一种基于物联网的智能调度系统及其负荷调度方法与流程

1.本发明涉及电能管理技术领域，尤其涉及一种基于物联网的智能调度系统及其负荷调度方法。


背景技术：

2.物联网(internet of things，lot)是互联网和移动通信网的应用延伸和进化，被誉为继个人计算机、互联网和移动通信网后的第三次全球信息化浪潮。中国工程院院士邬贺铨总结当前物联网的应用领域主要包括智能电网、智能交通、智能物流、生态监视、电子保健﹑智能家居、生产与运营安全监控等。物联网技术的飞速发展和普及给人类社会的生产、生活方式带来重大的变革，特别是生产调度领域首当其冲。物联网的通用功能是全面感知和可靠传递，而其终极功能智能服务的实现则根据其应用领域的不同而需要不同的方法，在线智能调度方法是物联网在生产调度领域实现智能服务功能的关键。物联网的应用与发展使在线实时实现生产监控和调度成为可能，而如何充分利用物联网数据，克服其内在的复杂性和数据规模问题，最终提供有用的决策支持，是未来该领域研究的关键问题。因而，基于物联网的在线智能调度方法的研究是当前产业界和学术界共同关注的热点和难点问题。
3.尤其随着国内电动汽车的大规模使用，电动汽车的充电需求也快速增加，电动汽车作为大功率充电负荷，需要的充电时间较长，且要求的充电功率较大，接入网后可能会加剧电网负荷峰谷差，造成次高峰现象，严重影响电网的安全性和稳定性，同时还会增加电网发电成本和用户用电开支，上述技术方案未考虑现有的大规模接入电动汽车的电力市场运行方式，也无法解决电动汽车入网所带来的用电问题。例如，现有技术中公开号为cn109818356a的专利文献提出了一种负荷调度方法，包括：获取日负荷预测曲线；根据日负荷预测曲线中各个时刻的预测负荷，计算总预测负荷；以各个时刻的发电机输出功率的总和等于总预测负荷为第一约束条件；以各个时刻的负荷削减量的总和等于各个时刻的负荷恢复量的总和为第二约束条件；对应单个时刻，根据单个时刻的预测负荷，以潮流方程为第三约束条件；以发电机输出功率限制为第四约束条件；以母线电压限制为第五约束条件；以结合负荷削减成本和发电成本的总成本函数为目标函数进行优化，得到优化结果；根据优化结果，同时调度发电机与负荷平移。
4.为实现对电动汽车的充放电过程的合理调控，现有技术中如公开号为cn111244964a的专利文献提出了一种计及电动汽车的电力系统潮流计算方法，包括：获取电动汽车的电气参数信息和用户的行为习惯信息；利用蒙特卡洛模拟法，根据电气参数信息和行为习惯信息得到电动汽车的模拟负荷曲线；获取电力系统的结构参数信息，结合模拟负荷曲线建立高阶非线性潮流方程，利用牛顿拉夫逊法计算得到潮流变量。该发明采用蒙特卡洛模拟的方法，可以将大量数据拟合得到电动汽车的充电功率曲线，并将其引入到潮流计算中，能够有效分析电动汽车对电力系统的影响，辅助电动汽车与电力网络的共生发展。
5.上述技术方案将电动汽车的电气参数信息和用户的行为习惯信息进行负荷模拟，预先对电动汽车的充电时间进行了安排引导，在该设置下不仅限制了用户的充电选择，并且无法根据用户的实际情况来灵活调整，应用性差。对此，现有技术中如公开号为cn109409571a的专利文献提出了一种电动汽车充电需求预测方法及装置，包括：利用预先建立的神经网络模型预测电动汽车驾驶速度；根据电动汽车驾驶速度确定电动汽车能量消耗；根据电动汽车能量消耗确定电动汽车充电需求；其中，预先建立的神经网络模型利用历史交通环境信息及其对应的历史电动汽车驾驶速度建立；该发明基于深度学习历史交通环境信息及其对应的历史电动汽车驾驶速度和电动汽车电池模型使预测的电动汽车充电需求更加准确，具备良好的可操作性和实用性。
6.上述技术方案综合考虑了影响实际驾驶的环境因素、驾驶员的驾驶习惯和电动汽车的电池特性，从而对电动汽车的充电需求进行预测以及提示，然而其从环境因素、驾驶习惯以及电池特性所分析得到的只是电池能量的消耗预测，实际上不同用户对电量的敏感程度以及充电成本的需求不同，因此仅仅预测电池能量的消耗并不能真实地反映充电需求，更没有提出对电动汽车的充放电过程进行合理调控的解决方案。
7.此外，一方面由于对本领域技术人员的理解存在差异；另一方面由于申请人做出本发明时研究了大量文献和专利，但篇幅所限并未详细罗列所有的细节与内容，然而这绝非本发明不具备这些现有技术的特征，相反本发明已经具备现有技术的所有特征，而且申请人保留在背景技术中增加相关现有技术之权利。


