【技术实现步骤摘要】
本专利技术属于电力能源管理，具体涉及一种基于多能系统的电力能源需求动态管理方法及装置。
技术介绍
1、随着我国经济的持续快速发展，我国的电力行业迅速壮大，但也暴露出一些问题，其中最突出的问题莫过于供需矛盾。随着能源消费的持续增长，加之节能减排和新能源开发的滞后，供需矛盾越来越严重，已成为制约经济发展的重要因素。然而，能源管理方面存在的一些问题也加剧了这些矛盾，一方面，由于能源供应链的问题，一些地区存在能源供应不稳定的情况，这可能导致能源短缺、停电等问题，影响生产和生活；另一方面，能源管理不规范，一些企业和机构对能源的管理不规范，缺乏科学的管理方法和监测手段，这会导致能源消耗无法控制和优化，增加了能源成本。为了解决上述能源管理方面存在的诸多问题，本专利技术提出了一种基于多能系统的电力能源需求动态管理方法及装置。
技术实现思路
1、本专利技术的目的在于提供一种基于多能系统的电力能源需求动态管理方法及装置，以科学的管理和监测能源需求，为能源管理提供有效支撑。
2、第一方面，本专利技术提供了一种基于多能系统的电力能源需求动态管理方法，包括如下步骤：
3、s1、以用电用户为根节点、用电设备为子节点，沿配电线路构建多个用电用户结构树；
4、s2、获取用电用户结构树的历史能耗数据，对选取的多个神经网络模型分别进行训练，采用训练后的多个神经网络模型分别对用电用户结构树的能耗进行多次预测，选取预测准确率最高的三个神经网络模型；
5、s3、对预测准确率最
6、s4、采用混合神经网络模型对用电用户结构树的能耗进行预测，当预测准确率大于或等于预设阈值时，则将混合神经网络模型作为用电用户结构树的目标神经网络模型；当预测准确率低于预设阈值时，则返回步骤s2重复执行；
7、s5、对配电线路沿线的所有用电用户结构树均执行步骤s2~步骤s4，分别获取各个用电用户结构树对应的目标神经网络模型；
8、s6、当配电线路新增用电用户时，新增用电用户结构树，计算新增用电用户结构树与原有用电用户结构树之间的相似度；
9、s7、选取与新增用电用户结构树相似度最大的原有用电用户结构树所对应的目标神经网络模型对新增用电用户的能耗进行预测，获取第一能耗预测数据；
10、s8、当配电线路新增用电设备时，在新增用电设备的原有用电用户结构树中新增用电设备子节点，基于新增用电设备子节点对新增用电设备的原有用电用户的能耗进行预测，获取第二能耗预测数据；
11、s9、根据第一能耗预测数据、第二能耗预测数据对配电线路的能源进行调配管理。
12、进一步地，所述神经网络模型包括cnn、dnn、resnet、gan、rnn、lstm、stgcn或者darnn。
13、进一步地，所述计算新增用电用户结构树与原有用电用户结构树之间的相似度具体包括如下的步骤：
14、获取新增用电用户结构树特征参数与原有用电用户结构树特征参数，新增用电用户结构树特征参数与原有用电用户结构树特征参数均包括用电用户用电类型、用电设备类型、用电设备功率、用电设备使用时长；
15、采用熵权法分别计算新增用电用户结构树特征参数与原有用电用户结构树特征参数中各特征参数的权重；
16、新增用电设备子节点根据权重计算新增用电用户结构树和原有用电用户结构树的相似度。
17、进一步地，所述基于新增用电设备子节点对新增用电设备的原有用电用户的能耗进行预测，获取第二能耗预测数据包括：
18、遍历新增用电设备的原有用电用户结构树，如果新增用电设备的原有用电用户结构树中存在与新增用电设备参数相同的用电设备，则继续采用新增用电设备的原有用电用户结构树对应的目标神经网络模型对新增用电设备的原有用电用户的能耗进行预测，获取第三能耗预测数据，则第二能耗预测数据等于第三能耗预测数据。
19、进一步地，所述基于新增用电设备子节点对新增用电设备的原有用电用户的能耗进行预测，获取第二能耗预测数据包括：
20、遍历新增用电设备的原有用电用户结构树，如果新增用电设备的原有用电用户结构树中不存在与新增用电设备参数相同的用电设备，则首先采用新增用电设备的原有用电用户结构树对应的目标神经网络模型对新增用电设备的原有用电用户结构树新增用电设备前的能耗进行预测，获取第四能耗预测数据；
21、遍历配电线路上的所有用电用户结构树，从存在相同的用电设备的所有用电用户结构树中选择与该新增用电设备的原有用电用户结构树相似度最高的用电用户结构树作为目标用电用户结构树；
22、对目标用电用户结构树中与新增用电设备参数相同的用电设备的能耗进行预测，获取第五能耗预测数据；
23、则第二能耗预测数据等于第四能耗预测数据与第五能耗预测数据之和。
24、进一步地，所述对目标用电用户结构树中与新增用电设备参数相同的用电设备的能耗进行预测具体包括：
25、如果与新增用电设备参数相同的用电设备存在独立电能表，则通过电能表获取该用电设备的能耗数据，输入到目标用电用户结构树对应的目标神经网络模型获取能耗预测数据，即为第五能耗预测数据。
