一种基于电力计量的用电供需匹配方法、介质及系统与流程

1.本发明属于用电供需技术领域，具体而言，涉及一种基于电力计量的用电供需匹配方法、介质及系统。


背景技术：

2.电网向负荷区域供电的过程包括以下几个关键环节：
3.发电：发电厂通过燃煤、水力、核能、风能、太阳能等方式产生电能。这些发电厂将电能输送到输电系统。
4.变电站：变电站的主要作用是对电压进行升高或降低。输送过程中，电压会被升高，以减少输电过程中的能量损失。在供电给负荷区域之前，电压需要降低到适合用户使用的水平。
5.输电线路：输电线路是电能从发电厂输送到负荷区域的主要途径。输电线路可以是高压输电线路，也可以是超高压输电线路。高压输电线路主要用于远距离输电，以减少输电过程中的能量损失。
6.配电网：配电网是将电能从变电站输送到用户的过程。配电网包括配电线路、配电变压器和配电设备等。配电网的主要任务是将电能分配到各个负荷区域。
7.用户侧：用户侧是指负荷区域内的用电设备和设施。用户侧包括住宅、商业、工业等各类用电设备。用户侧的电能需求会影响到电网的运行和调度。
8.当前的现有技术中，缺乏一种能够根据负荷区域的用电需求选择多个供电站进行组合供电的技术方案。


技术实现要素：

9.有鉴于此，本发明提供一种基于电力计量的用电供需匹配方法、介质及系统，能够提供根据负荷区域的用电需求选择多个供电站进行组合供电的技术方案。
10.本发明是这样实现的：
11.本发明的第一方面提供一种基于电力计量的用电供需匹配方法，其中，包括以下步骤：
12.s10、根据负荷区域的电力计量历史数据计算指定时间段的用电负荷需求；
13.s20、根据所述用电负荷需求计算用电负荷供给分配，所述用电负荷供给分配包括多个供电站的供电量。
14.在上述技术方案的基础上，本发明的一种基于电力计量的用电供需匹配方法还可以做如下改进:
15.其中，所述根据负荷区域的电力计量历史数据计算指定时间段的用电负荷需求的步骤，具体包括：
16.将所述负荷区域根据用电类别划分为多个用电单元，形成用电单元集，所述用电类别包括生产用电以及非生产用电，所述用电单元集内包含生产用电单元和非生产用电单
元；
17.获取所述用电单元集中每个用电单元的历史电力计量数据以及生产用电单元对应的历史生产数据，所述历史电力计量数据为至少连续一年的电力计量数据，采集的时间间隔为1天，其中，所述历史生产数据为所述生产用电单元内全部生产企业的历史生产数据的总和；
18.根据所述历史电力计量数据以及生产用电单元对应的历史生产数据，计算指定时间段的所述负荷区域的用电负荷需求，所述用电负荷需求为生产用电负荷需求以及非生产用电负荷需求之和。
19.进一步的，所述根据所述历史电力计量数据以及生产用电单元对应的历史生产数据，计算指定时间段的所述负荷区域的用电负荷需求的步骤中，
20.所述非生产用电负荷需求的计算方法为：
21.根据所述非生产用电单元的历史电计量数据生成非生产用电曲线；
22.根据所述非生产用电曲线的变化率计算指定时间段的非生产用电需求。
23.进一步的，所述根据所述历史电力计量数据以及生产用电单元对应的历史生产数据，计算指定时间段的所述负荷区域的用电负荷需求的步骤中，
24.所述生产用电负荷需求的计算方法为：
25.获取指定时间段的生产计划数据，所述生产计划数据为所述生产用电单元内全部生产企业的生产计划数据的总和；
26.以日为横坐标，建立纵坐标为产量的历史生产数据曲线；
27.以日为横坐标，建立纵坐标为产量的指定时间段的生产计划曲线；
28.在所述生产数据曲线上，寻找与所述生产计划曲线相差度最低的时间段，作为参考时间段；
29.以所述参考时间段内所述生产单元的电力计量数据作为指定时间段的生产用电需求。
30.进一步的，所述在所述生产数据曲线上，寻找与所述生产计划曲线相差度最低的时间段，作为参考时间段的步骤，具体包括：
31.第一步、以生产数据曲线的第一日为t0；
32.第二步、将所述生产计划曲线左右平移至最左点为t0，计算所述生产计划曲线上每个点和所述生产数据曲线上相同横坐标点的纵坐标的差值之和，作为相差度；
