CN118199254A - 一种高速公路供电控制方法及系统 - Google Patents
一种高速公路供电控制方法及系统 Download PDFInfo
- Publication number
- CN118199254A CN118199254A CN202410204541.XA CN202410204541A CN118199254A CN 118199254 A CN118199254 A CN 118199254A CN 202410204541 A CN202410204541 A CN 202410204541A CN 118199254 A CN118199254 A CN 118199254A
- Authority
- CN
- China
- Prior art keywords
- power supply
- supply control
- electrical device
- power
- electricity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000005611 electricity Effects 0.000 claims abstract description 88
- 238000012544 monitoring process Methods 0.000 claims abstract description 47
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 238000010801 machine learning Methods 0.000 claims abstract description 19
- 230000005856 abnormality Effects 0.000 claims description 31
- 238000012549 training Methods 0.000 claims description 19
- 238000012423 maintenance Methods 0.000 claims description 16
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 7
- 238000003062 neural network model Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 7
- 230000004044 response Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种高速公路供电控制方法及系统,属于电气设备供电控制技术领域。其中,供电控制方法包括:获取高速公路上各个电气设备的实时监测数据;获取各个电气设备所在区段的交通流量信息;基于机器学习算法,分别对各个电气设备的实时监测数据和交通流量信息进行用电需求预测,得到各个电气设备对应的用电需求级别;根据各个电气设备对应的用电需求级别,生成供电控制指令并发送至供电系统。本申请能够提高能源使用效率并确保高速公路电气设备的稳定运行。
Description
技术领域
本申请涉及电气设备供电控制技术领域,尤其是涉及一种高速公路供电控制方法及系统。
背景技术
随着高速公路交通网络的快速发展,高速公路沿线的电气设备数量急剧增加,包括照明设备、监控设备、信息显示屏等多种类型。这些设备对电源的稳定性和可靠性要求极高,因为任何供电不足或中断都可能导致交通事故或信息传递的延迟,从而影响高速公路的运行安全和效率。
目前,常见的高速公路供电控制系统通常采用静态的供电模式,即根据最大负荷需求来配置电源输出,而不考虑实际用电的动态变化。然而,在不同时间段,高速公路沿线的电气设备的实际用电需求可能会有很大差异,例如在交通流量较低的时段,静态供电模式会导致能源的浪费;在交通高峰导致用电需求激增时,静态供电系统可能无法及时调整输出,从而无法满足突发需求,可能会影响到高速公路的正常运作。
因此,如何根据各个电气设备实际情况动态调整能源输出,以提高能源使用效率并确保高速公路电气设备的稳定运行,是目前亟待解决的问题。
发明内容
为了提高能源使用效率并确保高速公路电气设备的稳定运行,本申请提供了一种高速公路供电控制方法及系统。
第一方面,本申请提供一种高速公路供电控制方法,采用如下的技术方案:
一种高速公路供电控制方法,包括:
获取高速公路上各个电气设备的实时监测数据;
获取所述各个电气设备所在区段的交通流量信息;
基于机器学习算法,分别对所述各个电气设备的实时监测数据和交通流量信息进行用电需求预测,得到所述各个电气设备对应的用电需求级别;
