的结束时间节点时,所述N个等级的储能设备集群所处理的第二交易数据数量;
在所述第二交易数据数量超过预设第二预设阈值的情况下,将所述目标时间段的交易高峰期进行延长,直至所述N个等级的储能设备集群所处理的第二交易数据数量低于预设第二阈值。
7.一种储能设备交易处理装置,其特征在于,所述装置包括:
预测单元,用于基于预设算法预测目标时间段的交易高峰期和交易平缓期;
第一接收单元,用于在所述目标时间段的交易平缓期,接收来自多个储能设备发送的第一交易数据;
第一处理单元,用于对所述第一交易数据进行处理,并将处理结果分别返回至所述第一交易数据所来自的储能设备,以完成所述第一交易数据对应的储能交易;
分级单元,用于在所述目标时间段的交易高峰期,将同一区域内的储能设备按照数据处理能力评分进行排序,以得到各个区域内的 N 个等级的储能设备集群,N为大于1的正整数;
第二接收单元,用于接收来自第S等级的储能设备集群发送的第二交易数据;
转发单元,用于将所述第二交易数据转发至第S+1等级的储能设备集群,以由所述第S+1等级的储能设备集群对所述第二交易数据进行预处理,S大于0,且S为小于N的正整数,第N等级的储能设备集群的第二交易数据由服务器进行预处理;
第三接收单元,用于接收所述第S+1等级的储能设备集群发送的预处理结果;
第二处理单元,用于对所述预处理结果进行处理得到处理结果,并将所述第二交易数据的处理结果返回至所述第S等级的储能设备集群,以完成与所述第二交易数据对应的储能交易;
其中,转发单元具体用于:
确定所述第S+1等级的储能设备集群当前的数据承载能力;
当所述第S+1等级的储能设备集群当前的数据承载能力达到预设第一阈值的情况下,将所述第二交易数据转发至第S+2等级的储能设备集群;
当所述第S+1等级的储能设备集群当前的数据承载能力未达到预设第一阈值的情况下,将所述第二交易数据转发至所述第S+1等级的储能设备集群。
8.一种服务器,其特征在于,所述服务器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1-6任一项所述的方法。
9.一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1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311491958.0A CN117237004B (zh) | 2023-11-10 | 2023-11-10 | 一种储能设备交易处理方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311491958.0A CN117237004B (zh) | 2023-11-10 | 2023-11-10 | 一种储能设备交易处理方法、装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117237004A CN117237004A (zh) | 2023-12-15 |
CN117237004B true CN117237004B (zh) | 2024-03-05 |
Family
ID=89098511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311491958.0A Active CN117237004B (zh) | 2023-11-10 | 2023-11-10 | 一种储能设备交易处理方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117237004B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111078396A (zh) * | 2019-11-22 | 2020-04-28 | 厦门安胜网络科技有限公司 | 一种基于多任务实例的分布式数据接入方法和系统 |
CN111651274A (zh) * | 2020-06-04 | 2020-09-11 | 重庆英楼维兴信息科技有限公司 | 一种基于微服务架构的业务分发方法及相关装置 |
CN112231075A (zh) * | 2020-09-07 | 2021-01-15 | 武汉市九格合众科技有限责任公司 | 一种基于云服务的服务器集群负载均衡控制方法及系统 |
CN114520808A (zh) * | 2020-11-19 | 2022-05-20 | 南京亚信软件有限公司 | 请求处理方法、装置、电子设备及计算机可读存储介质 |
CN115185695A (zh) * | 2022-07-20 | 2022-10-14 | 中国银行股份有限公司 | 一种系统资源分配方法、装置、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11706105B2 (en) * | 2021-12-14 | 2023-07-18 | International Business Machines Corporation | Selecting low priority pods for guaranteed runs |
-
2023
- 2023-11-10 CN CN202311491958.0A patent/CN117237004B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111078396A (zh) * | 2019-11-22 | 2020-04-28 | 厦门安胜网络科技有限公司 | 一种基于多任务实例的分布式数据接入方法和系统 |
CN111651274A (zh) * | 2020-06-04 | 2020-09-11 | 重庆英楼维兴信息科技有限公司 | 一种基于微服务架构的业务分发方法及相关装置 |
CN112231075A (zh) * | 2020-09-07 | 2021-01-15 | 武汉市九格合众科技有限责任公司 | 一种基于云服务的服务器集群负载均衡控制方法及系统 |
CN114520808A (zh) * | 2020-11-19 | 2022-05-20 | 南京亚信软件有限公司 | 请求处理方法、装置、电子设备及计算机可读存储介质 |
CN115185695A (zh) * | 2022-07-20 | 2022-10-14 | 中国银行股份有限公司 | 一种系统资源分配方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
宋亚奇 ; 周国亮 ; 朱永利 ; 李莉 ; 王刘旺 ; 王德文 ; .云平台下输变电设备状态监测大数据存储优化与并行处理.中国电机工程学报.2015,35(02),255-267. * |
Also Published As
Publication number | Publication date |
---|---|
CN117237004A (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170329643A1 (en) | Distributed node intra-group task scheduling method and system | |
CN102724103B (zh) | 代理服务器、分层次网络系统及分布式工作负载管理方法 | |
CN102299959B (zh) | 一种数据库集群系统的负载均衡实现方法和装置 | |
CN105306277A (zh) | 消息队列的消息调度方法及消息调度装置 | |
CN106454437A (zh) | 一种流媒体业务速率预测方法及装置 | |
CN110162390B (zh) | 一种雾计算系统的任务分配方法及系统 | |
CN111275415A (zh) | 资源通道的切换方法、装置、设备及存储介质 | |
CN110111214A (zh) | 一种基于优先级的用户用能管理方法及系统 | |
Wen et al. | CPU usage prediction for cloud resource provisioning based on deep belief network and particle swarm optimization | |
Mostafa | Cooperative fog communications using a multi-level load balancing | |
CN115357351A (zh) | 算力网络调度方法、装置、系统、设备及介质 | |
Tao et al. | Drl-driven digital twin function virtualization for adaptive service response in 6g networks | |
CN113014649B (zh) | 一种基于深度学习的云物联负载均衡方法、装置及设备 | |
CN114021056A (zh) | Ict资源链接虚拟运营平台的动态划分方法及划分系统 | |
CN117237004B (zh) | 一种储能设备交易处理方法、装置和存储介质 | |
CN109493040A (zh) | 一种基于区块链的抗双花攻击处理方法及装置 | |
CN113543160B (zh) | 5g切片资源配置方法、装置、计算设备及计算机存储介质 | |
CN116109058A (zh) | 一种基于深度强化学习的变电站巡视管理方法和装置 | |
CN106357676A (zh) | 一种云服务资源开销优化方法 | |
CN115080197A (zh) | 计算任务调度方法、装置、电子设备和存储介质 | |
CN113283517A (zh) | 一种家政服务匹配方法、系统和计算机设备 | |
Jangu et al. | Smart admission control strategy utilizing volunteer‐enabled fog‐cloud computing | |
Wang et al. | Edge-cloud resource trade collaboration scheme in mobile edge computing | |
CN117424813B (zh) | 一种用于区块链的节点扩充方法 | |
CN116599966B (zh) | 基于区块链共享的边缘云服务并行资源分配方法 |
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 |