33.第三步、迭代执行t0＝t0+1和第二步，知道所述生产计划曲线和所述生产数据曲线的横坐标投影无交集；
34.第四步、以相差度最低时的t0作为开始日，以所述指定时间段为长度，得到的时间段作为参考时间段。
35.进一步的，所述根据所述用电负荷需求计算用电负荷供给分配的步骤，具体包括：
36.获取多组供电站向负荷区域的供电数据，包括多个供电站的供电量，负荷区域的用电负荷需求以及总传输损耗电量，所述总传输损耗电量为每个供电站向负荷区域输电的传输损耗电量之和；
37.根据所述多组供电站向负荷区域的供电数据建立训练数据集，所述训练数据集包括训练输入和训练输出，所述训练输入为负荷区域的用电负荷需求，所述训练输出为多个
供电站的供电量；
38.利用卷积神经网络建立供电分配模型雏形，并采用训练集对供电分配模型雏形进行训练，得到供电分配模型；
39.利用供电分配模型对所述用电负荷需求计算得到每个供电站的供电量。
40.进一步的，所述卷积神经网络的骨干层进行特征提取所使用网络骨架是densenet121，其中骨干网络densenet121由1个包含4个卷积层的dense block、1个包含8个卷积层的dense block块、1个包含12个卷积层的dense block块和1个包含16个卷积层的dense block块依次堆叠而成；dense block中每个卷积层的输入为前面所有卷积层的输出。
41.进一步的，所述训练的过程中，当输出的多个供电站的供电量之和减去用电负荷需求的数值大于传输最大损耗阈值，则采用随机梯度下降优化算法进行反向传播网络训练，更新骨干层的参数。
42.本发明的第二方面提供一种计算机可读存储介质，其中，所述计算机可读存储介质中存储有程序指令，所述程序指令运行时用于执行上述的一种基于电力计量的用电供需匹配方法。
43.本发明的第三方面提供一种基于电力计量的用电供需匹配系统，其中，包含上述的计算机可读存储介质。
44.与现有技术相比较，本发明提供的一种基于电力计量的用电供需匹配方法、介质及系统的有益效果是：由于非生产单元的用电规律和生产单元的用电规律不一致，非生产单元以家庭用电、商业用电以及办公用电为主，多数为照明、家电、办公设备等，这些用电规律与气温、日期相关度比较大；生产用电以生产设备为主，生产用电往往直接与生产订单或计划相关联；将负荷区域进行小单元划分，能够更加精确的对负荷区域进行用电需求分析；利用神经网络模型，计算多个供电站的组合供电方式，能够获得一种传输损耗小的多供电站组合供电的供电方案。
附图说明
45.为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
46.图1为本发明提供的一种基于电力计量的用电供需匹配方法的流程图；
具体实施方式
47.为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
48.因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保
护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
49.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
50.在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
51.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
52.如图1所示，是本发明第一方面提供一种基于电力计量的用电供需匹配方法的流程图，本方法包括以下步骤：
53.s10、根据负荷区域的电力计量历史数据计算指定时间段的用电负荷需求；
54.s20、根据用电负荷需求计算用电负荷供给分配，用电负荷供给分配包括多个供电站的供电量。
