一种基于物联网技术的智慧能源储能管控系统及方法与流程

本发明涉及能源管控，具体为一种基于物联网技术的智慧能源储能管控系统及方法。

背景技术：

1、能源是指可以满足人类日常生活和经济发展需求的物质或能量形式，它是社会生产和经济发展的重要基础，是维持生命活动和保障社会安全的重要条件；与此同时，随着近年来全球化的不断发展，信息产业发生了第三次重大变革，物联网的出现再次提升了信息技术的发展水平；通过物联网技术等建立智能化的能源控制系统，真正实现能源的实时控制。

2、然而我国的能源问题日渐突出，在实际能源供应的过程中，能源分配不均成为主要矛盾，一部分地区出现能源供给不足，一部分地区出现能源过剩，从而导致能源难以充分利用，进而影响住户的正常使用。

3、因此，不满足现有的需求，对此我们提出了一种基于物联网技术的智慧能源储能管控系统及方法。

技术实现思路

1、本发明的目的在于提供一种基于物联网技术的智慧能源储能管控系统及方法，通过采集管控区域的气象数据、居住信息以及电能用量实际值，创建并测试电能用量预测模型，将管控区域的气象数据与居住信息导入电能用量预测模型进行训练获得电能用量预测值；预设出符合电能用量正常范围的阈值，并将电能用量预测值与电能用量实际值进行对比获得差值；将差值与阈值进行对比，基于对比结果将周边区域的电能划分为自给区域、可调控区域以及需调控区域；通过5g通信模块将对比结果及划分结果传输至外界的能源管控中心，经由能源管控中心将可调控区域的多余电能划分至需调控区域以供使用，解决了上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：一种基于物联网技术的智慧能源储能管控系统，包括：

3、信息获取单元，用于获取管控区域的气象数据、住户的居住信息以及电能用量实际值，并将所获取的气象数据以及居住信息发送至电能对比单元；

4、电能预测单元，用于创建数据训练模型，并将以往历史气象数据及居住信息导入至数据训练模型进行训练，由此获得电能用量预测值；

5、电能对比单元，基于信息获取单元所获取的电能用量实际值与电能预测单元所获取的电能用量预测值进行对比，由此获得电能用量实际值与电能用量预测值之间的差值；

6、5g通信模块，用于将管控区域内的多个区域的储能管控系统进行无线网络连接，并使多个区域的储能管控系统分别与外界的能源管控中心进行无线网络连接；

7、电能管控单元，利用5g通信模块接收电能对比单元所获得的对比差值，基于对比差值对管控区域的电能进行补充与存储。

8、进一步的，所述信息获取单元包括：

9、气象采集模块，基于气象监测仪设备采集管控区域的气象数据；其中，气象数据包括：温度、湿度、大气压、风速以及风向数据；

10、信息采集模块，基于住房登记与实地排查获取所属区域的住户信息；其中，住户信息包括：每户常住人口数量以及住户居住时间段；

11、电量采集模块，基于单相电量数据采集模块采集所属区域的单相的各种电力参数，由此获得所属区域的电能用量实际值；其中，电力参数包括：电压、电流、有功功率、无功功率、有功电度、无功电度以及频率；

12、数据库，用于存储气象采集模块、信息采集模块以及电量采集模块所采集的多种数据，以作为数据备份。

13、进一步的，所述电能预测单元：

14、模型创建模块，用于创建电能用量预测模型，以作为电能用量预测值的训练模型；

15、样本获取模块，基于以往存储的历史气象数据与居住信息为样本集，并将样本集按预设比例随机划分为训练样本集和测试样本集；

16、模型训练模块，用于将训练样本集导入电能用量预测模型进行训练，由此获得训练后的电能用量预测模型；

17、模型测试模块，用于将测试样本集导入训练后的电能用量预测模型进行预测和验证，由此获得测试后的电能用量预测模型；

18、电能预测模块，用于将信息获取单元获取的管控区域的气象数据与居住信息导入测试后的电能用量预测模型进行预测，由此获得电能用量预测值。

19、进一步的，所述模型训练模块：

20、数据获取子模块，用于获取存储的历史气象数据、居住信息以及住户所在区域的电能用量实际值，并将历史气象数据以及电能用量实际值进行离散化处理，得到历史气象数据序列和电能用量实际值序列；

