【技术实现步骤摘要】
本申请涉及人工智能的能源管理，尤其涉及一种应用于云边协同的能源管理方法及相关设备。
技术介绍
1、随着大数据、云平台、物联网等相关技术的快速发展，新能源监控和大数据中心的建设可以提高新能源发电企业的效率。而在新能源领域，风电、光伏发电、地热发电等模式也逐渐被重视。
2、对于新能源的电力管理，目前执行能源管理方法的通常是固定的电力管理中心平台。
3、但是，申请人发现，传统的能源管理方法普遍不智能，具体的，由于新能源发电的不稳定性，可能在不同阶段电力输出会发生较大的变化，因此，上述的一体化的管理系统方式，电力管理中心平台在进行能源管理时，需要在各个工况下对所有供电电网中的新能源供电电源进行管理，由于传统的管理模式较为单一、管理效率较低，导致无法很好的适配不同的供电工况，由此可见，传统的能源管理方法存在适配性低、管理效率低的问题。
技术实现思路
1、本申请实施例的目的在于提出一种应用于云边协同的能源管理方法、装置、计算机设备及存储介质，以解决传统的能源管理方法存在适配性低、管理效率低的问题。
2、为了解决上述技术问题，本申请实施例提供一种应用于云边协同的能源管理方法，采用了如下所述的技术方案：
3、所述方法应用于云边协同的能源管理系统，其中，所述系统包括n个云数据中心以及m个边端节点，每个所述边端节点与至少一个所述云数据中心通信连接，每个所述边端节点用于对至少一个区域供电电网的供电数据进行监控，所述方法包括下述步骤：
4、接收目
5、采集与所述目标边端节点标识相对应的目标区域供电电网的当前供电数据；
6、根据所述当前供电数据进行电力预测操作，得到预测电力供给数据；
7、对所述预计电力需求数据以及所述预测电力供给数据进行比对操作，得到比对结果；
8、根据所述比对结果确定对所述目标区域供电电网进行能源管理的管理节点，其中，所述管理节点为所述与所述目标边端节点标识相对应的目标边端节点或者所述目标云数据中心。
9、进一步的，所述根据所述当前供电数据进行电力预测操作，得到预测电力供给数据的步骤，具体包括下述步骤：
10、读取系统数据库，并在所述系统数据库中获取与所述目标区域供电电网相对应的历史供电数据；
11、根据所述历史供电数据构建时序预测模型；
12、将所述当前供电数据输入至所述时序预测模型进行预测操作，得到所述预测电力供给数据。
13、进一步的，所述根据所述当前供电数据进行电力预测操作，得到预测电力供给数据的步骤，具体包括下述步骤：
14、读取系统数据库，并在所述系统数据库中获取与所述目标区域供电电网相对应的历史供电数据以及影响因素集合；
15、根据相关系数法以及所述历史供电数据对所述影响因素集合进行筛选操作，得到关键影响因素；
16、在所述历史供电数据中获取与所述关键影响数据相对应的电量供给值，得到训练数据集；
17、将所述训练数据集输入至初始回归预测模型进行模型训练操作，直至所有所述训练数据集均完成模型训练操作后，得到训练好的电力预测模型；
18、将所述当前供电数据输入至所述电力预测模型进行电力预测操作，得到所述预测电力供给数据。
19、进一步的，所述在所述历史供电数据中获取与所述关键影响数据相对应的电量供给值，得到训练数据集的步骤，具体包括下述步骤：
20、依次获取所述关键影响数据中的元素作为目标因素；
21、从所述历史供电数据中获取与所述目标因素相对应的电量变化值以及电量变化时间，并根据所述电量变化值以及电量变化时间构建三元组数据，其中，所述三元组数据包括所述电量变化值的电量变化前数据、电量变化后数据以及所述电量变化时间；
22、获得所述目标因素在所述历史供电数据对应的所有三元组数据，得到json数组，其中，每个所述三元组数据分别为所述json数组中的一个元素；
23、将所述关键影响数据中所有元素的json数组作为所述训练数据集。
24、进一步的，在所述将所述训练数据集输入至初始回归预测模型进行模型训练操作，直至所有所述训练数据集均完成模型训练操作后，得到训练好的电力预测模型的步骤之前，还包括下述步骤：
25、采用pso粒子群算法对预构建的回归预测模型的惩罚因子和核函数参数进行最优解搜索，获得最优解搜索结果；
26、将所述最优解搜索结果作为模型参数设置到所述预构建的回归预测模型内，获得基于粒子群算法改进的回归预测模型；
27、所述将所述训练数据集输入至初始回归预测模型进行模型训练操作，直至所有所述训练数据集均完成模型训练操作后，得到训练好的电力预测模型的步骤，具体包括下述步骤：
28、将所述关键影响因素中所有元素的json数组输入到所述基于粒子算法改进的回归预测模型内；
29、对所述关键影响因素中所有元素的json数组进行函数拟合，获得用于表征电量变化时间与所有关键影响因素的综合关系的拟合函数。
30、进一步的，其特征在于，所述相关系数法表示为：
31、
32、其中，xi表示目标区域供电电网在第i次周期的电量变化值，表示目标区域供电电网在历史用电数据中对应的电量变化平均值，yi表示第i次变化时间间隔，表示目标区域供电电网在历史用电数据中对应的平均变化时间间隔。
