一种用电负荷优化的方法、装置、设备及存储介质与流程

本发明涉及电网应用，尤其涉及一种用电负荷优化的方法、装置、设备及存储介质。

背景技术：

1、用电负荷是电能用户的用电设备在某一时刻向电力系统取用的电功率的总和，当用电负荷较大时，则说明该电能用户的用电设备取用电力系统的电功率较大，以使得在用电高峰期时，特别是企业用电用户，容易导致某一电能用户所取用的电功率占比较大，从而导致电力线路奔溃及停电的问题。

2、目前，对用户的用电负荷进行优化的方法，主要是通过智能算法来实现对企业用户制定用电负荷优化策略，而其主要是将企业用户作为一个用电整体来实现该企业用户的用电负荷优化，但由于企业中存在有不同电功率生产设备以及其他设备，而将整个企业用电作为用电负荷策略的优化，容易导致企业实际的生产效率较低，影响企业正常的生产活动，因此上述用电负荷优化的方法存在一定的局限性，无法准确且可靠地实现企业用户的用电负荷优化，导致优化效率低下、优化策略执行复杂、难以进行实际应用，从而无法使得企业用户能够得到准确、高效及可靠地实现用电负荷的优化。

3、因此，目前亟需一种能够提高用电负荷优化的准确性、可靠性以及效率的方法。

技术实现思路

1、本发明提供了一种用电负荷优化的方法、装置、设备及存储介质，以解决现有技术中无法准确且可靠地实现企业用户的用电负荷优化，以及优化效率低下、优化策略执行复杂、难以进行实际应用的技术问题。

2、为了解决上述技术问题，本发明实施例提供了一种用电负荷优化的方法，包括：

3、获取企业用户中的所有用电设备及其运行参数，并根据各用电设备之间的联动关系，构建出所述用电设备之间的设备拓扑图；

4、获取企业用户在预设时间段内总用电负荷的实时数据，并根据所述实时数据构建出用电负荷预测模型，进而通过所述用电负荷预测模型计算得到未来一段时间内的第一用电预测结果；

5、获取企业用户在预设时间段内各用电设备的用电负荷的历史数据，并根据所述历史数据依次构建出各个用电设备预测模型，进而依次通过各用电设备预测模型，计算得到未来一段时间内各用电设备对应的第二用电负荷预测量；其中，每一个用电设备均存在有一个第二用电负荷预测量；

6、根据所述设备拓扑图对所述第一用电预测结果进行分解，从而得到各用电设备之间的第一用电负荷预测量，并通过对各用电设备之间的第一用电负荷预测量和第二用电负荷预测量，得到预测量差值；其中，每一个用电设备均分解得到一个对应的第一用电负荷预测量；

7、根据每个用电设备对应的预测量差值，结合预设目标产出需求，得到各个用电设备的目标执行量，并根据所述目标执行量制定所有用电设备的优化策略，进而基于所述优化策略对所述企业内用户的所有用电设备分别进行用电负荷的优化。

8、作为优选方案，所述获取企业用户中的所有用电设备及其运行参数，并根据各用电设备之间的联动关系，构建出所述用电设备之间的设备拓扑图，具体为：

9、获取企业用户中所有用电设备及其运行参数，根据各用电设备的运行参数，分别将所述用电设备划分为生产端设备和管理端设备；

10、根据所述生产端设备之间的联动关系，得到各生产端设备之间的边关系，并将所述生产端设备作为节点，构建生产端设备拓扑图；

11、在所述生产端设备拓扑图中添加所述管理端设备的节点，并根据所述管理端设备与所述生产端设备之间的连接关系，将所述管理端设备的节点与所述生产端设备进行边连接，从而构建出所述用电设备之间的设备拓扑图。

12、作为优选方案，所述获取企业用户在预设时间段内总用电负荷的实时数据，并根据所述实时数据构建出用电负荷预测模型，进而通过所述用电负荷预测模型计算得到未来一段时间内的第一用电预测结果，具体为：

