一种用于确定能源站的运行控制策略的方法与设备技术

本申请的目的是提供一种用于确定能源站的运行控制策略的方法和设备；冻结第一预测模型的至少一个神经网络层，并基于目标建筑的历史数据微调所述第一预测模型以获得第二预测模型；将目标建筑的待预测数据应用于所述第二预测模型以获得预测结果数据，其中所述预测结果数据包括分别与多个时间段相对应的多项预测负荷信息；对所述多项预测负荷信息执行聚类操作以获得至少一个簇；根据所述至少一个簇中的每个簇分别确定对应的典型负荷曲线，并根据所述典型负荷曲线确定能源站在相应时间段的运行控制策略。本申请能减少能源浪费和提高能源系统的收益。

A Method and Equipment for Determining Operation Control Strategy of Energy Station

【技术实现步骤摘要】
一种用于确定能源站的运行控制策略的方法与设备
本申请涉及能源领域，尤其涉及一种用于确定能源站的运行控制策略的技术。
技术介绍
随着时代的发展，电力在人们的生产和生活中扮演着极为重要的角色，人们对电力供应的需求也迅速增加，这就对能源站的建设提出了更高的要求。特别是对于分布式能源站(功率不大、小型模块化且分布于负荷周边)而言，由于具有经济高效(线路损失少)、运行可靠等特点，分布式能源站正在快速发展。
技术实现思路
本申请的一个目的是提供一种用于确定能源站的运行控制策略的方法和设备。根据本申请的一个方面，提供了一种用于确定能源站的运行控制策略的方法，所述方法包括以下步骤：冻结第一预测模型的至少一个神经网络层，并基于目标建筑的历史数据微调所述第一预测模型以获得第二预测模型；将目标建筑的待预测数据应用于所述第二预测模型以获得预测结果数据，其中所述预测结果数据包括分别与多个时间段相对应的多项预测负荷信息；对所述多项预测负荷信息执行聚类操作以获得至少一个簇；以及根据所述至少一个簇中的每个簇分别确定对应的典型负荷曲线，并根据所述典型负荷曲线确定能源站在相应时间段的运行控制策略；其中，所述第一预测模型是基于深度神经网络构建和基于源域的历史数据训练而得到的。根据本申请的另一方面，提供了一种用于确定能源站的运行控制策略的设备，所述设备包括：模型微调模块，用于冻结第一预测模型的至少一个神经网络层，并基于目标建筑的历史数据微调所述第一预测模型以获得第二预测模型；结果预测模块，用于将目标建筑的待预测数据应用于所述第二预测模型以获得预测结果数据，其中所述预测结果数据包括分别与多个时间段相对应的多项预测负荷信息；负荷聚类模块，用于对所述多项预测负荷信息执行聚类操作以获得至少一个簇；以及策略确定模块，用于根据所述至少一个簇中的每个簇分别确定对应的典型负荷曲线，并根据所述典型负荷曲线确定能源站在相应时间段的运行控制策略；其中，所述第一预测模型是基于深度神经网络构建和基于源域的历史数据训练而得到的。根据本申请的又一方面，提供了一种用于确定能源站的运行控制策略的设备，其中，所述设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以上所述方法的操作。根据本申请的另一方面，提供了一种存储指令的计算机可读介质，所述指令在被计算机执行时使得所述计算机执行以上所述方法的操作。随着能源设施(尤其是对环境更友好的分布式能源系统)的快速建设，以及各类开发区的加速发展，区域分布式能源系统的应用场景和普及程度也越来越高。在此前提下，在能源设施(尤其是分布式能源系统)迅速铺开的同时，对于一座新建的能源站而言，建设该能源站时可用的历史负荷信息很少，根据这些很少的历史负荷信息将难以获得对其未来一段时间的负荷状态做出准确预测，这将使减少能源浪费和提高能源系统的收益的目标难以达成。与现有技术相比，本申请基于运行相对较久的能源站的相关数据预先训练得到一数据模型，并基于目标能源站的“贫信息状态”的历史负荷信息调整该数据模型，以使该数据模型适应于目标能源站的具体情况，从而使针对目标能源站的预测活动在预先训练所用的大量数据的基础上具有足够的精度，以减少能源浪费和提高能源系统的收益。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1是本申请一个实施例中用于确定能源站的运行控制策略的方法的流程图；图2是本申请另一实施例中用于确定能源站的运行控制策略的方法的流程图；图3示出上述用于确定能源站的运行控制策略的方法的一个实例；图4示出一种分布式能源站的构成；图5是本申请一个实施例中的子步骤流程图；图6示出本申请一个实施例中用于确定能源站的运行控制策略的设备的功能模块；图7示出本申请另一实施例中用于确定能源站的运行控制策略的设备的功能模块；图8示出本申请一个实施例中的子功能模块；图9示出一种可用于本申请各实施例的示例性系统的功能模块。附图中相同或相似的附图标记代表相同或相似的部件。具体实施方式下面结合附图对本申请作进一步详细描述。在本申请一个典型的配置中，终端、服务网络的设备和可信方均包括一个或多个处理器(例如，中央处理器(CentralProcessingUnit,CPU))、输入/输出接口、网络接口和内存。内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RandomAccessMemory,RAM)和/或非易失性内存等形式，如只读存储器(ReadOnlyMemory,ROM)或闪存(FlashMemory)。内存是计算机可读介质的示例。计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(Phase-ChangeMemory,PCM)、可编程随机存取存储器(ProgrammableRandomAccessMemory,PRAM)、静态随机存取存储器(StaticRandom-AccessMemory,SRAM)、动态随机存取存储器(DynamicRandomAccessMemory,DRAM)、其他类型的随机存取存储器(RandomAccessMemory,RAM)、只读存储器(Read-OnlyMemory,ROM)、电可擦除可编程只读存储器(Electrically-ErasableProgrammableRead-OnlyMemory,EEPROM)、快闪记忆体(FlashMemory)或其他内存技术、只读光盘只读存储器(CompactDiscRead-OnlyMemory,CD-ROM)、数字多功能光盘(DigitalVersatileDisc,DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。本申请所指的设备包括但不限于用户设备、网络设备、或用户设备与网络设备通过网络相集成所构成的设备。所述用户设备包括但不限于任何一种可与用户进行人机交互(例如通过触摸板进行人机交互)的移动电子产品，例如智能手机、平板电脑等，所述移动电子产品可以采用任意操作系统，如Android操作系统、iOS操作系统等。其中，所述网络设备包括一种能够按照事先设定或存储的指令，自动进行数值计算和信息处理的电子设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、可编程逻辑器件(ProgrammableLogicDevice,PLD)、现场可编程门阵列(FieldProgrammableGateArray,FPGA)、数字信号处理器(DigitalSignalProcessor,DSP)、嵌入式设备等。所述网络设备包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云；在此，云由基于云计算(CloudComputing)的大量计算机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个虚拟超级计算机。所述网络包括但不限于互联网、广本文档来自技高网...

