适配微控制器的台区负荷预测方法及系统与流程

摘要: 本申请涉及配电网边缘负荷预测,尤其涉及一种适配微控制器的台区负荷预测方法及系统。背景技术:1、随着新型电力系统快速发展,配电台区逐步向智能化、边缘化演进,传统依...
适配微控制器的台区负荷预测方法及系统与流程

本申请涉及配电网边缘负荷预测,尤其涉及一种适配微控制器的台区负荷预测方法及系统。

背景技术:

1、随着新型电力系统快速发展,配电台区逐步向智能化、边缘化演进,传统依靠主站或云端进行集中式负荷预测的模式已难以适配现场工程需求。台区终端设备数量多、分布范围广,若全部依靠云端完成预测运算,一方面会持续加重通信带宽负荷,另一方面数据远距离传输会带来时延问题,大幅降低预测实时性。行业亟需在台区本地设备、尤其是微控制器类边缘终端上落地负荷预测能力,以此提升配网系统响应速度与整体运行可靠性。

2、当前主流台区负荷预测方案分为两类,其一为传统时序、回归分析算法,计算开销低,但复杂工况下预测精度不足;其二是以循环神经网络为代表的深度学习预测算法,预测精度更高,但对计算、存储资源需求大,难以直接部署在微控制器终端。因此,亟需一种可兼顾算法轻量化与负荷预测准确度的解决方案,实现在台区本地轻量化微控制器终端进行高精度、实时自适应负荷预测。

技术实现思路

1、本申请提供一种适配微控制器的台区负荷预测方法及系统,主要目的在于在硬件资源受限的台区本地微控制器终端完成高精度测算,形成一套算力开销与预测性能相互平衡的完整解决方案,可在台区本地轻量化微控制器终端实现高精度、实时自适应的负荷预测。

2、为了达到上述目的,本申请主要提供如下技术方案:

3、本申请第一方面提供了一种适配微控制器的台区负荷预测方法,该方法包括:

4、对实时采集到的台区用电负荷数据和环境数据执行预处理,得到时序形式的当前负荷数据序列,所述当前负荷数据序列中每一个序列点均存储同一个时刻采集的用电负荷数据与环境数据;

5、从所述当前负荷数据序列中分别提取时间维度、周期维度、外部环境维度对应的特征,构建与所述当前负荷数据序列匹配的多维负荷特征向量;

6、采用预设状态机模型处理所述多维负荷特征向量,判定台区当前运行工况对应的目标标准工况,所述目标标准工况是按负荷运行平稳程度划分的多个递进层级中的一个标准工况,所述预设状态机模型用于将所述多维负荷特征向量映射为标准工况;

7、从预设分层递进预测模型集中选取适配所述目标标准工况的目标预测模型,所述分层递进预测模型集包含与所述多个递进层级标准工况一一对应且计算复杂度递增的多个轻量化时序预测模型,所述轻量化时序预测模型为计算量与存储量适配微控制器运行的时序预测模型;

8、调用所述目标预测模型对所述多维负荷特征向量执行负荷预测,得到台区未来负荷对应的预测结果。

9、本申请第二方面提供了一种适配微控制器的台区负荷预测系统,该系统包括:

10、数据采集与预处理模块,用于对实时采集到的台区用电负荷数据和环境数据执行预处理,得到时序形式的当前负荷数据序列,所述当前负荷数据序列中每一个序列点均存储同一个时刻采集的用电负荷数据与环境数据;

11、所述数据采集与预处理模块,还用于从所述当前负荷数据序列中分别提取时间维度、周期维度、外部环境维度对应的特征,构建与所述当前负荷数据序列匹配的多维负荷特征向量;

12、状态机工况识别模块,用于采用预设状态机模型处理所述多维负荷特征向量,判定台区当前运行工况对应的目标标准工况,所述目标标准工况是按负荷运行平稳程度划分的多个递进层级中的一个标准工况,所述预设状态机模型用于将所述多维负荷特征向量映射为标准工况;

13、分层递进预测模块,用于从预设分层递进预测模型集中选取适配所述目标标准工况的目标预测模型,所述分层递进预测模型集包含与所述多个递进层级标准工况一一对应且计算复杂度递增的多个轻量化时序预测模型,所述轻量化时序预测模型为计算量与存储量适配微控制器运行的时序预测模型;