根据所述各个电气设备对应的用电需求级别,生成供电控制指令并发送至供电系统;其中,所述供电控制指令用于控制所述供电系统按照所述用电需求级别对各个所述电气设备进行供电。
通过采用上述技术方案,对电气设备的状态数据及所在区段的交通流量进行实时监测,基于机器学习算法分析设备状况和交通流量对用电需求的影响,并预测各个电气设备的用电需求级别,以确保电气设备根据实际需求得到适量的电力供应,既提高了能源使用效率,又保障了高速公路电气设备的稳定运行,从而实现了对高速公路电气设备的智能供电控制。
可选的,基于机器学习算法,分别对所述各个电气设备的实时监测数据和交通流量信息进行用电需求预测的步骤包括:
将所述各个电气设备的实时监测数据和交通流量信息分别输入至每个电气设备对应的用电需求预测模型以进行用电需求预测,每个所述用电需求预测模型输出的预测值为每个所述电气设备对应的用电需求级别;其中,每个电气设备对应的用电需求预测模型经过预先监督训练完成。
通过采用上述技术方案,为每个电气设备均建立一个独立的用电需求预测模型,可以更精确地捕捉到该设备用电需求的特征和变化规律,能够实现个性化的用电需求预测,有助于供电控制系统对每个设备进行更合理的电力分配,避免过度供电或供电不足的情况发生。
可选的,所述用电需求预测模型的训练步骤包括:
获取样本数据集;其中,所述样本数据集包括所述电气设备的历史监测数据、所在区段的历史交通流量信息以及对应的历史用户需求级别数据;
对所述样本数据集进行预处理,并划分为训练集、验证集和测试集;
将所述训练集输入至预先构建的神经网络模型中进行训练,并优化模型参数,得到用电需求预测模型;
基于所述验证集和所述测试集对所述用电需求预测模型进行验证和模型参数校正,直到模型的损失函数满足预设条件或模型迭代次数达到预设次数,得到训练完成的所述用电需求预测模型。
通过采用上述技术方案,利用机器学习算法实现了对高速公路电气设备用电需求的精准预测,为供电控制系统提供了强大的决策支持,从而提高了能源使用效率,降低了运营成本,并增强了系统的可靠性和稳定性。
可选的,根据所述各个电气设备对应的用电需求级别,生成供电控制指令的步骤包括:
基于预设映射表,根据所述各个电气设备对应的用电需求级别,确定对应的预设用电比例;
获取所述各个电气设备的额定功率;
基于所述预设用电比例和所述额定功率,确定各个电气设备对应的供电功率,并生成所述各个电气设备对应的供电控制指令。
通过采用上述技术方案,生成的供电控制指令使得供电系统能够对各个设备进行精细的电力调配,不仅能够提高能源效率和供电系统的运行效率,还能够降低成本并提高设备的运行可靠性,有助于实现更加智能化和自动化的高速公路供电运维管理。
可选的,在得到所述各个电气设备对应的用电需求级别的步骤之后还包括:
分别判断所述各个电气设备的用电需求级别是否低于第一预设阈值;
若是,则对所述电气设备的实时监测数据进行异常判断;
响应于异常判断结果为存在异常,根据所述电气设备的位置信息发送异常提示信息至维护终端。
通过采用上述技术方案,利用智能化的监测和异常处理流程,提升了电气设备的运行效率和可靠性,为高速公路供电运维系统提供了重要的技术支持。
可选的,在根据所述各个电气设备对应的用电需求级别,生成供电控制指令并发送至供电系统的步骤之后还包括:
判断用电需求级别高于第二预设阈值的电气设备是否超过预设数量阈值,若是,则获取所述供电系统的运行监测数据;
判断所述运行监测数据是否存在异常,若是,则发送应急启动控制信号至应急供电系统。
通过采用上述技术方案,根据高用电需求的设备数量识别供电系统的高负荷情况,并对供电系统进行异常判断,在检测到异常情况时,及时启动应急供电系统,降低因主供电系统故障导致的设备损坏和运营中断的风险,从而提高对突发事件的响应能力,确保供电的连续性和稳定性。
第二方面,本申请提供一种高速公路供电控制系统,采用如下的技术方案:
一种高速公路供电控制系统,包括:
设备监测数据获取模块,用于获取高速公路上各个电气设备的实时监测数据;
交通流量信息获取模块,用于获取所述各个电气设备所在区段的交通流量信息;
用电需求级别生成模块,用于基于机器学习算法,分别对所述各个电气设备的实时监测数据和交通流量信息进行用电需求预测,得到所述各个电气设备对应的用电需求级别;
供电控制指令生成模块,用于根据所述各个电气设备对应的用电需求级别,生成供电控制指令;其中,所述供电控制指令用于控制供电系统按照所述用电需求级别对各个所述电气设备进行供电;
供电控制指令发送模块,用于将所述供电控制指令发送至供电系统。
通过采用上述技术方案,对电气设备的状态数据及所在区段的交通流量进行实时监测,基于机器学习算法分析设备状况和交通流量对用电需求的影响,并预测各个电气设备的用电需求级别,以确保电气设备根据实际需求得到适量的电力供应,既提高了能源使用效率,又保障了高速公路电气设备的稳定运行,从而实现了对高速公路电气设备的智能供电控制。
