一种基于大数据的弱电控制系统的制作方法

1.本发明属于电子电力技术领域，尤其涉及一种基于大数据的弱电控制系统。


背景技术：

2.电力应用按照电力输送功率的强弱可以分为强电与弱电两类。建筑及建筑群用电一般指交流220v50hz及以上的强电。主要向人们提供电力能源，将电能转换为其他能源，例如空调用电，照明用电，动力用电等等。智能建筑中的弱电主要有两类，一类是国家规定的安全电压等级及控制电压等低电压电能，有交流与直流之分，交流36v以下，直流24v以下，如24v直流控制电源，或应急照明灯备用电源。另一类是载有语音、图像、数据等信息的信息源，如电话、电视、计算机的信息。
3.另外，智能化弱电主要有两类，一类是国家规定的安全电压等级及控制电压等低电压电能；另一类是载有语音、图像、数据等信息的信息源，如电子产品携带的弱电信息等。一般情况下，弱电系统指第二类应用。随着计算机技术的飞速发展，软硬件功能的迅速强大，各种弱电系统工程和计算机技术的完美结合，使以往的各种分类不再像以前那么清晰，并且使得电子产品以及产品系统的更新日新月异。
4.在现有技术中，当家用电器设备发生短路现象时，通常关闭整个家庭电源的供电，导致整个家庭设备完全关闭，造成生活不便。当时家电用电的安全问题，需要对用户用电的各个参数信息进行分析。
5.另外，随着经济科技的迅猛发展，用户用电行为将更加多样化，用电数据维度将更高，需求响应分析算法所面临的不仅是数据量越来越大的问题，更重要还有用电数据高维度的问题。目前已有即使即便能够有效地对低维数据进行分类，但降维过程中对高维非线性数据难以处理。


技术实现要素：

6.为解决上述技术问题，本发明提出一种基于大数据的弱电控制系统，具体包括：软件控制端和通过软件控制端的无线通信模块远程连接的弱电硬件系统，其中，弱电硬件系统包括中央处理模块、与中央处理模块电性连接的监控子系统，以及与中央处理模块通过无线通信模块无线连接家电控制设备；
7.监控子系统用于监控并显示用电设备的实时状态，从而获取用电设备的状态参数集并反馈给软件控制端；
8.软件控制端通过中央处理模块分析状态参数集，获取对应的动作执行指令集，并将动作执行指令集发送给家电控制设备；
9.家电控制设备用于控制动作执行指令集涉及的各个智能家电执行动作执行指令集，以调整运行状态；
10.中央处理模块用于实现基于能源大数据驱动的电力用户需求响应特性控制家电设备。
11.可选的，所述中央处理模块具体包括：
12.数据编码模块，用于编码器对用户用电数据集进行降维；
13.数据分类模块，用于基于mfcm算法的用户用电模式分类；
14.分类建模模块，用于利用bp神经网络算法对每一类用户进行需求响应建模；所述建模基于用户需求响应特征分析。
15.可选的，所述数据分类模块具体用于(1)随机初始化分类中心， (2)初始种群的确定，(3)对种群中个体进行单点交叉操作，(4) 对种群中个体进行单点变异操作，(5)重新计算适应度函数，(6)按最大隶属度原则对用户用电模式进行分类。
16.可选的，所述bp神经网络算法中神经网络的输入输出数据的选择具体包括：不同业务类型对影响因素的分析有所不同，如需求侧管理电价对工作日期间用户不同时间段负荷的影响分析，模型的输入为不同类型用户的特征，以及电价、气温等短期负荷的影响因素，模型的输出为用户不同时间段的用电量。
17.可选的，所述用户需求响应特征分析具体为：需求侧管理方案编制过程中，需求响应服务管理者对参与需求响应的电力用户或者级联的需求响应聚合商等参与主体，分析参与主体的响应容量、响应开始时间、结束时间、响应类型，在此基础上进行决策。
18.可选的，所述用户需求响应特征分析还包括：用户的错时避峰潜力综合参考紧急可限负荷、负荷波动率、用电容量、行业属性、高耗能标识等因素对避峰措施的影响。
