一种城市综合能源系统实时监控分析方法、装置及电子设备制造方法及图纸

技术编号:38577864 阅读:13 留言:0更新日期:2023-08-26 23:24
本申请涉及一种城市综合能源系统实时监控分析方法、装置及电子设备,所述方法包括:获取多个终端在预设时间段内生成的能源使用数据,根据能源使用数据的生成时间顺序生成每个终端对应的时间序列数据后输入能源预测分析模型,筛选出能源预测数据大于限制值的终端作为目标终端,根据目标终端的位置信息确定目标终端的关联终端,并实时监测目标终端记录的能源使用数据,当目标终端记录的能源使用数据大于第一预设值时,获取目标终端对应的标记类型,其中,限制值大于第一预设值,根据标记类型对关联终端记录的能源使用数据进行监控。本申请可以仅对关联终端对应的能源使用设备进行控制,防止目标终端与关联终端的能源使用设备均受限制。均受限制。均受限制。

【技术实现步骤摘要】
一种城市综合能源系统实时监控分析方法、装置及电子设备


[0001]本申请涉及能源监控
,尤其涉及一种城市综合能源系统实时监控分析方法、装置及电子设备。

技术介绍

[0002]城市综合能源包括电力供应、用水供应及燃气供应等,城市综合能源系统是指在规划、设计、建设和运行等过程中,通过对各类能源的产生、传输与分配、转换、存储、消费等环节进行有机协调与优化后,所形成的社会综合能源产供消一体化系统。
[0003]目前,在传统的电力、水以及供气供热系统的调度体系中,为了缓和电力供需矛盾和节约能源,电力部门通常采用鼓励合理安排用电时间、推进节能用电设备的改造等方式引导用户合理用电和节约用电。但由于某些场所的用电需求较大或停电带来的影响较大(例如,医院),当该场所的用电量较大,且与其属于相同供电线路的场所用电量也较大时,可能导致超负荷断电的情况。由于某些场所的断电影响较大,需要尽可能保证该场所的正常供电。因此,如何在不影响该场所正常使用用电设备的前提下,尽可能保证该场所的正常供电,已成为本领域技术人员亟待解决的技术问题。

