[發明專利]一種基于物聯網的電力能源智能管控方法、裝置及系統

有效

• 申請號: 202211052303.9
• 申請日: 2022-09-01
• 公開（公告）號: CN115423301B
• 公開（公告）日: 2023-04-25
• 發明（設計）人: 孫偉仁;鄧濤;尹貴柱
• 申請（專利權）人: 杭州達中科技有限公司
• 主分類號: G06Q10/0631
• 分類號: G06Q10/0631;G06Q50/06;G06F16/215;G06N3/006;G06N3/04;G06N3/08;G16Y10/35;G16Y20/10;G16Y40/10
• 代理公司: 杭州潤淶知識產權代理事務所(特殊普通合伙) 33358
• 代理人: 李磊

1.一種基于物聯網的電力能源智能管控方法，其特征在于，包括以下步驟：

S1、根據社區所在區域位置的當日氣象數據計算當日有效溫度數據；

S2、獲取社區住戶數據和日期類型數據，其中，所述日期類型數據包括節假日和工作日；

S3、根據所述當日有效溫度數據、社區住戶數據和日期類型數據，通過電能用量預測模型得到社區當日的電能總用量預測值，所述社區當日的電能總用量預測值的具體計算過程包括；

S31、根據數據庫中儲存的歷史用能樣本集，構建電能用量預測模型；

S32、采用所述電能用量預測模型根據所述當日有效溫度數據、社區住戶數據和日期類型數據，得到社區當日的電能總用量預測值，其中，所述電能用量預測模型的輸出值的表達式為：

上式中，為社區當日的電能總用量預測值，為社區用電單元的個數，為影響社區電能總用量的因素指標的個數，為第個用電單元，為第個用電單元在第個因素指標的權重，為日期類型，且取值為1和0分別表示工作日和節假日；

其中，構建所述電能用量預測模型的具體過程包括：

S311、獲取經主成分分析算法處理的儲存在數據庫中的歷史用能樣本集；

S312、將所述歷史用能樣本集按預設比例隨機劃分為訓練樣本集和測試樣本集；

S313、根據訓練樣本集的數據特征，確定灰色神經網絡的拓撲結構以獲得初始預測模型；

S314、根據初始預測模型的權值偏置與蟻群優化算法的映射關系，通過訓練樣本集對初始預測模型進行訓練優化，得到最優的電能用量預測模型；

S315、采用測試樣本集對電能用量預測模型進行測試和驗證；

S4、獲取電能數據采集設備所采集的實時監測數據集，其中，所述實時監測數據包括家庭用能監測數據、樓道照明用能監測數據和路燈用能監測數據；

S5、根據所述實時監測數據集計算社區當日的電能總用量實際值；

S6、根據電能總用量實際值和電能總用量預測值，計算電能用量預測誤差；

S7、判斷預測誤差是否在預設范圍內，如果預測誤差在預設范圍內，則判定為社區電能用量正常；如果預測誤差不在預設范圍內，則判定為社區電能用量異常并向能源管控中心發送預警信息；

S8、根據預警信息能源管控中心采取相應的能源管控策略；

其中，在步驟S6和S7之間還包括：

S9、根據預測誤差對數據庫內的數據進行清洗；

S10、根據清洗后的數據庫對所述電能用量預測模型進行持續優化。

2.根據權利要求1所述的電力能源智能管控方法，其特征在于，在步驟S9中，具體包括以下步驟：

當所述預測誤差不在預設范圍內時，將所述當日有效溫度數據和日期類型數據以及實時監測數據集上傳至數據庫并剔除數據庫中的臟數據；

當所述預測誤差在預設范圍內時，將所述當日有效溫度數據和日期類型數據以及實時監測數據集上傳至數據庫，并將數據庫中采集時間間隔大于時間閾值的重復的歷史數據剔除。