【技术保护点】
1.一种用于确定能源站的运行控制策略的方法，其中，所述方法包括：冻结第一预测模型的至少一个神经网络层，并基于目标建筑的历史数据微调所述第一预测模型以获得第二预测模型；将目标建筑的待预测数据应用于所述第二预测模型以获得预测结果数据，其中所述预测结果数据包括分别与多个时间段相对应的多项预测负荷信息；对所述多项预测负荷信息执行聚类操作以获得至少一个簇；以及根据所述至少一个簇中的每个簇分别确定对应的典型负荷曲线，并根据所述典型负荷曲线确定能源站在相应时间段的运行控制策略；其中，所述第一预测模型是基于深度神经网络构建和基于源域的历史数据训练而得到的。

【技术特征摘要】
1.一种用于确定能源站的运行控制策略的方法，其中，所述方法包括：冻结第一预测模型的至少一个神经网络层，并基于目标建筑的历史数据微调所述第一预测模型以获得第二预测模型；将目标建筑的待预测数据应用于所述第二预测模型以获得预测结果数据，其中所述预测结果数据包括分别与多个时间段相对应的多项预测负荷信息；对所述多项预测负荷信息执行聚类操作以获得至少一个簇；以及根据所述至少一个簇中的每个簇分别确定对应的典型负荷曲线，并根据所述典型负荷曲线确定能源站在相应时间段的运行控制策略；其中，所述第一预测模型是基于深度神经网络构建和基于源域的历史数据训练而得到的。2.根据权利要求1所述的方法，其中，在冻结第一预测模型的至少一个神经网络层的步骤之前，所述方法还包括：构建第一预测模型，其中所述第一预测模型包括神经网络，所述神经网络包括一全连接层；其中，所述冻结第一预测模型的至少一个神经网络层，并基于目标建筑的历史数据微调所述第一预测模型以获得第二预测模型的步骤，包括：冻结所述第一预测模型的除所述全连接层之外的至少一个其他神经网络层，并基于目标建筑的历史数据更新所述全连接层的参数，以获得第二预测模型。3.根据权利要求2所述的方法，其中，所述神经网络为卷积神经网络。4.根据权利要求1所述的方法，其中，每项预测负荷信息包括用户电负荷信息、用户热负荷信息和用户冷负荷信息中的至少一项。5.根据权利要求4所述的方法，其中，所述能源站包括燃气内燃机组、双效溴化锂机组、电机制冷机组、燃气热水锅炉机组和蓄能系统；所述燃气内燃机组用于提供所述用户电负荷信息所对应的供电量；所述双效溴化锂机组用于利用所述燃气内燃机组的余热制热以供热，以及用于利用所述燃气内燃机组的余热制冷以供冷；所述电机制冷机组用于增加供冷量；所述燃气热水锅炉机组用于增加供热量；所述蓄能系统用于储能和放能。6.根据权利要求4所述的方法，其中，所述根据所述至少一个簇中的每个簇分别确定对应的典型负荷曲线，并根据所述典型负荷曲线确定能源站在相应时间...

【专利技术属性】
技术研发人员：庄健，金锋，茆春俊，解鸣，
申请(专利权)人：国网上海市电力公司，
类型：发明
国别省市：上海,31