本发明涉及电力选路相关,尤其是涉及一种电力选路方法、系统、设备及存储介质。
背景技术:
1、电表分为传统的智能电表和传统电表,传统电表指的就是当前常见的具有显示用电量的电表,不具有其他功能,传统智能电表是指具有相应的功能的电表,内部具有单片机的电表,如自动充电费等其他功能,传统电表由于具有入户抄表难度大,人工操作费用高,人工读表精度差等缺点,其正在逐步被智能电表所取代。
2、目前,电信息采集系统通过采集终端尤其智能电能表实现了对电力用户用电量、用电负荷、电压电流等数据的全面采集,针对此类数据的存储和分析对电力调配起到了关键性的作用,近年来国家电网提出了构建泛在电力物联网的目标,从而实现电网状态全息感知、运营数据全面连接等目的。泛在电网的提出和实现对当前的智能电表提出来新的挑战和要求,为实现智能电表本体及运行环境的深度感知和实时反应,需在有效利用当前已有数据的基础上,实现对用户内多种电器设备使用量进行精确统计,但路径中存在没有意识到的负载电流造成家中没有用电但电能表却还在计量的情况,导致了更高的用电成本。
技术实现思路
1、本发明旨在至少解决现有技术中存在的技术问题。为此,本发明提出一种电力选路方法、系统、设备及存储介质,能够发现超负荷用电情况,减少用电成本。
2、本发明的第一方面,提供了一种电力选路方法,包括如下步骤:
3、获取每一个智能电能表的历史空闲算力和当前空闲算力;
4、根据超负荷用电群和正常负荷用电群建立蚁群,其中,所述超负荷用电群为空闲算力小于预设值的智能电能表,所述正常负荷用电群为空闲算力大于预设值的智能电能表;
5、对所述蚁群进行分化,得到分化后蚁群;
6、根据所述分化后蚁群通过蚁群算法进行信息素计算,得到信息素矩阵;
7、根据所述信息素矩阵进行路径寻优,得到最优路径及其他所有路径;
8、根据所述历史空闲算力计算所述最优路径的第一超负荷概率,当所述第一超负荷概率小于预设趋势线,则所述最优路径为最终电力路径。
9、根据本发明实施例的控制方法,至少具有如下有益效果:
10、本方法通过根据超负荷用电群和正常负荷用电群建立蚁群,其中,超负荷用电群为空闲算力小于预设值的智能电能表,正常负荷用电群为空闲算力大于预设值的智能电能表;通过算力来计算超负荷用电情况,对蚁群进行分化,得到分化后蚁群; 根据分化后蚁群通过蚁群算法进行信息素计算,得到信息素矩阵; 根据信息素矩阵进行路径寻优,得到最优路径及其他所有路径; 根据历史空闲算力计算最优路径的第一超负荷概率,当第一超负荷概率小于预设趋势线,则最优路径为最终电力路径,通过蚁群算法来选取最终电力路径,从而减少了用电成本。
11、根据本发明的一些实施例,所述获取每一个智能电能表的历史空闲算力,包括:
12、获取每一个智能电能表的历史总算力,历史逻辑运算算力,历史并行计算算力和历史神经网络加速算力;
13、根据所述历史逻辑运算算力,所述历史并行计算算力和历史所述神经网络加速算力进行算力计算,得到历史算力需求;
14、根据所述历史总算力与所述历史算力需求进行空闲算力计算,得到所述历史空闲算力。
15、根据本发明的一些实施例,所述根据所述历史逻辑运算算力,所述历史并行计算算力和历史所述神经网络加速算力进行算力计算,得到历史算力需求的计算公式为:
16、
17、其中,为算力需求,为计算芯片的映射函数,为计算芯片b的映射函数,为计算芯片c的映射函数,为预设的映射比例系数,为预设的映射比例系数,为预设的映射比例系数,为逻辑运算算力,为并行计算算力,为神经网络加速算力,n为计算芯片的总数, l为计算芯片b的总数,p为计算芯片c的总数。
18、根据本发明的一些实施例,所述根据所述分化后蚁群通过蚁群算法进行信息素计算,得到信息素矩阵的计算公式为:
19、