可选的,所述供电控制系统还包括:
用电需求级别判断模块,用于分别判断所述各个电气设备的用电需求级别是否低于第一预设阈值;若是,则输出第一判断结果;
设备异常判断模块,用于响应于所述第一判断结果,对所述电气设备的实时监测数据进行异常判断,若存在异常,则输出第二判断结果;
异常提示信息发送模块,用于响应于所述第二判断结果,根据所述电气设备的位置信息发送异常提示信息至维护终端。
通过采用上述技术方案,利用智能化的监测和异常处理流程,提升了电气设备的运行效率和可靠性,为高速公路供电运维系统提供了重要的技术支持。
第三方面,本申请提供一种计算机设备,采用如下的技术方案:
一种计算机设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面所述的方法。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,存储有能够被处理器加载并执行如第一方面中任一种方法的计算机程序。
综上所述,本申请包括以下至少一种有益技术效果:通过对电气设备的状态数据及所在区段的交通流量进行实时监测,基于机器学习算法分析设备状况和交通流量对用电需求的影响,并预测各个电气设备的用电需求级别,以确保电气设备根据实际需求得到适量的电力供应,既提高了能源使用效率,又保障了高速公路电气设备的稳定运行,从而实现了对高速公路电气设备的智能供电控制。
附图说明
图1是本申请其中一个实施例的高速公路供电控制方法的第一流程示意图。
图2是本申请其中一个实施例的高速公路供电控制方法的第二流程示意图。
图3是本申请其中一个实施例的高速公路供电控制方法的第三流程示意图。
图4是本申请其中一个实施例的高速公路供电控制方法的第四流程示意图。
图5是本申请其中一个实施例的高速公路供电控制方法的第五流程示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图1-5及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
本申请实施例公开一种高速公路供电控制方法。
参照图1,一种高速公路供电控制方法,包括:
步骤S101,获取高速公路上各个电气设备的实时监测数据;
其中,通过传感器或监控系统实时收集高速公路上各个电气设备的电气参数(如电压、电流、功率等)和设备状态信息(如开关状态、故障指示等),这些数据是实现智能供电控制的基础,可以帮助系统了解设备当前的运行状况,同时为后续的用电需求预测和供电控制提供准确的数据支持。
步骤S102,获取各个电气设备所在区段的交通流量信息;
其中,通过交通监控系统,如摄像头或车流量统计装置,收集各个电气设备所在区段的交通流量信息,交通流量是影响高速公路电气设备用电需求的一个重要因素,例如,车流量增多时,照明和信号设备的用电需求也会相应增加。
步骤S103,基于机器学习算法,分别对各个电气设备的实时监测数据和交通流量信息进行用电需求预测,得到各个电气设备对应的用电需求级别;
其中,使用机器学习算法(如神经网络、决策树、支持向量机等)来分析实时监测数据和交通流量信息,预测各个电气设备的用电需求级别,机器学习模型可以从历史数据中学习规律,预测未来的用电需求;
可以理解的是,通过准确的用电需求预测,可以实现更加高效和节能的供电控制,减少不必要的能源浪费。
步骤S104,根据各个电气设备对应的用电需求级别,生成供电控制指令并发送至供电系统;其中,供电控制指令用于控制供电系统按照用电需求级别对各个电气设备进行供电。
其中,根据预测出的各个电气设备的用电需求级别,控制系统生成相应的供电控制指令,该供电控制指令能够指导供电系统如何调整对各个电气设备的供电量或供电功率。
上述实施方式中,对电气设备的状态数据及所在区段的交通流量进行实时监测,基于机器学习算法分析设备状况和交通流量对用电需求的影响,并预测各个电气设备的用电需求级别,以确保电气设备根据实际需求得到适量的电力供应,既提高了能源使用效率,又保障了高速公路电气设备的稳定运行,从而实现了对高速公路电气设备的智能供电控制。
作为步骤S103的一种实施方式,基于机器学习算法,分别对各个电气设备的实时监测数据和交通流量信息进行用电需求预测的步骤包括:
将各个电气设备的实时监测数据和交通流量信息分别输入至每个电气设备对应的用电需求预测模型以进行用电需求预测,每个用电需求预测模型输出的预测值为每个电气设备对应的用电需求级别;其中,每个电气设备对应的用电需求预测模型经过预先监督训练完成。