26、进一步地，所述对目标用电用户结构树中与新增用电设备参数相同的用电设备的能耗进行预测具体包括：
27、如果与新增用电设备参数相同的用电设备不存在独立电能表，则获取目标用电用户结构树的历史能耗数据，该历史能耗数据为目标用电用户结构树的总能耗数据，对选取的神经网络模型进行训练，经过训练的神经网络模型以目标用电用户结构树的历史能耗数据为输入，输出为目标用电用户结构树中相同的用电设备的能耗预测数据，即为第五能耗预测数据。
28、第二方面，本专利技术还提供了一种基于多能系统的电力能源需求动态管理装置，包括如下的模块：
29、用电用户结构树构建模块，用来以用电用户为根节点、用电设备为子节点，沿配电线路构建多个用电用户结构树；
30、模型构建模块，用来构建用电用户结构树的目标神经网络模型；
31、第一能耗预测模块，用来当配电线路新增用电用户时，对新增用电用户的能耗进行预测，获取第一能耗预测数据；
32、第二能耗预测模块，用来当配电线路新增用电设备时，对新增用电设备的原有用电用户的能耗进行预测，获取第二能耗预测数据；
33、能源管理模块，用来根据第一能耗预测数据、第二能耗预测数据对配电线路的能源进行调配管理。
34、第三方面，本专利技术还提供了一种计算机存储介质，所述计算机存储介质存储有程序指令，其中，在所述程序指令运行时控制所述计算机存储介质所在设备执行如前所述的方法。
35、第四方面，本专利技术还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行如前所述的方法。
36、与现有技术相比，本专利技术的有益效果至少如下所述：
本文档来自技高网...【技术保护点】
1.一种基于多能系统的电力能源需求动态管理方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于多能系统的电力能源需求动态管理方法，其特征在于，所述神经网络模型包括CNN、DNN、ResNet、GAN、RNN、LSTM、STGCN或者DARNN。
3.根据权利要求1所述的一种基于多能系统的电力能源需求动态管理方法，其特征在于，所述计算新增用电用户结构树与原有用电用户结构树之间的相似度具体包括如下的步骤：
4.根据权利要求1所述的一种基于多能系统的电力能源需求动态管理方法，其特征在于，所述基于新增用电设备子节点对新增用电设备的原有用电用户的能耗进行预测，获取第二能耗预测数据包括：
5.根据权利要求1所述的一种基于多能系统的电力能源需求动态管理方法，其特征在于，所述基于新增用电设备子节点对新增用电设备的原有用电用户的能耗进行预测，获取第二能耗预测数据包括：
6.根据权利要求5所述的一种基于多能系统的电力能源需求动态管理方法，其特征在于，所述对目标用电用户结构树中与新增用电设备参数相同的用电设备的能耗进行预测具体包
7.根据权利要求5所述的一种基于多能系统的电力能源需求动态管理方法，其特征在于，所述对目标用电用户结构树中与新增用电设备参数相同的用电设备的能耗进行预测具体包括：
8.一种基于多能系统的电力能源需求动态管理装置，用于实现如权利要求1-7任一项所述的方法，其特征在于，包括如下的模块：
9.一种计算机存储介质，其特征在于，所述计算机存储介质存储有程序指令，其中，在所述程序指令运行时控制所述计算机存储介质所在设备执行权利要求1至7中任意一项所述的方法。
10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至7中任意一项所述的方法。
...【技术特征摘要】
1.一种基于多能系统的电力能源需求动态管理方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于多能系统的电力能源需求动态管理方法，其特征在于，所述神经网络模型包括cnn、dnn、resnet、gan、rnn、lstm、stgcn或者darnn。
3.根据权利要求1所述的一种基于多能系统的电力能源需求动态管理方法，其特征在于，所述计算新增用电用户结构树与原有用电用户结构树之间的相似度具体包括如下的步骤：
4.根据权利要求1所述的一种基于多能系统的电力能源需求动态管理方法，其特征在于，所述基于新增用电设备子节点对新增用电设备的原有用电用户的能耗进行预测，获取第二能耗预测数据包括：
5.根据权利要求1所述的一种基于多能系统的电力能源需求动态管理方法，其特征在于，所述基于新增用电设备子节点对新增用电设备的原有用电用户的能耗进行预测，获取第二能耗...
【专利技术属性】
技术研发人员：任娇蓉，翁格平，方建迪，费魏，江昊，卿华，叶晨，崔勤越，江涵，龙正雄，谢楚，
申请(专利权)人：国网浙江省电力有限公司宁波供电公司，
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。