19.可选的，用户的错峰避峰潜力中各特征因素与电价、气温共同影响用户用电量，且与用电量的关系多是非线性的，可采用神经网络的技术进一步实现用户需求响应建模。
20.可选的，所述数据编码模块具体用于对监控子系统采集或者读取访问的电量负荷数据、相对应的温度、湿度气象数据、节假日特征数据进行分类。
21.可选的，所述读取访问家电设备各个数据，利用大数据访问控制方法，在传统的基于目的的访问控制模型中引入了数据处理目的和数据操作目的的概念，得到目的感知的访问控制模型。、可选的，所述大数据访问控制方法，所述数据操作目的，具体包括：计算操作目的、协助操作目的、检索操作目的、携带操作目的以及输出操作目的，且所述计算操作目的、所述协助操作目的、所述检索操作目的以及所述携带操作目的的优先级依次降低。
22.本发明的技术方案可以利用神经网络等智能算法构建需求响应模型，能够简单有效反映各影响因素与用户响应量之间的复杂关系，从而实现针对不同业务需求的用户需求响应特性提取，并且系统可实现远程监控，提高系统安全性和反应及时性，极大提高系统可靠性。
23.本发明的进一步优点将结合说明书附图在具体实施例部分进一步详细体现。
附图说明
24.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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的前提下，还可以根据这些附图获得其他的附图。
25.图1是基于大数据的弱电控制系统示意图；
26.图2是基于mfcm算法的用户用电模式分类流程图。
具体实施方式
27.下面，结合附图以及具体实施方式，对发明做出进一步的描述。
28.如图1所示，提供一种基于大数据的弱电控制系统，具体包括：软件控制端和通过软件控制端的无线通信模块远程连接的弱电硬件系统，其中，弱电硬件系统包括中央处理模块、与中央处理模块电性连接的监控子系统，以及与中央处理模块通过无线通信模块无线连接家电控制设备。
29.监控子系统用于监控并显示用电设备的实时状态，从而获取用电设备的状态参数集并反馈给软件控制端。软件控制端通过中央处理模块分析状态参数集，获取对应的动作执行指令集，并将动作执行指令集发送给家电控制设备。
30.家电控制设备用于控制动作执行指令集涉及的各个智能家电执行动作执行指令集，以调整运行状态，从而调节被家电运行或者用电状态。
31.其中，软件控制端可为独立的远程控制终端，也可设计为智能终端app。通过远程控制终端或智能终端app可实现远程对弱电硬件系统的整体控制，用以基于能源大数据驱动的电力用户需求响应特性控制家电设备。
32.无线通信模块于本实施例中包括但不限于wifi模块、蓝牙模块以及 lte模块等。此处不作具体限定，可依据具体应用场景进行具体设定。
33.中央处理芯片可采用mt65xx系列芯片。弱电硬件系统的中央处理模块可采用mega16单片机。该单片机具有16k系统内可编程flash、 8路10位adc(模拟数字转换器，analog to digital converter)、 32个可编程的i/o口和四通道pwm(多种脉冲宽度调制， pulse width modulation)。
34.其中，中央处理模块用于实现基于能源大数据驱动的电力用户需求响应特性控制家电设备。所述中央处理模块具体包括：
35.数据编码模块，用于编码器对用户用电数据集进行降维。
36.具体为：对监控子系统采集或者读取访问家电设备各个数据，例如电量负荷数据、相对应的温度、湿度气象数据、节假日特征数据进行分类。其中，每个电力用户量测数据均为每15min采样一次的日负荷曲线。对大量用户长时间的96维日负荷数据进行分类，利用自动编码器对用电量测数据进行降维。
37.在编码部分，sk(i)(i＝1,2
…
96)表示第k个用户的第i个特征指标值；隐含层个数为h(h＜96)，为降维后用户数据的维数。隐含层的输出即为编码后的用户数据，记为zk(j)(j＝1,2
