一种分布式能源优化治理装置制造方法及图纸

本发明专利技术公开了一种分布式能源优化治理装置，包括信息采集模块、管理模块、调整模块，所述的信息收集模块包括供电检测单元和用电检测单元所述的管理模块包括的控制单元和运算单元，所述的运算单元包括运算电路和运算存储器，所述的运算存储器储存所述的信息采集模块采集的电网状态信息数据及设备信息运行信息数据，所述的运算单元通过对运算储存器内数据进行筛选、处理，构建能源优化治理模型并修正能源优化治理模型。所述的控制单元包括调控电路和调控储存器，所述的调控存储器储存所述的调整模块的状态数据，所述的调控电路控制所述的调整模块动作，通过对供电端与负载端的电压、电流、功率预测，进行闭环调节。进行闭环调节。进行闭环调节。

【技术实现步骤摘要】
一种分布式能源优化治理装置


[0001]本专利技术涉及电力设备领域，具体是一种分布式能源优化治理装置。

技术介绍

[0002]近年来，随着社会经济快速发展和科学技术显著进步，现代工业、服务业和居民用电设备迅速增多，供电范围不断增大，供电节点不断增多，尤其是城市电网中的电缆线路，家用电器和办公设备如电视机、变频空调、计算机、洗衣机等应用，以及工业生产中各种自动化生产线、自动控制系统、变频调速设备、精密测量仪表设备等部分的广泛使用，这些设备内部都含有大量的整流逆变器件或装置，如开关电源、变频器和荧光灯等，产生大量的谐波。加上电网和用电系统中其他非线性负荷、冲击性负荷、干扰性负荷日益增加，也不断地影响电能质量。这些负荷在运行中，不仅会产生大量的无功功率使功率因数降低造成用电效率低、产生大量的谐波给电网和设备造成危害，而且会产生电压升高以及三相不平衡，降低了用电设备的安全可靠性，造成安全事故的发生，严重威胁电力系统的安全运行，形成多种电能浪费问题。
[0003]目前实现系统调节的方法主要分为反馈响应和负荷预测，其中反馈响应有模拟滤波器法、基于Fryze时域分析的有功分离法、基于傅里叶分析及小波变换的检测控制、基于瞬时无功功率理论的谐波与无功电流检测控制等方式，其中模拟滤波器法缺陷较多，已经极少采用，基于Fryze时域分析的有功分离法精确度最高，但是需要一定周期的数据采集，耗时较长，缺乏实时性，而基于傅里叶分析及小波变换的检测控制和基于瞬时无功功率理论的谐波与无功电流检测控制两种方式虽然计算快，补偿效率高，但是精确度方面略有欠缺。上述技术方法，存在着设备相互独立，功能单一，控制随机，元器件重复安装，设备精度低、容量小、费用高等问题；而电力系统负荷预测方式是指一定条件下，采用一定方法处理系统的过去和未来负荷的数学模型方式对用电调节装置投切进行控制，模型包括本系统的运行状态与特性、自然环境条件、系统增容的决策等因素。在满足一定系统预定要求的前提条件下，确定本系统在未来某一个特定时刻的负荷值。电力系统负荷短期预测是指一年之内以月为时间单位的电力负荷预测，在某些情况下可以将预测时间单位划分到周、天、小时。在通常情况下，当前采用的基于BP算法的多层感知器网络是电力系统普遍的负荷预测解决方案，但是基于BP网络算法采用的是沿梯度下降的搜索求解方法，这就可能在系统中出现网络收敛速度慢、易陷入局部极小等现象。

