一种基于云计算的预测和能量管理方法及系统技术方案

本发明专利技术公开了一种基于云计算的预测和能量管理方法及系统。本发明专利技术在对电力供需两端做出预测的基础上，确定最优的电量调度策略。本发明专利技术使用小波递归神经网络模型WRNN，高效且准确地对电力供需两端进行预测。同时，云计算体系可以在基于大量数据的电力供需预测任务上进行快速和分布式地计算。

【技术实现步骤摘要】
一种基于云计算的预测和能量管理方法及系统
本专利技术属于智能电网领域，具体涉及一种基于云计算的预测和能量管理方法及系统。
技术介绍
随着对绿色，清洁的能源体系的提倡，以光伏(photovoltaic，PV)发电，风力发电，潮汐发电等为代表的可再生能源发电方案体现出了巨大的潜力。将这类新能源发电集成到智能电网体系中，在减少排放和保护环境的同时，可以实现发电的“就地取材”，有效解决许多偏远地区的用电问题。但另一方面，这类可再生能源发电方案依赖的自然天气条件都具有周期性或季节性，因此很难提供持续且稳定的电力。例如，太阳能光伏系统在非晴天时的发电能力十分有限；而风速在短时间内都可能出现较大波动，所以风力发电系统也无法满足恒定的电力需求。因此，当使用这类可再生能源进行发电时，必须适当地管理所产生的能量，以减少功率波动造成的影响。已有研究中提出了多种智能电网的能量管理方案。对于这一问题，主要难点在于智能电网能量调度需要复杂的双向通信基础设施和数据计算技术。并且，在限制能量波动的同时，还必须考虑到部分需求存在波动的设备，如电动汽车等。因此，寻求一种可本文档来自技高网...

【技术保护点】
1.一种基于云计算的预测和能量管理方法，其特征在于，所述方法包括如下步骤：/n资源和队列管理器RQM在云端上启动虚拟机，所述虚拟机充当扫描节点SN的功能，并接收来源于发电基站和终端负载的原始数据；/n当扫描节点SN接收到数据时，开始执行两个方面的任务：(1)基于历史数据对每个发电基站或负载训练WRNN模型进行拟合或预测；(2)对每个发电基站和负载采取小波递归神经网络对电力供应和消耗两端同时进行预测，给出能量调度或分配方案；任务(2)基于任务(1)的结果；/n扫描节点SN完成这两项任务后，则输出预测结果和配置方案，所述预测结果和配置方案被发送到数据存储单元SU，状态更新则被发送到资源和队列管理器...

【技术特征摘要】
1.一种基于云计算的预测和能量管理方法，其特征在于，所述方法包括如下步骤：
资源和队列管理器RQM在云端上启动虚拟机，所述虚拟机充当扫描节点SN的功能，并接收来源于发电基站和终端负载的原始数据；
当扫描节点SN接收到数据时，开始执行两个方面的任务：(1)基于历史数据对每个发电基站或负载训练WRNN模型进行拟合或预测；(2)对每个发电基站和负载采取小波递归神经网络对电力供应和消耗两端同时进行预测，给出能量调度或分配方案；任务(2)基于任务(1)的结果；
扫描节点SN完成这两项任务后，则输出预测结果和配置方案，所述预测结果和配置方案被发送到数据存储单元SU，状态更新则被发送到资源和队列管理器RQM。


2.根据权利要求1所述的基于云计算的预测和能量管理方法，其特征在于，每个WRNN模型基于对应的历史时间序列数据进行训练，用u(τ)表示这一序列，τn表示数据采样的时间步长；计算该序列的双正交小波分解，从而得到WRNN所需的输入；
分解过程通过小波变换进行：用Wi表示第i轮迭代后的分解，对应的系数集和残差集分别为di(...

【专利技术属性】
技术研发人员：杨立波，林展华，马斌，郭国强，王强，习新魁，王孟，李一鹏，李广志，栗维勋，
申请(专利权)人：国网河北省电力有限公司，北京科东电力控制系统有限责任公司，国家电网有限公司，
类型：发明
国别省市：河北;13