【技术实现步骤摘要】
本申请属于大数据电力分析领域，尤其涉及一种电力大数据边缘分析方法及系统。
技术介绍
1、电力大数据分析是指对电力系统中产生的海量数据进行分析，以获取有价值的信息，为电力企业的决策提供支持。电力大数据分析可以应用于电力系统的各个环节，包括发电、输电、配电、用电等。
2、现有的大数据分析的方法主要是通过云平台汇总所有包括智能电表在内的终端设备所采集的电力数据，然后进行大数据分析从而进行电力系统运行监控、故障诊断、优化调度等。
3、但是，由于电力大数据的数据量大，数据种类多和数据动态性强的特点，尤其是，电力大数据中存在大量的正常且无用的数据，将电力大数据输送到云平台再进行综合大数据分析的方法会产生较大的网路资源的浪费，而边缘设备仅用于数据中转也会存在算力闲置的问题。
4、为此，如何提供一种能够充分利用边缘设备算力且避免网路资源浪费的电力大数据边缘分析方法，是一个亟待解决的技术问题。
技术实现思路
1、本申请提供的一种电力大数据边缘分析方法，本方案通过将用电量预测分析的步骤卸载到边缘电力管理平台，由边缘电力管理平台进行针对其管理区域内各个用户的用电量预测，并汇总生成区域内的总用电量预测值，将总用电量预测值发送到电力管理云平台，从而协助云平台进行电力输配的计划指定。
2、一方面，本申请实施例提供了一种电力大数据边缘分析方法，该方法包括如下步骤：
3、边缘电力管理平台接收其管理区域内各个电力终端采集的分时段用电数据，汇总并存储预设长度
4、对于每个电力用户，边缘电力管理平台以电力用户的预设长度的历史时间内的分时段用电数据作为预训练的用电量预测模型的输入，生成对于预设长度的未来时间内的各用户用电量预测值；其中，所述用电量预测模型是以大数据规模的不同电力终端采集的分时段用电数据基于线性回归算法预训练得到的预测模型；
5、电力管理云平台周期性统计各个边缘电力管理平台的管理区域内的电力终端数量，并作为各个边缘电力管理平台的计算压力值，依据负载均衡的原则进行计算卸载，以均衡各个边缘电力管理平台待执行的对于电力用户预测生成预设长度的未来时间内的各用户用电量预测值的计算任务数量，并在计算任务执行结束后将结果回传到电力用户所属的边缘电力管理平台；
6、边缘电力管理平台汇总所有电力用户所对应的预设长度的未来时间内的各用户用电量预测值，生成在边缘电力管理平台的管理区域内对于预设长度的未来时间内的各区域用电量预测值，并将所述各区域用电量预测值向电力管理云平台传输。
7、采用上述方案，能够基于各个电力终端采集分时段用电数据，以历史时间内的多个用电数据作为输入，利用预训练的用电量预测模型预测用户在未来一段时间内的用电量，进而预测该边缘电力管理平台管理区域内的用电量，各区域内的用电量预测值可以辅助电力管理云平台进行电力输配计划的制定，利用计算卸载可以均衡各个电力管理云平台之间的计算量，从而避免不同平台之间的计算量不均衡所造成的在反馈各区域用电量预测值上的时间延误。
8、在本专利技术的一些实施方式中，该方法还包括：边缘电力管理平台将接收到的其管理区域内各个电力终端采集的分时段用电数据，发送到电力管理云平台，由电力管理云平台进行存储。
9、采用上述方案，基于云平台进行全部数据的存储，便于后续的回溯工作。
10、在本专利技术的一些实施方式中，所述电力管理云平台周期性统计各个边缘电力管理平台的管理区域内的电力终端数量，并作为各个边缘电力管理平台的计算压力值，依据负载均衡的原则进行计算卸载的步骤，基于预先存储的边缘电力管理平台网络拓扑结构，将需进行计算卸载的边缘电力管理平台待执行的计算任务按照就近原则卸载到相邻拓扑位置的其他边缘电力管理平台上。采用上述方案，基于计算卸载可以均衡各个电力管理云平台之间的计算量，从而避免不同平台之间的计算量不均衡所造成的在反馈各区域用电量预测值上的时间延误，按照就近原则也进一步避免了由于网络延迟可能导致的分析处理不及时的问题。
11、在本专利技术的一些实施方式中，该方法还包括以大数据规模的不同电力终端采集的分时段用电数据基于线性回归算法预训练得到用电量预测模型的步骤，该步骤包括：数据准备阶段，将大数据规模的不同电力终端采集的分时段用电数据作为用电量预测模型的训练集数据，对所述训练集数据进行包括数据清洗和数据标准化的预处理，从预处理后的训练集数据中提取特征；其中，所述训练集数据预先区分输入模型中的历史时间内的分时段用电数据和各用户用电量真实值；模型初始化阶段，对未训练的用电量预测模型赋予初值，并预设训练的迭代次数；模型训练阶段，将所述训练集数据所提取的特征输入到基于线性回归算法的用电量预测模型中获得预测结果，将所述预测结果与训练集数据包含的各用户用电量真实值进行比较，并修正所述耗材预测模型。
12、采用上述方案，能够针对性训练针对本方案中的用于用电量预测的预测模型。