可以理解的是,每个电气设备都有其特定的用电模式,这些模式可能受到多种因素的影响,如设备自身的工作状态、交通流量等,因此通过对每个设备的实时监测数据和所在区段的交通流量信息进行分析,即可预测其未来的用电需求。
上述实施方式中,为每个电气设备均建立一个独立的用电需求预测模型,可以更精确地捕捉到该设备用电需求的特征和变化规律,能够实现个性化的用电需求预测,有助于供电控制系统对每个设备进行更合理的电力分配,避免过度供电或供电不足的情况发生。
参照图2,作为用电需求预测模型的一种实施方式,用电需求预测模型的训练步骤包括:
步骤S201,获取样本数据集;其中,样本数据集包括电气设备的历史监测数据、所在区段的历史交通流量信息以及对应的历史用户需求级别数据;
在一些具体实施例中,样本数据集中的每个样本可能包括时间戳、电气参数、设备状态、交通流量等作为特征,以及对应的用电需求级别作为标签;需要说明的是,作为标签的用户需求级别可能需要通过专家系统进行标注或通过历史记录得到。
步骤S202,对样本数据集进行预处理,并划分为训练集、验证集和测试集;
其中,预处理步骤包括数据清洗、处理缺失值和异常值以及特征工程等,以确保数据质量和模型的有效学习。
在一些具体实施例中,可将70-80%的数据划分为训练集,将10-15%的数据划分为验证集,将10-15%的数据划分为测试集,以便在训练过程中监控模型性能并防止过拟合。
步骤S203,将训练集输入至预先构建的神经网络模型中进行训练,并优化模型参数,得到用电需求预测模型;
其中,使用训练集训练神经网络模型,优化模型参数,使模型能够在给定输入数据时准确预测用电需求级别;
作为神经网络模型的一种实施方式,神经网络模型可以选择长短期记忆网络(LSTM)算法模型,LSTM算法模型适合处理时间序列数据,能够捕捉到用电需求随时间的长期依赖关系,从而有效地处理用电需求数据中的时间序列特性,使得预测更加准确可靠。
步骤S204,基于验证集和测试集对用电需求预测模型进行验证和模型参数校正,直到模型的损失函数满足预设条件或模型迭代次数达到预设次数,得到训练完成的用电需求预测模型。
具体地,可通过反向传播算法和优化器(如Adam)来优化模型参数以最小化损失函数;其中,可设置一个合适的损失函数,例如均方误差(MSE)或交叉熵损失函数,用于评估模型的预测能力。
上述实施方式中,利用机器学习算法实现了对高速公路电气设备用电需求的精准预测,为供电控制系统提供了强大的决策支持,从而提高了能源使用效率,降低了运营成本,并增强了系统的可靠性和稳定性。
参照图3,作为步骤S104的一种实施方式,根据各个电气设备对应的用电需求级别,生成供电控制指令的步骤包括:
步骤S301,基于预设映射表,根据各个电气设备对应的用电需求级别,确定对应的预设用电比例;
在一些实施例中,可以基于对电气设备在不同运行状态下的电力需求的理解和历史数据分析预先设定一个映射表,将用电需求级别(如“高”、“中”、“低”)对应到特定的用电比例(如100%、70%、40%),从而使供电控制系统能够迅速响应设备的用电需求变化,并作出相应的供电调整;
步骤S302,获取各个电气设备的额定功率;
其中,额定功率通常代表设备能够达到的最佳性能,在不超过额定功率的条件下,设备可以发挥其最大的性能,同时保持效率和可靠性,因此以额定功率为基础进行供电计算,可以保护设备不会因为过载而损坏,确保设备安全和可靠性;
步骤S303,基于预设用电比例和额定功率,确定各个电气设备对应的供电功率,并生成各个电气设备对应的供电控制指令。
具体地,例如,某个电气设备的额定功率是100kW,当前的用电需求级别对应的预设用电比例为70%,则实际的供电功率应为70kW,通过精确计算每个电气设备的供电功率可以减少电能浪费。
上述实施方式中,生成的供电控制指令使得供电系统能够对各个设备进行精细的电力调配,不仅能够提高能源效率和供电系统的运行效率,还能够降低成本并提高设备的运行可靠性,有助于实现更加智能化和自动化的高速公路供电运维管理。
参照图4,作为供电控制方法进一步的实施方式,在步骤S103得到各个电气设备对应的用电需求级别的步骤之后还包括:
步骤S401,分别判断各个电气设备的用电需求级别是否低于第一预设阈值;若是,则跳转至步骤S402;若否,则对下一电气设备执行步骤S401;
其中,对于每个电气设备,判断其用电需求级别是否低于第一预设阈值,该第一预设阈值是基于正常运行状态下的用电行为设定的,用来识别设备是否处于低负荷或故障状态;
步骤S402,对电气设备的实时监测数据进行异常判断;
其中,当某个电气设备的用电需求级别低于预设阈值时,系统将对该设备的实时监测数据进行异常判断,以确定是否是由于设备故障或其他非正常情况导致的,降低意外风险的可能性。
步骤S403,响应于异常判断结果为存在异常,根据电气设备的位置信息发送异常提示信息至维护终端。
