基于海量数据分析引导的电网负荷管理与分时充电系统的制作方法

本发明涉及充电负荷管理，具体为基于海量数据分析引导的电网负荷管理与分时充电系统。

背景技术：

1、随着电动汽车的普及和可再生能源的应用，电力系统面临了新的挑战和机遇。分时充电系统可以通过合理调度电动汽车的充电需求，帮助平衡电力系统的负荷，降低高峰负荷时段的压力，减少用电峰值，提高电力系统的效率。但是，如何有效地管理充电需求，以及如何应对外部环境因素对电力系统的影响，是一个复杂而具有挑战性的问题。

2、电动汽车用户的充电行为具有很大的多样性，包括充电频率、充电持续时间和充电地点的不同选择。传统方法通常将所有用户视为相似，而未考虑到不同用户的行为差异。

3、环境因素如温度、天气、降雨量和风速等都可以影响电力系统的负荷特性。在高温天气下，在极端高温或低温条件下，电池的效率可能下降，充电速率可能减慢。高温天气可能导致电动汽车电池的快速消耗，而恶劣天气可能降低充电桩的可用性。然而，传统负荷管理方法未能充分考虑到天气因素。电动汽车充电需求通常是动态变化的，可能在一天内不同时间段出现显著波动。这种动态性需要更精细的负荷管理策略。针对以上问题进行改进，因此，亟需提出基于海量数据分析引导的电网负荷管理与分时充电系统。

技术实现思路

1、(一)解决的技术问题

2、针对现有技术的不足，本发明提供了基于海量数据分析引导的电网负荷管理与分时充电系统，该系统通过分析用户充电行为特征，这使得系统能够提供更符合用户需求的充电建议，提高用户满意度。通过采集和考虑实时天气数据，系统可以更好地理解不同天气条件下的电力需求变化。这有助于系统根据天气情况调整充电策略，提高电力系统的适应性。传统的静态负荷管理方法可能无法应对动态需求。该系统可以识别不同时间段的负荷特性，从而实现更灵活的负荷管理策略。通过综合用户行为、天气影响和负荷特性，系统计算出综合因子p，用于评估负荷状态。这有助于系统更全面地理解和预测电力系统的负荷情况。根据实时需求和环境因素，该系统可以智能地管理电力负载，降低峰值需求，减轻电力系统的负荷压力，提高电力系统的稳定性和效率。

3、(二)技术方案

4、为实现以上目的，本发明通过以下技术方案予以实现：基于海量数据分析引导的电网负荷管理与分时充电系统，包括区域划分模块，第一采集模块、第二采集模块、第三采集模块、第四采集模块、分析模块和评估模块；

5、依据电网的分布和子站或变电站的位置由区域划分模块进行划分若干个区域，在若干个区域电网处于工作状态时，由第一采集模块采集若干个区域内的电网负荷数据和充电桩状态数据，建立相应的电网负荷数据集和区域子站模型，并在区域子站模型内设置标记位置；

6、由第二采集模块对若干个区域内电网源头采集获取充电订单数据和电能消耗数据；并将充电订单数据、电能消耗数据和充电桩状态数据进行整合，建立区域数据集，确保数据之间的时间戳和充电桩标识符信息对齐；

7、从整合后的区域数据集中提取用户充电行为特征和用电负荷特征，所述用户充电行为特征包括充电频率、充电持续时间和充电地点；所述用电负荷特征包括不同时间段的负荷波动特征；

8、由分析模块对用户充电行为特征进行分析，计算获得不同区域的每日充电频率系数pl、充电持续系数cx和用户充电习惯系数xg；并将每日充电频率系数pl、充电持续系数cx和用户充电习惯系数xg进行拟合获得用户行为指数xwz；

9、对用电负荷特征进行识别和分析，获得不同区域的平均负荷系数，并绘制每个区域的负荷峰值，计算负荷因子f，建创负荷剖面，描述每个区域在一天内不同时间的负荷情况，建立n个时段并标记为t1、t2、t3、..tn，并对n个时段分别建立预测模型，依据负荷剖面，计算不同时段的负载系数fh；

10、并建立预测模型，依据用户行为指数xwz，并由第三采集模块获得区域新增订单数量，分析预测不同时段的变化波动值，获得预估变化负荷系数bfhx；

11、第四采集模块采集温度数据和天气数据，并计算获得天气影响系数hjyx；

12、并由评估模块将预估变化负荷系数bfhx、负荷因子f、用户行为指数xwz和天气影响系数hjyx，拟合获得综合因子p，并将n个时段的负载系数fh和综合因子p相关联后，分别与第一顶峰阈值和第二低负荷阈值进行对比，获得评估结果，并依据评估结果制定负荷管理策略。