13、获取企业用户在预设时间段内总用电负荷的初始实时数据，并将所述初始实时数据进行数字化处理，从而根据所述初始实时数据的均值，将数字化处理的实时数据进行异常值和离群点的修正，从而得到实时数据；

14、构建初始用电负荷预测模型，将所述实时数据作为训练数据输入至所述初始用电负荷预测模型中进行模型训练，从而得到用电负荷预测模型；

15、通过所述用电负荷预测模型，对未来一段时间内的用电负荷进行预测，得到预测结果；

16、将所述预测结果与同样处于该段时间内的实时数据进行比较，从而得到预测差值；

17、当所述预测差值大于预设值时，则获取该时间段内的实际用电负荷，从而将所述预测结果与实际用电负荷进行对比，进而根据对比结果对所述用电负荷预测模型进行修正，并将修正后的用电负荷预测模型预测该时间段内的用电负荷所输出的结果，作为第一用电预测结果；

18、当所述预测差值小于预设值时，则将所述预测结果作为第一用电预测结果。

19、作为优选方案，所述获取企业用户在预设时间段内各用电设备的用电负荷的历史数据，并根据所述历史数据依次构建出各个用电设备预测模型，进而依次通过各用电设备预测模型，计算得到未来一段时间内各用电设备对应的第二用电负荷预测量，具体为：

20、获取企业用户在预设时间段内各生产端设备和各管理端设备的用电负荷的历史数据；

21、依次构建各生产端设备对应的初始第一用电设备预测模型，并将各生产端设备的用电负荷的历史数据作为其对应的初始第一用电设备预测模型的训练数据，从而训练得到各生产端设备对应的第一用电设备预测模型；其中，每一个生产端设备均有一个对应的初始第一用电设备预测模型和训练后的第一用电设备预测模型；

22、构建所有管理端设备共同的初始第二用电设备预测模型，并将所有管理端设备的用电负荷的历史数据作为初始第二用电设备预测模型的训练数据，从而训练得到所有管理端设备对应的第二用电设备预测模型；其中，所述第二用电设备预测模型对应所有的管理端设备；

23、通过所述第一用电设备预测模型，依次得到每一个生产端设备的第二用电负荷预测量，以及通过第二用电设备预测模型，得到所有管理端设备的第二用电负荷与测量；其中，每一个生产端设备均有对应的一个通过对应的第一用电设备预测模型所预测得到的第二用电负荷预测量，所有管理端设备仅有一个共同的第二用电负荷与测量。

24、作为优选方案，所述获取企业用户在预设时间段内各用电设备的用电负荷的历史数据，并根据所述历史数据依次构建出各个用电设备预测模型，进而依次通过各用电设备预测模型，计算得到未来一段时间内各用电设备对应的第二用电负荷预测量，具体为：

25、获取企业用户在预设时间段内各生产端设备和各管理端设备的用电负荷的历史数据；

26、对每一个生产端设备构建对应的初始第三用电设备预测模型，并将各生产端设备的用电负荷的历史数据作为其对应的初始第三用电设备预测模型的训练数据，从而训练得到各生产端设备对应的第三用电设备预测模型；其中，每一个生产端设备均有一个对应的初始第三用电设备预测模型和训练后的第三用电设备预测模型；

27、对每一个管理端设备构建对应的初始第四用电设备预测模型，并将各管理端设备的用电负荷的历史数据作为其对应的初始第四用电设备预测模型的训练数据，从而训练得到各管理端设备对应的第四用电设备预测模型；其中，每一个生产端设备均有一个对应的初始第四用电设备预测模型和训练后的第四用电设备预测模型；

28、通过所述第三用电设备预测模型，依次得到每一个生产端设备的第二用电负荷预测量，以及通过第四用电设备预测模型，依次得到每一个管理端设备的第二用电负荷预测量。

29、作为优选方案，所述根据所述设备拓扑图对所述第一用电预测结果进行分解，从而得到各用电设备之间的第一用电负荷预测量，具体为：

30、根据所述设备拓扑图，得到各管理端设备之间的运行关系及其运行参数，与各生产端设备之间的运行关系及其运行参数；

31、根据各管理端设备之间的运行关系及其运行参数，与各生产端设备之间的运行关系及其运行参数，依次对各用电设备的所述第一用电预测结果进行分解，以使得通过各用电设备之间的运行关系，确定分解顺序，并根据各用电设备之间的运行参数，对各用电设备的所述第一用电预测结果按照所述分解顺序进行分解，从而得到对应各管理端设备和各生产端设备的第一用电负荷预测量。