21、数据处理子模块，用于：

22、基于单位时间对历史气象数据序列和电能用量实际值序列进行划分，并从划分后的历史气象数据序列和电能用量实际值序列中抽取目标历史气象数据序列和目标电能用量实际值序列，同时，将目标历史气象数据序列和目标电能用量实际值序列影射至预设二维坐标系，并基于映射结果确定目标电能用量实际值随目标历史气象数据的变化规律；

23、基于变化规律确定目标历史气象数据序列和目标电能用量实际值序列之间的第一目标对应关系，并基于第一目标对应关系构建目标历史气象数据序列和目标电能用量实际值序列之间第一目标函数，同时，对居住信息进行解析，确定目标住户量，并确定目标电能用量实际值与目标住户量的第二目标对应关系，且基于第二目标对应关系构建目标电能用量实际值与目标住户量之间的第二目标函数；

24、模型构建子模块，用于：

25、基于历史气象数据、居住信息、住户所在区域的电能用量实际值、第一目标函数以及第二目标函数对预设卷积网络进行目标次数的迭代训练，并基于预设测试数据对每一次迭代训练后的预设卷积网络进行测试，且基于测试结果确定每一次迭代训练后的预设卷积网络的目标权重；

26、基于递减顺序将每一次迭代训练后预设卷积网络的目标权重进行排序，并基于排序结果将取值最大的目标权重对应的迭代训练后的预设卷积网络判定为最终的电能用量预测模型。

27、进一步的，所述电能对比单元：

28、阈值预设模块，用于分析历史电能用量预测值与电能用量实际值之间的差值，预设出符合正常范围的阈值；

29、电能对比模块，用于将电能用量预测值与电能用量实际值进行对比，由此获得当前电能用量预测值与电能用量实际值之间的差值；

30、阈值对比模块，用于将当前差值与阈值进行对比，由此获得电能消耗对比结果；

31、结果传输模块，基于5g通信模块将电能消耗对比结果传输至电能管控单元。

32、进一步的，所述电能管控单元：

33、结果接收模块，用于接收电能对比单元所传输的电能消耗对比结果，并将电能消耗对比结果按时间序列进行保存；

34、储能管理模块，基于所接收的结果为依据，将电能处于正常范围的区域划分为自给区域，将电能低于正常范围的区域划分为可调控区域，将电能高于正常范围的区域划分为需调控区域；

35、电能调控模块，基于对比结果与区域划分结果为依据，用于将可调控区域的多余电能划分至需调控区域以供使用。

36、进一步的，所述阈值对比模块将当前差值与阈值进行对比，具体为：

37、若当前差值处于阈值范围内，则表明当前区域的电能消耗量正常；

38、若当前差值低于阈值范围内，则表明当前区域的电能消耗量较低、可调控量充沛；

39、若当前差值高于阈值范围内，则表明当前区域的电能消耗量较高、可调控量匮乏。

40、进一步的，所述电能调控模块将可调控区域的多余电能划分至需调控区域以供使用，具体为：

41、通过5g通信模块与外界的能源管控中心相连接，电能调控模块利用对比结果与区域划分结果获得出电能管控处理方案，并将该方案通过5g通信模块传输至外界的能源管控中心进行审核，待外界的能源管控中心审核通过后，由外界的能源管控中心将可调控区域的多余电能划分至需调控区域以供使用。

42、进一步的，电能预测单元：

43、数据获取模块，用于获取管控区域的气象数据和住户的居住信息，并对气象数据进行解析，确定气象数据对电能用量预测值的影响权重，同时，对住户的居住信息进行解析，确定管控区域内住户的目标数量；

44、计算模块，用于基于气象数据对电能用量预测值的影响权重和管控区域内住户的目标数量计算管辖区域内的电能用量预测值，并基于电能用量预测值计算对电能用量预测的准确率，具体步骤包括：

45、根据如下公式计算管辖区域内的电能用量预测值：

46、；

47、其中，表示管辖区域内的电能用量预测值；表示气象数据对电能用量预测值的影响权重，且取值范围为（0，1）；表示管控区域内当前住对应的编号值，且取值范围为[1，n];表示管控区域内住户的目标数量；表示管辖区域在气象影响下对电能预测值的修正系数，且取值范围为（0.8，0.95）；表示第个住户对应的用电功率值；表示第个住户对应的用电时长值；表示允许每一户电能用量预测值存在的误差值，且取值范围为（1，2）；