13、优选的，所述电网负荷数据包括实时电力负荷数据，采用每小时为时间间隔对区域进行采集，获得实时电力负荷数据；所述充电桩状态数据包括采集区域内充电桩的总数量、充电桩的实时状态、充电桩的gps坐标和充电桩功率特性；充电桩的实时状态包括是否空闲、正在充电和已充满状态；充电桩的gps坐标，用于在区域子站模型内设置标记位置。

14、优选的，第二采集模块对若干个区域内电网源头采集获取充电订单数据和电能消耗数据；所述充电订单数据包括订单id、用户id、订单充电时间戳、订单结束充电时间戳，充电时长、订单充电的总能量、订单充电费用、订单状态，订单状态包括已完成、正在充电和已取消；所述电能消耗数据包括每个区域内的电能消耗量，采用每小时为时间间隔采集，并记录电能消耗数据的时间戳，以确保数据与订单数据和充电桩状态数据对齐。

15、优选的，第三采集模块用于采集周期内新增订单数量xzds和不同时间段的电力变化波动值bdz，由分析模块进行分析获得预估变化负荷系数bfhx，所述预估变化负荷系数bfhx由以下公式生成：

16、

17、式中，γ及σ为可变更常数参数，0.45≤γ≤1.16，0.87≤σ≤1.88，其具体值由用户调整设置。

18、优选的，所述第四采集模块用于实时采集若干个区域内的实时温度值wdz和天气数据，天气数据包括降雨量jsl、风速fs和湿度值sdz，并进行无量纲处理后，由分析模块将实时温度值wdz、降雨量jsl、风速fs和湿度值sdz关联形成天气影响系数hjyx；

19、其中，天气影响系数hjyx的获取方式如下：

20、

21、其中，参数的意义及取值为：0.14≤w1≤0.98，0.23≤w2≤1.02，0.26≤w3≤1.06，且w1+w2+w3＝1，w1、w2和w3为权重，其具体值由用户调整设置，c1为常数修正系数。

22、优选的，每日充电频率系数pl和充电持续系数cx由以下公式生成：

23、

24、

25、式中，n表示为一个月内总充电次数，表示为区域中所有用户充电订单的总次数，zts表示为总天数，设置为30天，zt表示为总充电时间，表示区域中所有用户充电订单的总持续时间；

26、将用户的充电频率、充电持续时间特征划分为k个簇数量，并对于每个簇，其中，i＝1,2,...,k，通过聚类分析计算充电习惯系数xg，xg表示用户在簇i内的充电行为相对于整体平均的相似性，所述充电习惯系数xg由以下公式生成：

27、xg_i＝1-(sse_i/sse_total)

28、式中，sse_i是簇i内每个用户的充电频率和充电持续时间与该簇内平均值的平方误差和sumofsquarederrors；sse_total是所有簇的sse之和，表示整体的误差和，公式的含义为，xg_i的值将介于0和1之间，表示用户在簇i内的充电行为相似性，值接近1表示用户在该簇内的充电行为非常相似，值接近0表示用户在该簇内的充电行为差异较大；

29、并将每日充电频率系数pl、充电持续系数cx和用户充电习惯系数xg进行拟合获得用户行为指数xwz；获得用户行为指数xwz通过以下公式生成：

30、

31、其中，0≤α≤1，0≤β≤1，0≤θ≤1且α+β+θ＝1，α、β、θ为权重，其具体值由用户调整设置，c2为常数修正系数。

32、优选的，对用电负荷特征进行识别和分析，获得不同区域的平均负荷pjfh，并绘制每个区域的负荷峰值，计算负荷因子f，负荷因子f由以下公式进行计算获得：

33、

34、zdfh表示为区域的最大负荷，平均负荷pjfh表示为在一定时间内的平均电力负荷，以千瓦kw或兆瓦mw为单位；负荷因子f的值在0到1之间，负荷因子f接近1表示电力系统或设备在大部分时间内接近其最大容量运行，这表明其利用率高；相反，如果负荷因子f接近0，表示系统或设备在大部分时间内未能充分利用其额定容量，存在浪费；

35、建创负荷剖面，描述每个区域在一天内不同时间的负荷情况，建立n个时段并标记为t1、t2、t3、..tn，并对n个时段分别建立预测模型，依据负荷剖面，计算不同时段的负载系数fh；负载系数fh由以下公式计算获得：