14、预测结果输出模块,用于调用所述目标预测模型对所述多维负荷特征向量执行负荷预测,得到台区未来负荷对应的预测结果。

15、本申请第三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上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的适配微控制器的台区负荷预测方法。

16、本申请第四方面提供了一种电子设备,所述设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线;

17、其中,所述处理器、所述存储器通过所述总线完成相互间的通信;

18、所述处理器用于调用所述存储器中的程序指令,以执行如上述的适配微控制器的台区负荷预测方法。

19、借由上述技术方案,本申请提供的技术方案至少具有下列优点:

20、本申请提供一种适配微控制器的台区负荷预测方法及系统,本申请首先实时采集台区用电负荷数据与外部环境关联数据并完成标准化预处理,得到时序对齐的当前负荷数据序列;随后分别从时间、周期、外部环境三个维度提取负荷关联特征,构建可直接用于模型运算的标准化多维负荷特征向量;再采用预设状态机模型处理多维负荷特征向量,判定台区当前运行工况对应的目标标准工况,目标标准工况是按负荷运行平稳程度划分的多个递进层级中的一个标准工况;然后从预设分层递进预测模型集中选取适配目标标准工况的目标预测模型,分层递进预测模型集包含与所述多个递进层级标准工况一一对应且计算复杂度递增的多个轻量化时序预测模型;最终调用目标预测模型对所述多维负荷特征向量执行负荷预测,得到台区未来负荷对应的预测结果。

21、相较于现有技术难以更好地适配台区本地低算力微控制器终端部署要求的问题,本申请采用工况分层识别结合差异化轻量化模型匹配的整体架构,实现算力轻量化与负荷预测准确度的双向兼顾。方案依据预设状态机模型精准识别负荷运行状态,按需调用对应复杂度的轻量化时序预测模型,能够在硬件资源受限的台区本地微控制器终端完成高精度测算,形成一套算力开销与预测性能相互平衡的完整解决方案,可在台区本地轻量化微控制器终端实现高精度、实时自适应的负荷预测。

22、上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。

1.一种适配微控制器的台区负荷预测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,按负荷运行平稳程度划分的多个递进层级标准工况包括:稳态运行工况、波动运行工况、强扰动运行工况,所述采用预设状态机模型处理所述多维负荷特征向量,判定台区当前运行工况对应的目标标准工况,包括:

3.根据权利要求2所述的方法,其特征在于,所述切换阈值包括第一切换阈值与第二切换阈值,所述第一切换阈值小于所述第二切换阈值,所述稳态运行工况对应第一持续时间阈值,所述波动运行工况对应第二持续时间阈值,所述强扰动运行工况对应第三持续时间阈值,则所述采用分层递进比对逻辑,逐级匹配所述综合工况判定指标、所述切换阈值与所述持续时间阈值,完成台区目标标准工况的判定,包括:

4.根据权利要求1所述的方法,其特征在于,所述调用所述目标预测模型对所述多维负荷特征向量执行负荷预测,得到台区未来负荷对应的预测结果,包括:

5.根据权利要求1所述的方法,其特征在于,所述对实时采集到的台区用电负荷数据和环境数据执行预处理,得到时序形式的当前负荷数据序列,包括:

6.根据权利要求1至5中任一项所述的方法,其特征在于,针对实时采集到的台区用电负荷数据和环境数据,设置处理时间周期,以按照所述时间周期执行对台区的单次负荷预测操作,则基于多个所述时间周期实现对台区进行负荷预测的过程中,所述方法还包括:

7.根据权利要求2至5中任一项所述的方法,其特征在于,针对实时采集到的台区用电负荷数据和环境数据,设置处理时间周期,以按照所述时间周期执行对台区的单次负荷预测操作,则基于多个所述时间周期实现对台区进行负荷预测的过程中,所述方法还包括:

8.一种适配微控制器的台区负荷预测系统,其特征在于,所述系统包括:

9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的适配微控制器的台区负荷预测方法。

10.一种电子设备,其特征在于,所述设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线;