其中,维护终端可以为维护室内的计算机终端,也可以为维护人员的智能移动终端;若异常判断结果表明存在异常,系统将根据设备的位置信息向维护终端发送异常提示信息,以确保相关的维护人员能够迅速获得异常提示,并采取相应的维护措施,从而提高了故障响应的速度和效率。
上述实施方式中,利用智能化的监测和异常处理流程,提升了电气设备的运行效率和可靠性,为高速公路供电运维系统提供了重要的技术支持。
参照图5,作为供电控制方法进一步的实施方式,在步骤S104根据各个电气设备对应的用电需求级别,生成供电控制指令并发送至供电系统的步骤之后还包括:
步骤S501,判断用电需求级别高于第二预设阈值的电气设备是否超过预设数量阈值,若是,则跳转至步骤S502;若否,则不执行任何操作;
其中,评估所有电气设备的用电需求级别,并与预设的第二预设阈值进行比较,以确定有多少设备的用电需求级别超过了这一阈值,并判断这些超阈值的设备数量是否超过了预设的数量阈值;其中,第二预设阈值高于第一预设阈值且当电气设备的用电需求级别超过该第二预设阈值时,则表明该电气设备处于较高的用电需求状态。
可以理解的是,若过多的设备同时运行在高用电需求状态,可能会对供电系统造成压力,导致电网不稳定,因此,上述步骤有助于识别供电系统的高负荷情况。
步骤S502,获取供电系统的运行监测数据;
其中,运行监测数据包括电压、电流、频率等关键指标,异常判断过程可以基于历史数据、预设的安全标准或实时的分析算法来完成,以及时发现供电系统的过载、不平衡或其他潜在风险。
步骤S503,判断运行监测数据是否存在异常,若是,则跳转至步骤S504;若否,则不执行任何操作。
步骤S504,发送应急启动控制信号至应急供电系统。
可以理解的是,当监测到供电系统的运行数据存在异常时,系统将自动触发应急措施,通过控制启动应急供电系统,以确保关键设施和服务在主供电系统出现故障时继续运行,最小化运营中断和相关损失。
上述实施方式中,根据高用电需求的设备数量识别供电系统的高负荷情况,并对供电系统进行异常判断,在检测到异常情况时,及时启动应急供电系统,降低因主供电系统故障导致的设备损坏和运营中断的风险,从而提高对突发事件的响应能力,确保供电的连续性和稳定性。
本申请实施例还公开一种高速公路供电控制系统。
一种高速公路供电控制系统,包括:
设备监测数据获取模块,用于获取高速公路上各个电气设备的实时监测数据;
交通流量信息获取模块,用于获取各个电气设备所在区段的交通流量信息;
用电需求级别生成模块,用于基于机器学习算法,分别对各个电气设备的实时监测数据和交通流量信息进行用电需求预测,得到各个电气设备对应的用电需求级别;
供电控制指令生成模块,用于根据各个电气设备对应的用电需求级别,生成供电控制指令;其中,供电控制指令用于控制供电系统按照用电需求级别对各个电气设备进行供电;
供电控制指令发送模块,用于将供电控制指令发送至供电系统。
上述实施方式中,对电气设备的状态数据及所在区段的交通流量进行实时监测,基于机器学习算法分析设备状况和交通流量对用电需求的影响,并预测各个电气设备的用电需求级别,以确保电气设备根据实际需求得到适量的电力供应,既提高了能源使用效率,又保障了高速公路电气设备的稳定运行,从而实现了对高速公路电气设备的智能供电控制。
作为供电控制系统进一步的实施方式,供电控制系统还包括:
用电需求级别判断模块,用于分别判断各个电气设备的用电需求级别是否低于第一预设阈值;若是,则输出第一判断结果;
设备异常判断模块,用于响应于第一判断结果,对电气设备的实时监测数据进行异常判断,若存在异常,则输出第二判断结果;
异常提示信息发送模块,用于响应于第二判断结果,根据电气设备的位置信息发送异常提示信息至维护终端。
上述实施方式中,利用智能化的监测和异常处理流程,提升了电气设备的运行效率和可靠性,为高速公路供电运维系统提供了重要的技术支持。
本申请实施例的高速公路供电控制系统能够实现上述高速公路供电控制方法的任一种方法,且高速公路供电控制系统中各个模块的具体工作过程可参考上述方法实施例中的对应过程。
在本申请所提供的几个实施例中,应该理解到,所提供的方法和系统,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的;例如,某个模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
本申请实施例还公开一种计算机设备。
计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如上述的高速公路供电控制方法。
本申请实施例还公开一种计算机可读存储介质。
计算机可读存储介质,存储有能够被处理器加载并执行如上述的高速公路供电控制方法中任一种方法的计算机程序。