20、其中,为第t代蚂蚁中第k只蚂蚁从城市i至城市j的概率,为信息素的重要程度,为启发因子的相对重要程度,为第t代蚂蚁中从城市i至城市j的信息素,为第t代蚂蚁中从城市i至城市j的启发因子,为蚂蚁k当前可以选择的城市,为城市i至城市j的距离,为m只蚂蚁对在城市i至城市j这条路径上留下的信息素总和,为第k只蚂蚁在城市i至城市j这条路径上留下的信息素,q为第k只蚂蚁所拥有的信息素总和,为取值为0至1的信息素稀释程度,为第k只蚂蚁走过的路径总距离。
21、根据本发明的一些实施例,所述电力选路方法还包括:
22、根据所述历史空闲算力计算预设时间段的所有路径超负荷概率;
23、当所述预设时间段的所有路径超负荷概率大于预设范围,则根据所述预设时间段的所有路径超负荷概率更新所述预设趋势线;
24、当所述预设时间段的所有路径超负荷概率小于所述预设范围,则预设趋势线保持不变。
25、根据本发明的一些实施例,所述电力选路方法还包括:
26、当所述最优路径的超负荷概率大于预设趋势线,则根据所述历史空闲算力计算第二优路径的第二超负荷概率;
27、当所述第二超负荷概率小于预设趋势线,则所述第二优路径为最终电力路径;
28、当所述第二超负荷概率大于预设趋势线,则根据所述历史空闲算力计算第三优路径的第三超负荷概率,依次类推,直至得到负荷概率小于预设趋势线的最终电力路径。
29、根据本发明的一些实施例,所述对所述蚁群进行分化,得到分化后蚁群,包括:
30、将所述超负荷用电群分化成正向蚁群,将所述正常负荷用电群分化成负向蚁群。
31、本发明的第二方面,提供一种电力选路系统,所述电力选路系统包括:
32、数据获取模块,用于获取每一个智能电能表的历史空闲算力和当前空闲算力;
33、蚁群建立模块,用于根据超负荷用电群和正常负荷用电群建立蚁群,其中,所述超负荷用电群为空闲算力小于预设值的智能电能表,所述正常负荷用电群为空闲算力大于预设值的智能电能表;
34、分化模块,用于对所述蚁群进行分化,得到分化后蚁群;
35、信息素计算模块,用于根据所述分化后蚁群通过蚁群算法进行信息素计算,得到信息素矩阵;
36、路径寻优模块,用于根据所述信息素矩阵进行路径寻优,得到最优路径及其他所有路径;
37、最终电力路径选取模块,用于根据所述历史空闲算力计算所述最优路径的第一超负荷概率,当所述第一超负荷概率小于预设趋势线,则所述最优路径为最终电力路径。
38、本系统通过根据超负荷用电群和正常负荷用电群建立蚁群,其中,超负荷用电群为空闲算力小于预设值的智能电能表,正常负荷用电群为空闲算力大于预设值的智能电能表;通过算力来计算超负荷用电情况,对蚁群进行分化,得到分化后蚁群; 根据分化后蚁群通过蚁群算法进行信息素计算,得到信息素矩阵; 根据信息素矩阵进行路径寻优,得到最优路径及其他所有路径; 根据历史空闲算力计算最优路径的第一超负荷概率,当第一超负荷概率小于预设趋势线,则最优路径为最终电力路径,通过蚁群算法来选取最终电力路径,从而减少了用电成本。
39、本发明的第三方面,提供了一种电力选路电子设备,包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器;所述存储器存储有可被所述至少一个控制处理器执行的指令,所述指令被所述至少一个控制处理器执行,以使所述至少一个控制处理器能够执行上述的电力选路方法。
40、本发明的第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行上述的电力选路方法。
41、需要注意的是,本发明的第二方面至第四方面与现有技术之间的有益效果与上述的一种电力选路系统与现有技术之间的有益效果相同,此处不再细述。
42、本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。