…
h)，sk(i)与 zk(j)之间的映射可以表示为：
[0038][0039]
式中：f为激活函数，这里采用sigmoid函数；wij为输入层的第i个神经元与隐含层第j个神经元之间的连接权值；bj为隐含层中第j个神经元的偏置。
[0040]
在解码部分，输入为编码后的用户数据zk(j)(j＝1,2
…
h)，输出为解码后的用户数据si(k)(i＝1,2
…
96)，si(k)与zk(j)之间的映射可以表示为如下：
[0041][0042]
式中：bi为输出层中第i个神经元的偏置。
[0043]
由解码层输出与电力用户样本数据可以得到自动编码器的重构误差，如下式所示：
[0044][0045]
式中：n为用户总数，为降维后的第i个用户特征值。
[0046]
数据分类模块，用于基于mfcm算法的用户用电模式分类。
[0047]
如图2所示，具体如下：
[0048]
(1)随机初始化分类中心；由于二进制编码搜索能力强，且交叉、变异操作简单高效，因此这里采用二进制编码方案。每条染色体包括h
×
m基因链，每个基因链代表一维的用户数据。
[0049]
len(i)(i＝1,2
…
h)为第i个基因链长度，其满足以下不等式：
[0050]
2len(i)-1＜mx(i)≤ 2len(i)
[0051]
式中：mx(i)为第i维用户用电数据的最大值。
[0052]
(2)初始种群的确定。初始种群一半个体由通过运行fcm算法得到的结果给出，另一半个体由随机产生，这保证算法能在一个较好的基础上进行，又使得保证了种群的多样性。
[0053]
随后，计算适应度函数。遗传算法优化目标为使jm最小。并且利用精英选择方法选择种群中较好的个体。
[0054]
(3)对种群中个体进行单点交叉操作。在每个染色体基因链中设置一个交叉点，然后随机选择两个个体作为父代个体，相互交换它们交叉点后面的那部分基因块，从而产生两个新的个体。
[0055]
(4)对种群中个体进行单点变异操作。随机选择变异个体，然后随机选择一个基因为进行改变。
[0056]
(5)重新计算适应度函数，如达到目标则停止训练，否则转至步骤5。
[0057]
(6)按最大隶属度原则对用户用电模式进行分类，即每个用户被归为隶属度最大的一类中。
[0058]
由于用电数据受多类型的影响，经训练样本训练的网络具有一定的泛化能力，特别是市场机制的加入，会对新输入给出合理响应会到影响。本发明实施例采用遗传算法和神经网络相结合的技术，有助于学到隐含在数据背后的规律，对具有同一规律的学习集以外的数据，经过训练的网络也能给出合适的输出。
[0059]
分类建模模块，用于利用bp神经网络算法对每一类用户进行需求响应建模。所述建模基于用户需求响应特征分析。
[0060]
具体如下：
[0061]
其中，bp神经网络算法中神经网络的输入输出数据的选择如下：
[0062]
对用户需求响应影响的因素大致可以分为气候因素、经济因素、电价因素与时间因素等，对不同时间尺度的负荷具有影响。天气因素主要指温度、降水、风力等；经济因素主要指经济发展状况；电价因素主要指电价的变化；时间因素指工作日、双休日、节假日。由于不同业务类型对影响因素的分析有所不同，如需求侧管理电价对工作日期间用户不同时间段负荷的影响分析，模型的输入为不同类型用户的特征，以及电价、气温等短期负荷的影响因素，模型的输出为用户不同时间段的用电量。
[0063]
其中，用户需求响应特征分析如下：
[0064]
需求侧管理方案编制过程中，需求响应服务管理者对参与需求响应的电力用户或者级联的需求响应聚合商等参与主体，分析参与主体的响应容量、响应开始时间、结束时间、响应类型，在此基础上进行决策。以工业需求侧响应能力为例进行分析，在不影响生产进度及产品品质的情况下，企业负荷可通过短时间中断、转移的方式来响应系统需求。用户的错时避峰潜力综合参考紧急可限负荷、负荷波动率、用电容量、行业属性、高耗能标识等因素对避峰措施的影响，错峰避峰潜力的量化方法如下：