32、作为优选方案，所述根据每个用电设备对应的预测量差值，结合预设目标产出需求，得到各个用电设备的目标执行量，并根据所述目标执行量制定所有用电设备的优化策略，具体为：

33、根据每个用电设备对应的预测量差值，分别对每个用电设备进行未来用电负荷的修正，从而得到初始目标执行量；

34、结合预设目标产出需求，对所述用电设备对应的初始目标执行量进行调整，从而得到各个用电设备的目标执行量；

35、根据所述目标执行量制定初始优化策略，并将所述初始优化策略输入至所述设备拓扑图中，以验证所述初始优化策略的可执行性；

36、当所述初始优化策略具备可执行性时，则将所述初始优化策略作为最终的优化策略；

37、当所述初始优化策略不具备可执行性时，则获取所述初始优化策略输入至所述设备拓扑图中运行时所产生的各用电设备的运行数据，并根据各用电设备的运行数据，对所述初始优化策略进行修正，从而修正后得到最终的优化策略。

38、相应地，本发明还提供一种用电负荷优化的装置，包括：构建模块、第一预测模块、第二预测模块、预测差值模块和优化策略模块；

39、所述构建模块，用于获取企业用户中的所有用电设备及其运行参数，并根据各用电设备之间的联动关系，构建出所述用电设备之间的设备拓扑图；

40、所述第一预测模块，用于获取企业用户在预设时间段内总用电负荷的实时数据，并根据所述实时数据构建出用电负荷预测模型，进而通过所述用电负荷预测模型计算得到未来一段时间内的第一用电预测结果；

41、所述第二预测模块，用于获取企业用户在预设时间段内各用电设备的用电负荷的历史数据，并根据所述历史数据依次构建出各个用电设备预测模型，进而依次通过各用电设备预测模型，计算得到未来一段时间内各用电设备对应的第二用电负荷预测量；其中，每一个用电设备均存在有一个第二用电负荷预测量；

42、所述预测差值模块，用于根据所述设备拓扑图对所述第一用电预测结果进行分解，从而得到各用电设备之间的第一用电负荷预测量，并通过对各用电设备之间的第一用电负荷预测量和第二用电负荷预测量，得到预测量差值；其中，每一个用电设备均分解得到一个对应的第一用电负荷预测量；

43、所述优化策略模块，用于根据每个用电设备对应的预测量差值，结合预设目标产出需求，得到各个用电设备的目标执行量，并根据所述目标执行量制定所有用电设备的优化策略，进而基于所述优化策略对所述企业内用户的所有用电设备分别进行用电负荷的优化。

44、相应地，本发明还提供一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上任意一项所述的用电负荷优化的方法。

45、相应地，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上任意一项所述的用电负荷优化的方法。

46、相比于现有技术，本发明实施例具有如下有益效果：

47、本发明的技术方案通过获取各用电设备的运行参数和历史数据，并构建用电拓扑图，可以更准确地预测未来一段时间内的用电负荷，同时结合第一用电预测结果和各用电设备的第二用电负荷预测量，可以进行差值计算，进一步提高预测的准确性，并且基于实时数据和历史数据，对用电负荷进行预测和优化，通过多源数据的综合分析，可以提高预测的可靠性，减少预测误差，并提供更精确的用电负荷优化方案，而通过基于实际企业用户的用电设备和运行参数，针对不同的设备和联动关系进行建模和预测，使得具有针对性和实用性，可以根据实际情况进行定制化的用电负荷优化，满足企业用户的实际需求，进而通过构建用电拓扑图和各个用电设备的预测模型，可以并行计算和优化各个用电设备的负荷，提高计算效率，同时根据预设目标需求制定优化策略，进一步提高用电设备的效率和能源利用效率。