36、fh＝(p_max-p_min)/p_avg

37、式中，p_max是特定时间段内的最大负荷值，即负荷峰值，p_min是特定时间段内的最小负荷值，p_avg是特定时间段内的平均负荷值；公式的含义为，fh表示了特定时间段内的电网负荷变化程度，较大的fh值表示负荷在该时间段内的波动较大，而较小的fh值表示负荷相对稳定；

38、并将n个时段的负载系数fh依据数值由最大值至最小值进行排列，获得负载时段列表。

39、优选的，所述评估模块包括综合因子p计算单元和评估结果单元；

40、综合因子p计算单元用于将预估变化负荷系数bfhx、负荷因子f、用户行为指数xwz和天气影响系数hjyx相关联，计算获得综合因子p的公式如下：

41、p＝r1*bfhx+r2*f+r3*xwz+r4*hjyx

42、式中，r1、r2、r3、r4是各个因素的权重值，由用户调整设置；

43、对于每个时段ti，将负载系数fh(ti)和对应的综合因子p(ti)相关联，由评估结果单元将其负载系数fh(ti)与第一顶峰阈值和第二低负荷阈值进行比较，获得评估结果；

44、如果fh(ti)大于或等于第一顶峰阈值，则说明负荷在高峰状态，则生成第一评估结果，需要采取措施来稳定系统；

45、如果fh(ti)在第一顶峰阈值和第二低负荷阈值之间，则生成第二评估结果，表示当前负载正常；

46、如果fh(ti)小于或等于第二低负荷阈值，则生成第三评估结果，则说明负荷在低谷状态，需要采取措施来增加负载。

47、优选的，对于第一评估结果，分时充电系统设置以下策略根据不同评估结果进行调整负荷状态，包括：

48、第一评估结果时，说明高峰状态下，分时充电系统减缓充电桩的充电速率，以减少负荷；并提高高峰时段的电价，以鼓励用户推迟充电或在其他时段充电；并向用户提供实时的电价和负荷状态信息，以鼓励用户采取节能措施，如推迟充电或减少负荷；

49、第二评估结果时，在正常状态下，分时充电系统会维持当前的充电策略，以满足用户需求，但不需要特别的调整；

50、第三评估结果时，说明低谷负荷时段，分时充电系统会降低电价，以鼓励用户在此时段充电；并提高充电桩的充电速率，以满足用户的需求；并发布促销活动或特别优惠，鼓励更多用户选择在低谷时段充电。

51、优选的，还包括实时监测反馈单元；

52、所述实时监测反馈单元用于实时对调整策略后的负载系数fh(ti)实时检测，并确定用户响应，根据实际情况进行调整和优化负荷管理策略。

53、(三)有益效果

54、本发明提供了基于海量数据分析引导的电网负荷管理与分时充电系统。具备以下有益效果：

55、(1)该基于海量数据分析引导的电网负荷管理与分时充电系统，该系统通过分析用户充电行为、环境因素和用电负荷特征，能够更好地管理电力系统的负载。它可以在高峰和低谷时段采取不同策略，以减轻高峰时段的电力需求，降低电力系统的过载风险，并在低谷时段鼓励更多的充电，提高资源利用率，从而实现电力系统的负载优化和平衡。

56、(2)该基于海量数据分析引导的电网负荷管理与分时充电系统，该系统通过调整电价、提供实时信息和发布促销活动，鼓励用户在负载管理中积极参与。用户可以根据负荷状态和电价选择最佳充电时机，从而实现能源消费的灵活性，减少电费支出，并共同协作以平滑负载曲线，提高电力系统的效率和稳定性。

57、(3)该基于海量数据分析引导的电网负荷管理与分时充电系统，该系统具备实时监测和反馈机制，可以随时检测负载变化和用户响应，并及时调整负载管理策略。这有助于系统在不同情况下保持灵活性，快速适应电力需求的变化，提高电力系统的鲁棒性和可靠性。

58、(4)该基于海量数据分析引导的电网负荷管理与分时充电系统，该系统通过分析用户充电行为特征，能够为不同用户建立个性化的充电行为模型。这使得系统能够提供更符合用户需求的充电建议，提高用户满意度。通过采集和考虑实时天气数据，系统可以更好地理解不同天气条件下的电力需求变化。这有助于系统根据天气情况调整充电策略，提高电力系统的适应性。传统的静态负荷管理方法可能无法应对动态需求。该系统可以识别不同时间段的负荷特性，从而实现更灵活的负荷管理策略。通过综合用户行为、天气影响和负荷特性，系统计算出综合因子p，用于评估负荷状态。这有助于系统更全面地理解和预测电力系统的负荷情况。