55.负荷区域(load zone)通常是指电力系统中的一个区域，该区域的电力需求和供应需要平衡。这个区域内的发电机、输电线路和配电设备共同承担着满足该区域内电力需求的任务。负荷区域的划分有助于电力系统运行商(system operator)更有效地进行电力调度和管理，确保电力系统的安全稳定运行。
56.不同的负荷区域之间可能存在输电线路连接，以便在一个区域内的电力不足时，可以从其他区域输送电力。同时，负荷区域的划分也有利于电力市场的运作，电力交易商可以根据不同区域的电力需求和供应状况进行电力交易，促进电力市场的竞争和效率。
57.其中，在上述技术方案中，根据负荷区域的电力计量历史数据计算指定时间段的用电负荷需求的步骤，具体包括：
58.将负荷区域根据用电类别划分为多个用电单元，形成用电单元集，用电类别包括生产用电以及非生产用电，用电单元集内包含生产用电单元和非生产用电单元；
59.获取用电单元集中每个用电单元的历史电力计量数据以及生产用电单元对应的历史生产数据，历史电力计量数据为至少连续一年的电力计量数据，采集的时间间隔为1天，其中，历史生产数据为生产用电单元内全部生产企业的历史生产数据的总和；
60.根据历史电力计量数据以及生产用电单元对应的历史生产数据，计算指定时间段的负荷区域的用电负荷需求，用电负荷需求为生产用电负荷需求以及非生产用电负荷需求之和。
61.区分生产用电单元和非生产用电单元是因为，非生产单元的用电规律和生产单元的用电规律不一致，非生产单元以家庭用电、商业用电以及办公用电为主，多数为照明、家电、办公设备等，这些用电规律与气温、日期相关度比较大；生产用电以生产设备为主，生产
用电往往直接与生产订单或计划相关联。
62.进一步的，在上述技术方案中，根据历史电力计量数据以及生产用电单元对应的历史生产数据，计算指定时间段的负荷区域的用电负荷需求的步骤中，
63.非生产用电负荷需求的计算方法为：
64.根据非生产用电单元的历史电计量数据生成非生产用电曲线；
65.根据非生产用电曲线的变化率计算指定时间段的非生产用电需求。
66.进一步的，在上述技术方案中，根据历史电力计量数据以及生产用电单元对应的历史生产数据，计算指定时间段的负荷区域的用电负荷需求的步骤中，
67.生产用电负荷需求的计算方法为：
68.获取指定时间段的生产计划数据，生产计划数据为生产用电单元内全部生产企业的生产计划数据的总和；
69.以日为横坐标，建立纵坐标为产量的历史生产数据曲线；
70.以日为横坐标，建立纵坐标为产量的指定时间段的生产计划曲线；
71.在生产数据曲线上，寻找与生产计划曲线相差度最低的时间段，作为参考时间段；
72.以参考时间段内生产单元的电力计量数据作为指定时间段的生产用电需求。
73.进一步的，在上述技术方案中，在生产数据曲线上，寻找与生产计划曲线相差度最低的时间段，作为参考时间段的步骤，具体包括：
74.第一步、以生产数据曲线的第一日为t0；
75.第二步、将生产计划曲线左右平移至最左点为t0，计算生产计划曲线上每个点和生产数据曲线上相同横坐标点的纵坐标的差值之和，作为相差度；
76.第三步、迭代执行t0＝t0+1和第二步，知道生产计划曲线和生产数据曲线的横坐标投影无交集；
77.第四步、以相差度最低时的t0作为开始日，以指定时间段为长度，得到的时间段作为参考时间段。
78.进一步的，在上述技术方案中，根据用电负荷需求计算用电负荷供给分配的步骤，具体包括：
79.获取多组供电站向负荷区域的供电数据，包括多个供电站的供电量，负荷区域的用电负荷需求以及总传输损耗电量，总传输损耗电量为每个供电站向负荷区域输电的传输损耗电量之和；
80.根据多组供电站向负荷区域的供电数据建立训练数据集，训练数据集包括训练输入和训练输出，训练输入为负荷区域的用电负荷需求，训练输出为多个供电站的供电量；
81.利用卷积神经网络建立供电分配模型雏形，并采用训练集对供电分配模型雏形进行训练，得到供电分配模型；
82.利用供电分配模型对用电负荷需求计算得到每个供电站的供电量。