13、在本专利技术的一些实施方式中，各个边缘电力管理平台上预先安装有预训练完成的用电量预测模型，该方法还包括：各个边缘电力管理平台基于接收的其管理区域内各个电力终端采集的分时段用电数据对预先安装的用电量预测模型进行优化。
14、采用上述方案，各个边缘电力管理平台分别针对性的对其范围内的用户进行针对性优化，从而更好的适配用户画像。
15、在本专利技术的一些实施方式中，该方法还包括：边缘电力管理平台基于接收到的其管理区域内各个电力终端采集的真实的分时段用电数据，与历史时间内生成的的各区域用电量预测值进行比对，并计算对于每个电力用户的用电量偏离度，当检测到所述用电量偏离度高于预设阈值，生成包含电力用户编码的预警信息到电力管理云平台，从而由相关人员进行风险排查。
16、采用上述方案，利用预测值与真实值的对比，识别用户的用电异常情况，利用偏离度来对用电异常情况进行量化。
17、在本专利技术的一些实施方式中，该方法还包括：边缘电力管理平台以电力用户的预设长度的历史时间内的分时段用电数据作为预训练的用户画像分类模型的输入，生成对于每个电力用户的用户画像标签，基于用户画像标签辅助用户的用电量预测。
18、采用上述方案，能够通过用户画像针对性的进行用电量预测辅助，从而更加精确的进行用电量预测。
19、在本专利技术的一些实施方式中，该方法还包括：电力管理云平台基于来自各边缘电力管理平台的各区域用电量预测值，生成电力输配计划。
20、采用上述方案，充分利用用电量预测值生成电力输配计划，尽可能的减少了由于电力输配与用电量的参差所导致的电力浪费。
21、另一方面，本申请实施例提供了一种电力大数据边缘分析系统，包括处理器和存储器，存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该系统实现如上实施例中任一项所述方法的步骤本文档来自技高网...
【技术保护点】
1.一种电力大数据边缘分析方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，该方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述电力管理云平台周期性统计各个边缘电力管理平台的管理区域内的电力终端数量，并作为各个边缘电力管理平台的计算压力值，依据负载均衡的原则进行计算卸载的步骤，基于预先存储的边缘电力管理平台网络拓扑结构，将需进行计算卸载的边缘电力管理平台待执行的计算任务按照就近原则卸载到相邻拓扑位置的其他边缘电力管理平台上。
4.根据权利要求1所述的方法，其特征在于，该方法还包括以大数据规模的不同电力终端采集的分时段用电数据基于线性回归算法预训练得到用电量预测模型的步骤，该步骤包括：
5.根据权利要求4所述的方法，其特征在于，各个边缘电力管理平台上预先安装有预训练完成的用电量预测模型，该方法还包括：
6.根据权利要求1所述的方法，其特征在于，该方法还包括：
7.根据权利要求1所述的方法，其特征在于，该方法还包括：
8.根据权利要求1所述的方法，其特征在于，
9.一种电力大数据边缘分析系统，包括处理器和存储器，其特征在于，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该系统实现如权利要求1至8中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
...【技术特征摘要】
1.一种电力大数据边缘分析方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，该方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述电力管理云平台周期性统计各个边缘电力管理平台的管理区域内的电力终端数量，并作为各个边缘电力管理平台的计算压力值，依据负载均衡的原则进行计算卸载的步骤，基于预先存储的边缘电力管理平台网络拓扑结构，将需进行计算卸载的边缘电力管理平台待执行的计算任务按照就近原则卸载到相邻拓扑位置的其他边缘电力管理平台上。
4.根据权利要求1所述的方法，其特征在于，该方法还包括以大数据规模的不同电力终端采集的分时段用电数据基于线性回归算法预训练得到用电量预测模型的步骤，该步骤包括：
5.根据权利...
【专利技术属性】
技术研发人员：姚洪磊，刘新，常英贤，刘冬兰，马雷，张昊，王睿，苏冰，于灏，张方哲，孙梦谦，孙莉莉，赵夫慧，李玉华，金玉辉，赵鹏，王勇，秦佳峰，赵川，赵大伟，徐丽娟，
申请(专利权)人：国网山东省电力公司电力科学研究院，
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。