技术实现思路

[0004]鉴于以上内容,本申请提供一种城市综合能源系统实时监控分析方法、装置及电子设备,其目的在于解决上述技术问题。
[0005]第一方面,本申请提供一种城市综合能源系统实时监控分析方法,所述方法包括:
[0006]获取多个终端在预设时间段内生成的能源使用数据,根据所述能源使用数据的生成时间顺序生成每个所述终端对应的时间序列数据;
[0007]将所述时间序列数据输入预先训练的能源预测分析模型,获得每个所述终端的能源预测数据;
[0008]将每个所述终端的能源预测数据与每个所述终端预设的限制值进行对比,筛选出所述能源预测数据大于所述限制值的终端作为目标终端,根据所述目标终端的位置信息确定所述目标终端的关联终端,并实时监测所述目标终端记录的能源使用数据;
[0009]当所述目标终端记录的能源使用数据大于第一预设值时,获取所述目标终端对应的标记类型,其中,所述限制值大于所述第一预设值;
[0010]根据所述标记类型对所述关联终端记录的能源使用数据进行监控。
[0011]优选地,在根据所述标记类型对所述关联终端记录的能源使用数据进行监控之后,所述方法还包括:
[0012]判断所述关联终端记录的能源使用数据的是否大于第二预设值;
[0013]若是,发送预设提示信息至所述关联终端对应的用户;
[0014]判断是否接收到所述用户基于所述提示信息发送的反馈信息;
[0015]若是,对所述用户对应的能源使用设备进行控制。
[0016]优选的,所述对所述用户对应的能源使用设备进行控制,包括:
[0017]读取所述反馈信息中携带的分值;
[0018]若所述分值落入第一预设区间,对所述能源使用设备中的第一设备的进行控制;
[0019]若所述分值落入第二预设区间,对所述能源使用设备中的第一设备和第二设备的进行控制。
[0020]优选的,所述能源预测分析模型基于神经网络训练得到,具体训练步骤包括:
[0021]设定神经网络的初始参数,计算所述神经网络的隐含层节点数量的取值范围;
[0022]分别计算所述隐含层节点数量等于所述取值范围中各取值时的神经网络模型的学习误差;
[0023]将学习误差取值最小时确定的神经网络模型作为所述能源预测分析模型。
[0024]优选的,所述计算所述神经网络的隐含层节点数量的取值范围的计算公式,包括:
[0025][0026]其中,K表示训练样本集中样本的个数,n1表示神经网络模型的隐含层节点数量,n表示神经网络模型的输入层节点数量,i表示[0,n]的整数
[0027]优选的,所述根据所述目标终端的位置信息确定所述目标终端的关联终端,包括:
[0028]获取所述目标终端的位置信息;
[0029]根据所述目标终端的位置信息,获取与所述目标终端属于相同能源供应支路的终端,作为所述目标终端的关联终端。
[0030]优选的,所述根据所述标记类型对所述关联终端记录的能源使用数据进行监控,包括:
[0031]当所述标记类型为预设重要标记时,对所述关联终端的能源使用数据进行实时监控;
[0032]当所述标记类型为预设非重点标记时,每隔预设时间段对所述关联终端的能源使用数据进行监控。
[0033]第二方面,本申请提供一种城市综合能源系统实时监控分析装置,该城市综合能源系统实时监控分析装置包括:
[0034]第一获取模块:用于获取多个终端在预设时间段内生成的能源使用数据,根据所述能源使用数据的生成时间顺序生成每个所述终端对应的时间序列数据;
[0035]输入模块:用于将所述时间序列数据输入预先训练的能源预测分析模型,获得每个所述终端的能源预测数据;
[0036]筛选模块:用于将每个所述终端的能源预测数据与每个所述终端预设的限制值进行对比,筛选出所述能源预测数据大于所述限制值的终端作为目标终端,根据所述目标终端的位置信息确定所述目标终端的关联终端,并实时监测所述目标终端记录的能源使用数据;
[0037]第二获取模块:用于当所述目标终端记录的能源使用数据大于第一预设值时,获取所述目标终端对应的标记类型,其中,所述限制值大于所述第一预设值;
[0038]监控模块:用于根据所述标记类型对所述关联终端记录的能源使用数据进行监
控。
[0039]第三方面,本申请提供一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
[0040]存储器,用于存放计算机程序;
[0041]处理器,用于执行存储器上所存放的程序时,实现第一方面任一项实施例所述的城市综合能源系统实时监控分析方法的步骤。
[0042]第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面任一项实施例所述的城市综合能源系统实时监控分析方法的步骤。
[0043]本申请实施例提供的上述技术方案与现有技术相比具有如下优点:
[0044]本申请获取多个终端在预设时间段内生成的能源使用数据,根据能源使用数据的生成时间顺序生成每个终端对应的时间序列数据后输入预先训练的能源预测分析模型,获得每个终端的能源预测数据,将每个终端的能源预测数据与每个终端预设的限制值进行对比,筛选出能源预测数据大于限制值的终端作为目标终端,根据目标终端的位置信息确定目标终端的关联终端,并实时监测目标终端记录的能源使用数据,当目标终端记录的能源使用数据大于第一预设值时,获取目标终端对应的标记类型,其中,限制值大于第一预设值,根据标记类型对关联终端记录的能源使用数据进行监控。在目标终端记录的能源数据较大时,对目标终端对应的关联终端进行监控,从而可以仅对关联终端对应的能源使用设备进行相关控制,本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种城市综合能源系统实时监控分析方法,其特征在于,包括:获取多个终端在预设时间段内生成的能源使用数据,根据所述能源使用数据的生成时间顺序生成每个所述终端对应的时间序列数据;将所述时间序列数据输入预先训练的能源预测分析模型,获得每个所述终端的能源预测数据;将每个所述终端的能源预测数据与每个所述终端预设的限制值进行对比,筛选出所述能源预测数据大于所述限制值的终端作为目标终端,根据所述目标终端的位置信息确定所述目标终端的关联终端,并实时监测所述目标终端记录的能源使用数据;当所述目标终端记录的能源使用数据大于第一预设值时,获取所述目标终端对应的标记类型,其中,所述限制值大于所述第一预设值;根据所述标记类型对所述关联终端记录的能源使用数据进行监控。2.如权利要求1所述的城市综合能源系统实时监控分析方法,其特征在于,在根据所述标记类型对所述关联终端记录的能源使用数据进行监控之后,所述城市综合能源系统实时监控分析方法还包括:判断所述关联终端记录的能源使用数据是否大于第二预设值;若是,发送预设提示信息至所述关联终端对应的用户;判断是否接收到所述用户基于所述提示信息发送的反馈信息;若是,对所述用户对应的能源使用设备进行控制。3.如权利要求2所述的城市综合能源系统实时监控分析方法,其特征在于,所述对所述用户对应的能源使用设备进行控制,包括:读取所述反馈信息中携带的分值;若所述分值落入第一预设区间,对所述能源使用设备中的第一设备的进行控制;若所述分值落入第二预设区间,对所述能源使用设备中的第一设备和第二设备的进行控制。4.如权利要求1所述的城市综合能源系统实时监控分析方法,其特征在于,所述能源预测分析模型基于神经网络训练得到,具体训练步骤包括:设定神经网络的初始参数,计算所述神经网络的隐含层节点数量的取值范围;分别计算所述隐含层节点数量等于所述取值范围中各取值时的神经网络模型的学习误差;将学习误差取值最小时确定的神经网络模型作为所述能源预测分析模型。5.如权利要求4所述的城市综合能源系统实时监控分析方法,其特征在于,所述计算所述神经网络的隐含层...

【专利技术属性】
技术研发人员:王利民林毅忠石微石志峰乔良韩鹏赵伟栋原晋东梁波王权王瑛石岳波赵志红奥云军朱红满
申请(专利权)人:山西省安装集团股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1