[0065][0066]
式中，eapp为错峰避峰潜力指数；pal为可转移负荷；rlf为负荷波动率；pell为紧急可限负荷；cap为用户容量；gtrade为行业属性；ge为高耗能标识；iq为单位电量产值；gtax为单位电量税收； gc为错时用电单位成本；k1,k2,k3,k4,k5,k6,k7为调整系数。
[0067]
用户的错峰避峰潜力中各特征因素与电价、气温共同影响用户用电量，且与用电量的关系多是非线性的，可采用神经网络的技术进一步实现用户需求响应建模。该模型输入中行业属性、负荷波动率、高耗能标识等可采用行业平均水平数据，其他因素可结合分类用户的自身历史数据获取。
[0068]
对于读取访问家电设备各个数据，本发明提供了一种大数据访问控制方法，在传统的基于目的的访问控制 (purpose-based access control，pbac)模型中引入了数据处理目的和数据操作目的的概念，得到目的感知的访问控制(paac)模型。通过paac模型可以自动从数据处理逻辑中识别出数据处理的目的，并据此做出访问决策。并将paac模型应用于大数据处理平台的优化器中，并在优化管道的分析和优化阶段之间增加了访问控制执行阶段。数据操作目的(dop)定义了数据处理逻辑中每个数据操作的目的，从每个数据处理逻辑中提取一个dops序列。数据处理逻辑的数据处理目的被标识为序列中最重要的dop。paac策略指定数据访问主体(用户或应用程序)可以对哪些数据执行哪些数据处理目的。
[0069]
在上述实施例的基础上，本发明实施例中提供的大数据访问控制方法，所述数据操作目的，具体包括：计算操作目的、协助操作目的、检索操作目的、携带操作目的以及输出操作目的，且所述计算操作目的、所述协助操作目的、所述检索操作目的以及所述携带操作目的的优先级依次降低。
[0070]
具体地，数据操作目的由数据管理和共享平台定义，并提供给数据提供者，期望数
据提供者使用它们来指定访问控制策略。同时，平台还需要自动从查询计划中识别预定义的目的，以便执行相应的访问策略。接下来，本发明中使用五个数据操作目的样例来说明paac的功能：
[0071]
检索操作目的(dop-r)。如果数据客体被从数据源中检索出来或由选择(过滤)函数处理，则数据操作目的为dop-r。因为在使用数据之前，数据必须经过dop-r，所以dop-r是许多其他目的的先决目的。
[0072]
计算操作目的(dop-c)。如果数据客体是计算操作的一个操作数并且该操作转换了该数据客体，则数据操作目的为dop-c。例如，sql 中的sum函数接受一个操作数，并对此操作数实施聚合操作，因此对应的数据操作目的是dop-c。
[0073]
协助操作目的(dop-a)。如果数据客体涉及到某数据操作但其值没有改变时，则数据操作目的为dop-a。例如，sql中的“groupby”操作会基于数据客体a对数据实施分组操作，但是a的值不会改变。
[0074]
携带操作目的(dop-ca)。如果数据客体在某操作过程中被携带，但不涉及到该操作，则数据操作目的为dop-ca。“groupby”操作基于数据客体a，但是其它数据客体都由groupby操作携带。注意： dop-ca不会影响数据操作或访问决策，因此在实施访问控制时忽略掉dop-ca不会影响到数据安全。
[0075]
输出操作目的(dop-o)。当数据客体返回给用户或应用程序时，数据操作目的为dop-o。此外，在大数据应用中，是否允许dop-o往往取决于之前对该数据客体的操作。例如，dop-r-o可能被拒绝，而 dop-r-c-o可能被允许。
[0076]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。