83.进一步的，在上述技术方案中，卷积神经网络的骨干层进行特征提取所使用网络骨架是densenet121，其中骨干网络densenet121由1个包含4个卷积层的dense block、1个包含8个卷积层的dense block块、1个包含12个卷积层的dense block块和1个包含16个卷积层的dense block块依次堆叠而成；dense block中每个卷积层的输入为前面所有卷积层的输出。
84.进一步的，在上述技术方案中，训练的过程中，当输出的多个供电站的供电量之和减去用电负荷需求的数值大于传输最大损耗阈值，则采用随机梯度下降优化算法进行反向传播网络训练，更新骨干层的参数。
85.随机梯度下降(stochastic gradient descent，简称sgd)是一种优化算法，用于求解机器学习和深度学习中的目标函数(损失函数)的最小值。在训练模型时，我们希望找到一组参数，使得损失函数达到最小值，从而使模型的预测能力最佳。
86.随机梯度下降的工作原理是在每次迭代时，从训练数据集中随机选择一个样本(或一小批样本)，然后计算该样本的梯度(损失函数关于参数的导数)，并用这个梯度来更新参数。具体来说，参数更新的公式为：
87.参数(t+1)＝参数(t)-学习率*梯度
88.其中，学习率是一个超参数，用于控制参数更新的幅度。较小的学习率可以使参数更新更稳定，但需要更多的迭代次数；较大的学习率可以使参数更新更快，但可能导致不稳定的更新。
89.与标准梯度下降(batch gradient descent)相比，随机梯度下降的优点是计算速度更快，因为每次迭代只需要计算一个样本的梯度。但由于梯度计算是在随机选择的样本上进行的，因此随机梯度下降的收敛速度可能较慢，且可能出现较大的波动。
90.为了平衡计算速度与收敛速度的关系，通常采用小批量梯度下降(mini-batch gradient descent)方法，即每次迭代时选择一小批样本来计算梯度。这种方法结合了随机梯度下降和标准梯度下降的优点，既能保证较快的计算速度，又能保证较好的收敛性能。
91.其中，传输最大损耗阈值根据电力调度人员经验确定，并由人工进行输入。
92.本发明的第二方面提供一种计算机可读存储介质，其中，所述计算机可读存储介质中存储有程序指令，所述程序指令运行时用于执行上述的一种基于电力计量的用电供需匹配方法。
93.本发明的第三方面提供一种基于电力计量的用电供需匹配系统，其中，包含上述的计算机可读存储介质。
94.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

技术特征：
1.一种基于电力计量的用电供需匹配方法，其特征在于，包括以下步骤：s10、根据负荷区域的电力计量历史数据计算指定时间段的用电负荷需求；s20、根据所述用电负荷需求计算用电负荷供给分配，所述用电负荷供给分配包括多个供电站的供电量。2.根据权利要求1所述的一种基于电力计量的用电供需匹配方法，其特征在于，所述根据负荷区域的电力计量历史数据计算指定时间段的用电负荷需求的步骤，具体包括：将所述负荷区域根据用电类别划分为多个用电单元，形成用电单元集，所述用电类别包括生产用电以及非生产用电，所述用电单元集内包含生产用电单元和非生产用电单元；获取所述用电单元集中每个用电单元的历史电力计量数据以及生产用电单元对应的历史生产数据，所述历史电力计量数据为至少连续一年的电力计量数据，采集的时间间隔为1天，其中，所述历史生产数据为所述生产用电单元内全部生产企业的历史生产数据的总和；根据所述历史电力计量数据以及生产用电单元对应的历史生产数据，计算指定时间段的所述负荷区域的用电负荷需求，所述用电负荷需求为生产用电负荷需求以及非生产用电负荷需求之和。3.根据权利要求2所述的一种基于电力计量的用电供需匹配方法，其特征在于，所述根据所述历史电力计量数据以及生产用电单元对应的历史生产数据，计算指定时间段的所述负荷区域的用电负荷需求的步骤中，所述非生产用电负荷需求的计算方法为：根据所述非生产用电单元的历史电计量数据生成非生产用电曲线；根据所述非生产用电曲线的变化率计算指定时间段的非生产用电需求。4.