其中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用;计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
需要说明的是,在上述实施例中,对各个实施例的描述各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,本说明书(包括摘要和附图)中公开的任一特征,除非特别叙述,均可被其他等效或者具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
Claims (10)
1.一种高速公路供电控制方法,其特征在于,包括:
获取高速公路上各个电气设备的实时监测数据;
获取所述各个电气设备所在区段的交通流量信息;
基于机器学习算法,分别对所述各个电气设备的实时监测数据和交通流量信息进行用电需求预测,得到所述各个电气设备对应的用电需求级别;
根据所述各个电气设备对应的用电需求级别,生成供电控制指令并发送至供电系统;其中,所述供电控制指令用于控制所述供电系统按照所述用电需求级别对各个所述电气设备进行供电。
2.根据权利要求1所述的一种高速公路供电控制方法,其特征在于,基于机器学习算法,分别对所述各个电气设备的实时监测数据和交通流量信息进行用电需求预测的步骤包括:
将所述各个电气设备的实时监测数据和交通流量信息分别输入至每个电气设备对应的用电需求预测模型以进行用电需求预测,每个所述用电需求预测模型输出的预测值为每个所述电气设备对应的用电需求级别;其中,每个电气设备对应的用电需求预测模型经过预先监督训练完成。
3.根据权利要求2所述的一种高速公路供电控制方法,其特征在于,所述用电需求预测模型的训练步骤包括:
获取样本数据集;其中,所述样本数据集包括所述电气设备的历史监测数据、所在区段的历史交通流量信息以及对应的历史用户需求级别数据;
对所述样本数据集进行预处理,并划分为训练集、验证集和测试集;
将所述训练集输入至预先构建的神经网络模型中进行训练,并优化模型参数,得到用电需求预测模型;
基于所述验证集和所述测试集对所述用电需求预测模型进行验证和模型参数校正,直到模型的损失函数满足预设条件或模型迭代次数达到预设次数,得到训练完成的所述用电需求预测模型。
4.根据权利要求1所述的一种高速公路供电控制方法,其特征在于,根据所述各个电气设备对应的用电需求级别,生成供电控制指令的步骤包括:
基于预设映射表,根据所述各个电气设备对应的用电需求级别,确定对应的预设用电比例;
获取所述各个电气设备的额定功率;
基于所述预设用电比例和所述额定功率,确定各个电气设备对应的供电功率,并生成所述各个电气设备对应的供电控制指令。
5.根据权利要求1所述的一种高速公路供电控制方法,其特征在于,在得到所述各个电气设备对应的用电需求级别的步骤之后还包括:
分别判断所述各个电气设备的用电需求级别是否低于第一预设阈值;
若是,则对所述电气设备的实时监测数据进行异常判断;
响应于异常判断结果为存在异常,根据所述电气设备的位置信息发送异常提示信息至维护终端。
6.根据权利要求1到5任一所述的一种高速公路供电控制方法,其特征在于,在根据所述各个电气设备对应的用电需求级别,生成供电控制指令并发送至供电系统的步骤之后还包括:
判断用电需求级别高于第二预设阈值的电气设备是否超过预设数量阈值,若是,则获取所述供电系统的运行监测数据;
判断所述运行监测数据是否存在异常,若是,则发送应急启动控制信号至应急供电系统。
7.一种高速公路供电控制系统,其特征在于,包括:
设备监测数据获取模块,用于获取高速公路上各个电气设备的实时监测数据;
交通流量信息获取模块,用于获取所述各个电气设备所在区段的交通流量信息;
用电需求级别生成模块,用于基于机器学习算法,分别对所述各个电气设备的实时监测数据和交通流量信息进行用电需求预测,得到所述各个电气设备对应的用电需求级别;
供电控制指令生成模块,用于根据所述各个电气设备对应的用电需求级别,生成供电控制指令;其中,所述供电控制指令用于控制供电系统按照所述用电需求级别对各个所述电气设备进行供电;
供电控制指令发送模块,用于将所述供电控制指令发送至供电系统。
8.根据权利要求7所述的一种高速公路供电控制系统,其特征在于,所述供电控制系统还包括:
用电需求级别判断模块,用于分别判断所述各个电气设备的用电需求级别是否低于第一预设阈值;若是,则输出第一判断结果;
设备异常判断模块,用于响应于所述第一判断结果,对所述电气设备的实时监测数据进行异常判断,若存在异常,则输出第二判断结果;
异常提示信息发送模块,用于响应于所述第二判断结果,根据所述电气设备的位置信息发送异常提示信息至维护终端。