33、进一步的，所述比对结果包括正常状态以及非正常状态，所述根据所述比对结果确定对所述目标区域供电电网进行能源管理的管理节点的步骤，具体包括下述步骤：
34、将比对结果为正常状态的目标区域供电电网的管理节点确定为所述目标边缘节点；
35、将比对结果为非正常状态的目标区域供电电网的管理节点确定为所述目标云数据中心。
36、为了解决上述技术问题，本申请实施例还提供一种应用于云边协同的能源管理装置，采用了如下所述的技术方案：
37、所述装置应用于云边协同的能源管理系统，其中，所述系统包括n个云数据中心以及m个边端节点，每个所述边端节点与至少一个所述云数据中心通信连接，每个所述边端节点用于对至少一个区域供电电网的供电数据进行监控，所述装置包括：
38、需求数据接收模块，用于接收目标云数据中心发送的携带有目标边端节点标识的预计电力需求数据；
39、供电数据采集模块，用于采集与所述目标边端节点标识相对应的目标区域供电电网的当前供电数据；
40、供给数据预测模块，用于根据所述当前供电数据进行电力预测操作，得到预测电力供给数据；
41、比对模块，用于对所述预计电力需求数据以及所述预测电力供给数据进行比对操作，得到比对结果；
42、节点确认模块，用于根据所述比对结果确定对所述目标区域供电电网进行能源管理的管本文档来自技高网...
【技术保护点】
1.一种应用于云边协同的能源管理方法，其特征在于，所述方法应用于云边协同的能源管理系统，其中，所述系统包括N个云数据中心以及M个边端节点，每个所述边端节点与至少一个所述云数据中心通信连接，每个所述边端节点用于对至少一个区域供电电网的供电数据进行监控，所述方法包括下述步骤：
2.根据权利要求1所述的应用于云边协同的能源管理方法，其特征在于，所述根据所述当前供电数据进行电力预测操作，得到预测电力供给数据的步骤，具体包括下述步骤：
3.根据权利要求1所述的应用于云边协同的能源管理方法，其特征在于，所述根据所述当前供电数据进行电力预测操作，得到预测电力供给数据的步骤，具体包括下述步骤：
4.根据权利要求3所述的应用于云边协同的能源管理方法，其特征在于，所述在所述历史供电数据中获取与所述关键影响数据相对应的电量供给值，得到训练数据集的步骤，具体包括下述步骤：
5.根据权利要求4所述的应用于云边协同的能源管理方法，其特征在于，在所述将所述训练数据集输入至初始回归预测模型进行模型训练操作，直至所有所述训练数据集均完成模型训练操作后，得到训练好的电
6.根据权利要求3所述的应用于云边协同的能源管理方法，其特征在于，所述相关系数法表示为：
7.根据权利要求1所述的应用于云边协同的能源管理方法，其特征在于，所述比对结果包括正常状态以及非正常状态，所述根据所述比对结果确定对所述目标区域供电电网进行能源管理的管理节点的步骤，具体包括下述步骤：
8.一种应用于云边协同的能源管理装置，其特征在于，所述装置应用于云边协同的能源管理系统，其中，所述系统包括N个云数据中心以及M个边端节点，每个所述边端节点与至少一个所述云数据中心通信连接，每个所述边端节点用于对至少一个区域供电电网的供电数据进行监控，所述装置包括：
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的应用于云边协同的能源管理方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的应用于云边协同的能源管理方法的步骤。
...【技术特征摘要】
1.一种应用于云边协同的能源管理方法，其特征在于，所述方法应用于云边协同的能源管理系统，其中，所述系统包括n个云数据中心以及m个边端节点，每个所述边端节点与至少一个所述云数据中心通信连接，每个所述边端节点用于对至少一个区域供电电网的供电数据进行监控，所述方法包括下述步骤：
2.根据权利要求1所述的应用于云边协同的能源管理方法，其特征在于，所述根据所述当前供电数据进行电力预测操作，得到预测电力供给数据的步骤，具体包括下述步骤：
3.根据权利要求1所述的应用于云边协同的能源管理方法，其特征在于，所述根据所述当前供电数据进行电力预测操作，得到预测电力供给数据的步骤，具体包括下述步骤：
4.根据权利要求3所述的应用于云边协同的能源管理方法，其特征在于，所述在所述历史供电数据中获取与所述关键影响数据相对应的电量供给值，得到训练数据集的步骤，具体包括下述步骤：
5.根据权利要求4所述的应用于云边协同的能源管理方法，其特征在于，在所述将所述训练数据集输入至初始回归预测模型进行模型训练操作，直至所有所述训练数据集均完成模型训练操作后，得到训练好的电力预测模型的步骤之...
【专利技术属性】
技术研发人员：傅明良，
申请(专利权)人：厦门北辰星储能发展有限公司，
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。