48、根据如下公式计算对电能用量预测的准确率：

49、；

50、其中，表示对电能用量预测的准确率，且取值范围为（0，1）；表示误差系数，且取值范围为（0.02，005）；表示管辖区域内的电能用量实际值；表示管辖区域内的电能用量预测值；表示对管辖区域内的电能用量预测值进行预测的总次数；表示对管辖区域内的电能用量预测值错误预测的次数，且取值小于；表示允许对电能用量预测的准确率出现误差的波动范围值，且取值范围为（-0.05，0.05）；

51、将计算得到的准确率与预设准确率进行比较；

52、若计算得到的准确率大于或等于预设准确率，则判定得到管辖区域内的电能用量预测值合格；

53、否则，判定得到的管辖区域内的电能用量预测值不合格，并基于计算结果确定数据训练模型存在的目标漏洞；

54、提取目标漏洞的漏洞类型，并基于漏洞类型从预设运维策略库中匹配目标运维策略，且基于目标运维策略对数据训练模型存在的目标漏洞进行运维，直至计算得到的准确率大于或等于预设准确率。

55、一种基于物联网技术的智慧能源储能管控系统的实施方法，包括以下步骤：

56、s1、通过采集管控区域的气象数据、住户的居住信息以及电能用量实际值，用于对所属区域的电能用量进行预测；

57、s2、通过创建并测试电能用量预测模型，由此获得最优的电能用量预测模型；

58、s3、将采集的气象数据与居住信息导入电能用量预测模型进行训练，由此获得电能用量预测值；

59、s4、事先预设出符合电能用量正常范围的阈值，并将电能用量预测值与电能用量实际值进行对比，由此获得两者之间的差值；

60、s5、将电能用量预测值与电能用量实际值之间的差值与阈值进行对比，基于对比结果，将管控区域内的多个区域的电能划分为自给区域、可调控区域以及需调控区域；

61、s6、通过5g通信模块将对比结果及划分结果传输至外界的能源管控中心，经由外界的能源管控中心将可调控区域的多余电能划分至需调控区域以供使用。

62、与现有技术相比，本发明的有益效果是：

63、发明通过采集管控区域的气象数据、居住信息以及电能用量实际值，创建并测试电能用量预测模型，并将采集到管控区域的气象数据与居住信息导入电能用量预测模型进行训练，由此获得电能用量预测值；与此同时，事先预设出符合电能用量正常范围的阈值，并将电能用量预测值与电能用量实际值进行对比获得差值；将两者差值与阈值进行对比，基于对比结果，将管控区域内的多个区域的电能划分为自给区域、可调控区域以及需调控区域；通过5g通信模块将对比结果及划分结果传输至外界的能源管控中心，经由外界的能源管控中心将可调控区域的多余电能划分至需调控区域以供使用；从而优化能源的充分利用，保障住户的正常使用，提高了现有智慧能源储能管控系统的可行性。

64、通过对获取到的历史气象数据、居住信息以及住户所在区域的电能用量实际值进行分析，实现对历史气象数据与电能用量实际值时间的第一目标对应关系和住户数量与电能用量实际值之间的第二目标对应关系进行准确有效的确定，实现根据第一目标对应关系和第二目标对应关系对第一目标函数和第二目标函数进行有效构建，为构建电能用量预测模型提供了依据，最后，通过构建的第一目标函数和第二目标函数以及历史气象数据和居住信息对预设卷积网络进行训练，实现对电能用量预测模型进行准确可靠的训练，确保了对管辖区域内的电能使用量进行准确有效的预测，从而提高对能源储能管控的效果。

65、通过计算管辖区域内的电能用量预测值，并根据电能用量预测值计算对电能用量预测的准确率，实现根据计算结果对电能用量预测值预测的情况进行有效把握，且在准确率低于预设准确率时，及时采取相应的运维策略对存在的目标漏洞进行运维处理，保障了对电能用量预测的准确可靠性，也便于根据预测结果进行相应的电能管理操作。