技术实现思路

[0004]本专利技术针对现有技术中的不足，提供了分布式能源优化治理装置，包括信息采集模块、管理模块、调整模块，所述的信息收集模块包括供电检测单元和用电检测单元。所述的管理模块包括的控制单元和运算单元，所述的运算单元包括运算电路和运算存储器，所述的运算存储器储存所述的信息采集模块采集的电网状态信息数据及设备信息运行信息数据，所述的运算单元通过对运算储存器内数据进行筛选、处理，构建能源优化治理模型并
修正能源优化治理模型。所述的控制单元包括调控电路和调控储存器，所述的调控存储器储存所述的调整模块的状态数据，所述的调控电路控制所述的调整模块动作。所述的优化治理模型的建立方式如下：
[0005]所述的优化治理模型包括输入级、缓冲级、输出级和数据优化模块，所述的缓冲级获取所述的信息收集模块收集到的电网信息并对电网信息数据进行数字化预处理，提取特征和降维后作为所述的优化治理模型的输入信息，确定所述的优化治理装置的参数，逐级训练，将上一区域的所述的优化治理模型的缓冲级每一个神经元的输出都输入到下一层所述的优化治理模型的隐藏层对应的神经元进行计算，并通过数据优化模块进行不断优化模型，经调解后的优化治理模型输出的预测特征数据作为控制器调整依据，所述的控制器接收到预测特征数据后，基于预测特征数据对每个供电端及负载端训练模型进行拟合或预测。通过Softmax分类，将单一特性预测值进行拟合，根据供能负载变化概率对每个供电柜和负载器给出能量调度和分配方案，输出预测结果和配置方案到所述的控制器，状态更新则被发送到所述的存储器。通过稳定其它参数不变，选取单一参数进行调整，以及通过交叉验证的方式搭建所述的优化治理模型，通过对供电端与负载端的电压、电流、功率预测，进行闭环调节。
[0006]优选的，所述的电网信息数据进行数字化预处理，选取元特征作为分类依据，用序列前向选择算法对实际信息数据进行特征筛选，对筛出的N个元特征数据编码为[x1，x2，x3
…
xN]，组成特征向量X，将实际信息数据进行维度重建，以实际信息数据样本时间维度扩张，样本时间维度由原来的1维变成了K维，成为适合所述的优化治理模型需要的维度，所述的优化治理模型需要输入前面K条的监控数据值作为输入，即X1，X2，X3
…
XK，称K为序列长度，定义序列为N个时间步长。
[0007]优选的，所述的隐藏层包含于多级网络结构，通过逐级训练所述的优化治理模型，将上一级所述的优化治理模型中的所述的隐藏层里每一个神经元的输出都输入到下一级所述的优化治理模型所述的隐藏层对应的神经元进行计算，经过计算后，将所述的优化治理模型最后输出序列的最后个数放入softmax分类器作为输出级，所述的softmax分类器输出为y，将所述的结果y填充到所述的数据优化模块，作为预测特征数据y
z
。
[0008]优选的，所述的优化治理模型接收所述的输入区中的原始电网采集数据，锚定为特征数据，所述的实际特征标签与所述的预测特征数据y
z
进行差值计算，并通过Nadam算法进行训练优化。
[0009]优选的，所述的优化治理模型中神经元的结构包括细胞状态c
t
、遗忘门f
t
、输入门i
t
和输出门o
t
，细胞状态c
t
为在循环周期内定义和维护一个内部记忆单元状态，通过遗忘门f
t
、输入门i
t
和输出门o
t
三个门结构对细胞状态c
t
更新，神经元中在不同时刻的各门计算公式如下：
[0010]f
t
＝σ(W
f
×
[h
t
‑1,x
t
]+b
f
)，
[0011]i
t
＝σ(W
i
·
[h
t
‑1,x
t
]+b
i
)，
[0012][0013][0014]o
t
＝σ(W
o
·
[h
t
‑1,x
t
]+b
o
)，
[0015]h
t
＝o
t
·
tanh(C
t
)。
[0016]其中式中W
f
、W
i
、W
C
、W
o
、b
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分布式能源优化治理装置，包括信息采集模块、管理模块、调整模块，所述的信息收集模块包括供电检测单元和用电检测单元，所述的管理模块包括的控制单元和运算单元，所述的运算单元包括运算电路和运算存储器，所述的运算存储器储存所述的信息采集模块采集的电网状态信息数据及设备信息运行信息数据，所述的运算单元通过对运算储存器内数据进行筛选、处理，构建能源优化治理模型并修正能源优化治理模型，所述的控制单元包括调控电路和调控储存器，所述的调控存储器储存所述的调整模块的状态数据，所述的调控电路控制所述的调整模块动作，所述的优化治理模型的建立方式如下： 所述的优化治理模型包括输入级、缓冲级、输出级和数据优化模块，所述的缓冲级获取所述的信息收集模块收集到的电网信息并对电网信息数据进行数字化预处理，提取特征和降维后作为所述的优化治理模型的输入信息，确定所述的优化治理装置的参数，逐级训练，将上一区域的所述的优化治理模型的缓冲级每一个神经元的输出都输入到下一层所述的优化治理模型的隐藏层对应的神经元进行计算，并通过数据优化模块进行不断优化模型，经调解后的优化治理模型输出的预测特征数据作为控制器调整依据，所述的控制器接收到预测特征数据后，基于预测特征数据对每个供电端及负载端训练模型进行拟合或预测，通过Softmax分类，将单一特性预测值进行拟合，根据供能负载变化概率对每个供电柜和负载器给出能量调度和分配方案，输出预测结果和配置方案到所述的控制器，状态更新则被发送到所述的存储器，通过稳定其它参数不变，选取单一参数进行调整，以及通过交叉验证的方式搭建所述的优化治理模型，通过对供电端与负载端的电压、电流、功率预测，进行闭环调节。2.根据权利要求1所述的一种分布式能源优化治理装置，其特征在于：所述的电网信息数据进行数字化预处理，选取元特征作为分类依据，用序列前向选择算法对实际信息数据进行特征筛选，对筛出的N个元特征数据编码为［x1，x2，x3
…
xN］，组成特征向量X，将实际信息数据进行维度重建，以实际信息数据样本时间维度扩张，样本时间维度由原来的1维变成了K维，成为适合所述的优化治理模型需要的维度，所述的优化治理模型需要输入前面K条的监控数据值作为输入，即X1，X2，X3
…
XK，称K为序列长度，定义序列为N个时间步长。3.根...

【专利技术属性】
技术研发人员：陈勇华，金科，冉赵洋，
申请(专利权)人：浙江涌原新能科技股份有限公司，
类型：发明
国别省市：