9.一种计算机设备,其特征在于:包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现如权利要求1到6任意一项所述的方法。
10.一种计算机可读存储介质,其特征在于:存储有能够被处理器加载并执行如权利要求1到6任意一项方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410204541.XA CN118199254A (zh) | 2024-02-24 | 2024-02-24 | 一种高速公路供电控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410204541.XA CN118199254A (zh) | 2024-02-24 | 2024-02-24 | 一种高速公路供电控制方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118199254A true CN118199254A (zh) | 2024-06-14 |
Family
ID=91410718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410204541.XA Pending CN118199254A (zh) | 2024-02-24 | 2024-02-24 | 一种高速公路供电控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118199254A (zh) |
-
2024
- 2024-02-24 CN CN202410204541.XA patent/CN118199254A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112713649B (zh) | 一种基于极限学习机的电力设备剩余寿命预测方法 | |
CN113708493B (zh) | 基于云边协同的配电终端运维方法、装置和计算机设备 | |
CN110046182A (zh) | 一种巨型水电厂智能报警阈值设置方法及系统 | |
CN116937575A (zh) | 一种网格系统用的能源监控管理系统 | |
KR20230036776A (ko) | 디지털 트윈을 이용한 연료전지 에너지 관리시스템의 이상진단 시스템 및 방법 | |
CN116885766A (zh) | 一种分布式电源并网运行的控制方法及系统 | |
CN116756966A (zh) | 一种电网故障预警方法、系统、终端设备及存储介质 | |
CN115358558A (zh) | 基于数字化预案模型的实时电网状态安全校核方法 | |
CN115327264A (zh) | 一种数据中心的异常检测方法、装置、电子设备和介质 | |
CN117559542B (zh) | 一种分布式新能源群控群调系统及方法 | |
CN117422447A (zh) | 变压器维护策略生成方法、系统、电子设备及存储介质 | |
CN117411185A (zh) | 储能电力系统监控方法、装置、设备及可读存储介质 | |
CN117154945A (zh) | 基于云计算技术的变配电站智能监测方法 | |
CN118199254A (zh) | 一种高速公路供电控制方法及系统 | |
CN116488351A (zh) | 一种基于物联网的低压配电箱远程监控方法和系统 | |
CN113722655A (zh) | 一种基于风险评估的电力设备检修策略优化方法和系统 | |
Lukovic et al. | A methodology for proactive maintenance of uninterruptible power supplies | |
CN117391358A (zh) | 一种台区用电设备监控和分析的系统、方法、装置和介质 | |
CN117970009B (zh) | 填谷电路的电力采集终端及电能表 | |
CN117691750B (zh) | 一种智能电力配电监控方法和系统 | |
CN117878931A (zh) | 一种用于新能源动力站的应急能源调度系统及方法 | |
CN118100161A (zh) | 寒地风光热综合能源智能监测与预警系统 | |
Desai et al. | If It Ain't Broke... | |
CN115936206A (zh) | 一种电力设备超期服役状态的智能判定方法及装置 | |
CN117853087A (zh) | 电力设备的数据分析系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication |