【技术实现步骤摘要】
本专利技术涉及电力能源管理，特别是一种基于大数据的电力能源管理方法及系统。
技术介绍
1、在现代电力系统中，随着能源需求的不断增长和电力网络的复杂化，如何有效地管理和优化电力能源成了一个亟待解决的问题，传统的电力能源管理方法主要依赖于静态的数据分析和手工调度，这种方法不仅效率低下，而且难以应对电力系统的动态变化，近年来，随着大数据技术和物联网（iot）的快速发展，基于大数据的电力能源管理方法逐渐成为研究的热点，大数据技术通过对海量数据的收集、存储和分析，可以实现对电力系统运行状态的实时监测和预测，从而为电力能源管理提供更加精确和高效的解决方案，此外，智能电表的普及使得电力数据的采集更加全面和实时，为基于大数据的电力能源管理方法提供了坚实的数据基础，但现有的大数据电力能源管理技术仍存在不足，现有的电力区域划分方法大多基于简单的地理位置或负荷特征，缺乏对时间序列数据的深度分析，导致电力区域划分结果准确性不足，进而影响电力负荷计算的精准性。
技术实现思路
1、鉴于上述现有的基于大数据的电力能源管理方法及系统中存在的问题，提出了本专利技术。
2、因此，本专利技术所要解决的问题在于现有的电力区域划分方法大多基于简单的地理位置或负荷特征，缺乏对时间序列数据的深度分析，导致电力区域划分结果准确性不足，进而影响电力负荷计算的精准性。
3、为解决上述技术问题，本专利技术提供如下技术方案：一种基于大数据的电力能源管理方法，其包括，在电力网络中安装智能电表收集电力数据传输至数据中
4、作为本专利技术所述基于大数据的电力能源管理方法的一种优选方案，其中：所述在电力网络中安装智能电表收集电力数据传输至数据中心进行预处理指在电力网络中安装智能电表采集电力数据并通过无线网络实时传输至数据中心进行预处理，将智能电表作为电力网络中节点并记录节点位置。
5、作为本专利技术所述基于大数据的电力能源管理方法的一种优选方案，其中：所述数据中心根据电力数据划分电力区域包括：
6、计算电力数据的自相关系数：
7、；
8、其中cov（xi，t，xi，t+j）为时间t和时间t+j之间电力数据xi的协方差，var（xi，t）和var（xi，t+j）分别是时间t和时间t+j的电力数据xi的方差；
9、计算电力数据的部分自相关系数：
10、；
11、其中和以及分别为第k个、第k-j个以及第j个节点的电力数据的自相关系数，和分别为第k个和第j个节点的电力数据的部分自相关系数；
12、将电力数据按照比例进行分割，确定电力数据分位数，根据分位数计算分位数自协方差：
13、；
14、其中和分别为电力数据xi在分位数和的值，i为指示函数，当满足条件时为1，否则为0；
15、分别计算节点对的自相关系数、部分自相关系数以及分位数自协方差之间的距离：
16、；
17、；
18、；
19、其中dac、dpac以及dqc分别为节点对中xi和xj的自相关系数、部分自相关系数以及分位数自协方差，和分别为电力数据xi和xj的自相关系数，和分别为电力数据xi和xj的部分自相关系数，和分别为电力数据xi和xj的分位数自协方差；
20、将所有节点对的dac、dpac以及dqc构建为距离矩阵dm：
21、；
22、其中dm包括dac、dpac以及dqc；
23、根据距离矩阵dm进行层次聚类，设定聚类数量，将每个节点作为一个单独聚类，找到距离最小的两个聚类进行合并形成新聚类并更新距离矩阵，迭代进行层次聚类直至达到设定的聚类数量后停止；
24、根据最终聚类结果提取节点位置，并根据聚类结果中节点位置划分电力区域。
25、作为本专利技术所述基于大数据的电力能源管理方法的一种优选方案，其中：所述计算每个电力区域的电力负荷包括，
26、定义负荷成分包括居民用电、商业用电以及工业用电，通过电力数据确定每个节点负荷的值，并通过聚类分析得到每个负荷在电力区域中的中心节点位置，定义每个负荷的时间变化归一化函数为：
27、；
28、其中为负荷m在时间t的归一化值，为负荷m在时间t的实际值，t为时间总长度；
29、提取电力区域中节点的位置坐标，定义电力区域电力负荷模型为：
30、;
31、其中q为电力区域的电力负荷，g为电力区域中节点总数，为节点g的负荷m在时间t的实际值，n为负荷成分总数，rg为节点g的位置，rm为负荷m在电力区域分布的中心节点位置，为节点g的负荷m在时间t的归一化值，为宽度参数;
32、收集电力区域的历史电力数据通过非线性回归方法拟合电力负荷模型，得到最优宽度参数；
33、将电力区域的电力数据输入电力负荷模型中获得电力区域的电力负荷。
34、作为本专利技术所述基于大数据的电力能源管理方法的一种优选方案，其中：所述根据电力负荷预测每个电力区域的电力需求，并优化各电力区域的电力供应指构建支持向量回归模型，使用训练集和损失函数进行支持向量回归模型训练，调整支持向量回归模型最小化预测误差；
35、基于电力区域的电力负荷使用支持向量回归模型预测电力区域的电力需求p；
36、构建gbdt模型，定义输入内容为电力负荷和电力需求，优化目标为最小发电成本，设置初始参数进行gbdt模型的迭代训练；
37、将电力区域的电力负荷q和电力需求p输入gbdt模型得到电力区域的最小发电成本，基于最小发电成本计算最优发电量，根据最优发电量优化电力区域的电力供应。
38、作为本专利技术所述基于大数据的电力能源管理方法的一种优选方案，其中：所述数据中心将电力数据进行展示指数据中心获取电力数据后将电力数据形成可视化图表进行展示，并根据实时收集的电力数据更新可视化图表，同步根据电力区域对电力数据进行分类存储。
39、作为本专利技术所述基于大数据的电力能源管理方法的一种优选方案，其中：所述收集电力需求和电力供应结果进行存储指数据中心划分电力区域后收集每个电力区域的电力需求和电力供应优化结果与电力数据进行同步展示，并按照电力区域将电力需求和电力供应优化结果与电力数据同步分类存储。
40、本专利技术的另外一个目的是提供一种基于大数据的电力能源管理系统，其包括，数据收集模块，用于通过智能电表收集电力数据并传输至数据中心进行预处理；
41、负荷计算模块，用于根据电力数据划分电力区域，并根据电力区域中电力数据计算电力负荷；
42、供应优化模块，用于根据电力区域的电力负荷预测电力需求，并根据电力负荷与电力需本文档来自技高网...
【技术保护点】
1.一种基于大数据的电力能源管理方法，其特征在于：包括，
2.如权利要求1所述的基于大数据的电力能源管理方法，其特征在于：所述在电力网络中安装智能电表收集电力数据传输至数据中心进行预处理指在电力网络中安装智能电表采集电力数据并通过无线网络实时传输至数据中心进行预处理，将智能电表作为电力网络中节点并记录节点位置。
3.如权利要求2所述的基于大数据的电力能源管理方法，其特征在于：所述数据中心根据电力数据划分电力区域包括：
4.如权利要求3所述的基于大数据的电力能源管理方法，其特征在于：所述计算每个电力区域的电力负荷包括，
5.如权利要求4所述的基于大数据的电力能源管理方法，其特征在于：所述根据电力负荷预测每个电力区域的电力需求，并优化各电力区域的电力供应指构建支持向量回归模型，使用训练集和损失函数进行支持向量回归模型训练，调整支持向量回归模型最小化预测误差；
6.如权利要求5所述的基于大数据的电力能源管理方法，其特征在于：所述数据中心将电力数据进行展示指数据中心获取电力数据后将电力数据形成可视化图表进行展示，并根据实时收集的
7.如权利要求6所述的基于大数据的电力能源管理方法，其特征在于：所述收集电力需求和电力供应结果进行存储指数据中心划分电力区域后收集每个电力区域的电力需求和电力供应优化结果与电力数据进行同步展示，并按照电力区域将电力需求和电力供应优化结果与电力数据同步分类存储。
8.一种如权利要求1-7任一所述的基于大数据的电力能源管理方法的电力能源管理系统，其特征在于：包括，
9.一种计算机设备，包括：存储器和处理器；所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的基于大数据的电力能源管理方法的步骤。
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：所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于大数据的电力能源管理方法的步骤。
...【技术特征摘要】
1.一种基于大数据的电力能源管理方法，其特征在于：包括，
2.如权利要求1所述的基于大数据的电力能源管理方法，其特征在于：所述在电力网络中安装智能电表收集电力数据传输至数据中心进行预处理指在电力网络中安装智能电表采集电力数据并通过无线网络实时传输至数据中心进行预处理，将智能电表作为电力网络中节点并记录节点位置。
3.如权利要求2所述的基于大数据的电力能源管理方法，其特征在于：所述数据中心根据电力数据划分电力区域包括：
4.如权利要求3所述的基于大数据的电力能源管理方法，其特征在于：所述计算每个电力区域的电力负荷包括，
5.如权利要求4所述的基于大数据的电力能源管理方法，其特征在于：所述根据电力负荷预测每个电力区域的电力需求，并优化各电力区域的电力供应指构建支持向量回归模型，使用训练集和损失函数进行支持向量回归模型训练，调整支持向量回归模型最小化预测误差；
6.如权利要求5所述的基于大数据的电力能源管理方法，其特征在于：所述数据中心将电力...
【专利技术属性】
技术研发人员：赵娟，魏丽，张宁，蒋慧玲，雷震，罗继东，
申请(专利权)人：内蒙古东创售电有限公司，
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。