根据权利要求2所述的一种基于电力计量的用电供需匹配方法，其特征在于，所述根据所述历史电力计量数据以及生产用电单元对应的历史生产数据，计算指定时间段的所述负荷区域的用电负荷需求的步骤中，所述生产用电负荷需求的计算方法为：获取指定时间段的生产计划数据，所述生产计划数据为所述生产用电单元内全部生产企业的生产计划数据的总和；以日为横坐标，建立纵坐标为产量的历史生产数据曲线；以日为横坐标，建立纵坐标为产量的指定时间段的生产计划曲线；在所述生产数据曲线上，寻找与所述生产计划曲线相差度最低的时间段，作为参考时间段；以所述参考时间段内所述生产单元的电力计量数据作为指定时间段的生产用电需求。5.根据权利要求4所述的一种基于电力计量的用电供需匹配方法，其特征在于，所述在所述生产数据曲线上，寻找与所述生产计划曲线相差度最低的时间段，作为参考时间段的步骤，具体包括：第一步、以生产数据曲线的第一日为t0；第二步、将所述生产计划曲线左右平移至最左点为t0，计算所述生产计划曲线上每个点和所述生产数据曲线上相同横坐标点的纵坐标的差值之和，作为相差度；第三步、迭代执行t0＝t0+1和第二步，知道所述生产计划曲线和所述生产数据曲线的
横坐标投影无交集；第四步、以相差度最低时的t0作为开始日，以所述指定时间段为长度，得到的时间段作为参考时间段。6.根据权利要求4所述的一种基于电力计量的用电供需匹配方法，其特征在于，所述根据所述用电负荷需求计算用电负荷供给分配的步骤，具体包括：获取多组供电站向负荷区域的供电数据，包括多个供电站的供电量，负荷区域的用电负荷需求以及总传输损耗电量，所述总传输损耗电量为每个供电站向负荷区域输电的传输损耗电量之和；根据所述多组供电站向负荷区域的供电数据建立训练数据集，所述训练数据集包括训练输入和训练输出，所述训练输入为负荷区域的用电负荷需求，所述训练输出为多个供电站的供电量；利用卷积神经网络建立供电分配模型雏形，并采用训练集对供电分配模型雏形进行训练，得到供电分配模型；利用供电分配模型对所述用电负荷需求计算得到每个供电站的供电量。7.根据权利要求6所述的一种基于电力计量的用电供需匹配方法，其特征在于，所述卷积神经网络的骨干层进行特征提取所使用网络骨架是densenet121，其中骨干网络densenet121由1个包含4个卷积层的dense block、1个包含8个卷积层的dense block块、1个包含12个卷积层的dense block块和1个包含16个卷积层的dense block块依次堆叠而成；dense block中每个卷积层的输入为前面所有卷积层的输出。8.根据权利要求7所述的一种基于电力计量的用电供需匹配方法，其特征在于，所述训练的过程中，当输出的多个供电站的供电量之和减去用电负荷需求的数值大于传输最大损耗阈值，则采用随机梯度下降优化算法进行反向传播网络训练，更新骨干层的参数。9.一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中存储有程序指令，所述程序指令运行时用于执行如权利要求1-8任一项所述的一种基于电力计量的用电供需匹配方法。10.一种基于电力计量的用电供需匹配系统，其特征在于，包含如权利要求9所述的计算机可读存储介质。

技术总结
本发明提供了一种基于电力计量的用电供需匹配方法、介质及系统，属于用电供需技术领域，该方法包括：将负荷区域根据用电类别划分为多个用电单元，形成用电单元集；获取用电单元集中每个用电单元的历史电力计量数据以及生产用电单元对应的历史生产数据，历史电力计量数据为至少连续一年的电力计量数据，其中，历史生产数据为生产用电单元内全部生产企业的历史生产数据的总和；根据历史电力计量数据以及生产用电单元对应的历史生产数据，计算指定时间段的负荷区域的用电负荷需求，用电负荷需求为生产用电负荷需求以及非生产用电负荷需求之和。根据用电负荷需求计算用电负荷供给分配，用电负荷供给分配包括多个供电站的供电量。量。量。


技术研发人员：张益鸣 艾渊 刘兴龙 李家浩 赵毅涛 赵永辉 代盛国
受保护的技术使用者：云南电网有限责任公司
技术研发日：2023.05.06
技术公布日：2023/8/14