【技术实现步骤摘要】
一种电力物联网架构下的需量态势感知方法
[0001]本专利技术涉及需量态势感知
，特别涉及一种电力物联网架构下的需量态势感知方法。
技术介绍
[0002]近年来，我国对工业用户实行了实际最大需量的新型两部制电价，工业用户可选择按实际最大需量缴纳电费，因此削减用电高峰对工业用户来说是一项重要的节约成本措施，最大需量的控制也成为工业用户关注的主要问题之一，而准确的需量态势感知是需量控制的基础。
[0003]态势感知概念最早起源于军事领域，指在特定的时空条件下，认知、理解环境因素，并对未来的发展趋势进行预测。传统的需量态势感知方法大多是单维度、单个节点的系统级需量预测，未考虑外部因素变量及重要负荷设备对预测结果的影响，导致预测精度有限。
[0004]需量态势感知网络的建立大大提高了调度中心对需量的感知能力。测量点数量、信息采集频率、信息采集类型、数据质量将显著提高，所有这些变化导致了需求侧采集数据数量的快速增长，一般的神经网络也难以对其中的特征模式进行高效提取和学习。
技术实现思路
[0005...
【技术保护点】
【技术特征摘要】
1.一种电力物联网架构下的需量态势感知方法，其特征在于，包括以下步骤：步骤一，构建混合传感器网络：将具备有线或无线通信功能的传感器组成一个有线/无线混合传感器网络，采样节点的电压、电流、功率信号；步骤二，配置中继节点：建立混合传感器网络模型，根据通信方式和地理位置配置混合型传感器网络中继节点，通过中继节点将所有传感器构造成一个传感器网络；步骤三，数据上传云端：将传感器采集的电压、电流、功率数据通过中继节点传送到网关节点，网关节点将数据传送到云端；步骤四，构建多维时间序列：云端将电压、电流、功率数据按列合并构建多维时间序列；步骤五，需量自相关性分析：通过自协方差方程进行需量自相关性分析，得到输入时间步长；步骤六，多变量相关性分析：通过探索性数据分析方法统计分析相关的外部因素变量与需量之间的相关关系，得到输入数据维度；步骤七，数据预处理：对多维时间序列中的数据进行归一化；步骤八，构建需量预测模型：需量预测模型第一层为输入层，第二层为长短期记忆网络层，第三层为Dropout层，第四层为全连接层，最后一层为输出层，模需量预测模型采用sigmoid激活函数和Adam优化器；步骤九，进行超短期需量预测：将归一化后的数据结合输入时间步长和输入数据维度得到数据集，将数据集输入需量预测模型，进行超短期需量预测。2.根据权利要求1所述的电力物联网架构下的需量态势感知方法，其特征在于，所述步骤一中，对每个传感器所监测负荷与总负荷的占比进行判断，将占比大于1％的传感器设置为传感器网络节点。3.根据权利要求1所述的电力物联网架构下的需量态势感知方法，其特征在于，所述步骤二中，传感器网络节点配置模型为：其中v
s
是传感器网络节点s，v
t
是传感器网络节点s的邻节点，R表示无线通信距离，当S(v
s
,v
t
)为1时，为传感器网络配置一个相应的中继节点。4.根据权利要求1所述的电力物联网架构下的需量态势感知方法，其特征在于，所述步骤四中，通过需量计算构建多维需量时间序列，需量计算模式为滑动区块模式，计算公式为：其中P
demand,k
为第k个计量时段内的需量，W
k
为第k个计量时段内累计的电能，每个计量时段周期τ为15分钟。5.根据权利要求1所述的电力物联网架构下的需量态势感知方法，其特征在于，所述步骤五中，需量自相关性分析公式为：
其中R(d)为自相关系数，d是时间滞后长度，x
i
表示时刻i的需量值，x
i+d
表示时刻i+d的需量值，是整个需量序列均值，n为总时刻，使得R(d)≥0.96的d的最大值确定为输入时间步长。6.根据权利要求1所述的电力物联网架构下的需量态势感知方法，其特征在于，所述步骤六中，多变量相关性分析具体过程为：在x轴上放置当前时刻需量，在y轴上放置电压、电流、功率外部因素变量，在坐标系上绘制出当前时刻需量与电压、电流、功率外部因素变量的散点图，通过...
【专利技术属性】
技术研发人员：冯裕祺，何峰，李辉，陈翔，谭貌，唐力军，
申请(专利权)人：湖南华菱湘潭钢铁有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。