技术实现要素：

8.为解决以往如公开号为cn109818356a的专利文献未考虑大规模接入电动汽车的电力市场运行方式对电网带来的巨大影响的问题，相关研究提出了将电动汽车的电气参数信息和用户的行为习惯信息进行负荷模拟，预先对电动汽车的充电时间进行了安排引导的技术方案，然而在该设置下不仅限制了用户的充电选择，并且无法根据用户的实际情况来灵活调整，应用性差。对此，部分研究综合考虑了影响实际驾驶的环境因素、驾驶员的驾驶习惯和电动汽车的电池特性，从而对电动汽车的充电需求进行实时的预测以及提示，然而其从环境因素、驾驶习惯以及电池特性所分析得到的只是电池能量的消耗预测，实际上不同用户对电量的敏感程度以及充电成本的需求不同，因此仅仅预测电池能量的消耗并不能真实地反映充电需求，更没有提出对电动汽车的充放电过程进行合理调控的解决方案。
9.针对现有技术之不足，本发明提供了一种基于物联网的智能调度系统，至少包括多个分布式电源、多个负荷源以及多个移动用能设备，还包括：第一数据处理模块，其被配置为监测分布式电源并对其出力预测值进行评估；第二数据处理模块，其被配置为监测负荷源并对其负荷预测值进行评估；第三数据处理模块，其被配置为监测调度网络内多个移动用能设备的使用状态，并分别对其中处于第一使用状态的移动用能设备的可调度能力以及处于第二使用状态的移动用能设备的第一用电需求进行评估；智能调度模块，其被配置为基于由第一数据处理模块得到的第一评估结果、由第二数据处理模块得到的第二评估结果以及由第三数据处理模块得到的第三评估结果来确定第一电网负荷调度指令，第一电网负荷调度指令可用于指示调度网络中至少一个移动用能设备的使用状态的切换。
10.由于供电侧的所有可发电设备并非随时全部都投入使用，而是基于供电侧的控制
策略而适应性地调控不同可发电设备彼此组合来共同实现供电。例如当前主流的以具有强随机性、波动性和间歇性的新能源发电为主要电量支撑，以火力发电作为电量辅助的备用保障电源的组合方式。因此可能会出现预测得到的出力预测值与供电侧的实际实时供电能力有较大偏差，尤其当偏差为负值而供电不足时，若选择备用保障电源进行火力发电来保障用电，一方面无法短时响应，另一方面不利于节能环保，对于用户而言电力价格也将提高。为实现对电动汽车的充放电过程的合理调控，本技术提出了一种基于物联网的智能调度系统，通过对电动汽车的入网进行有效引导或调控，以减少电动汽车入网对电网带来的负荷冲击以及不必要的发电装机与电网改造，保障电动汽车与电网的协调发展，达到削峰填谷的效果。在移动用能设备闲置期间通过智能评估可调度能力以及用电需求，一方面合理地利用其蓄电池蓄能特性，缓解电网过载现象，有利于供电侧持续地良性运转，同时相较于常规的备用保障电源而言，移动用能设备的供电形式节能环保，且短时响应性强；另一方面主动地调度引导移动用能设备作为负荷入网的时机，最大程度地降低了移动用能设备入网用电对电网带来的供电影响，并用户无需付出过多的关注或分析即可实现其为移动用能设备充电的用电成本的降低。
11.根据一种优选实施方式，所述系统还包括用于与移动用能设备进行充放电双向流动的多个定点电力装置，第三数据处理模块被配置为获取定点电力装置在其被动接入有至少一个移动用能设备的情况下所上传的移动用能设备标识信息，并基于该移动用能设备标识信息来调取位于调度网络中与之对应的移动用能设备的且用于监测该移动用能设备的使用状态的移动用能设备使用数据。
12.为增强对移动用能设备的用户信息的安全保护，在本技术中，智能调度系统将移动用能设备所组成的网络与定点电力装置所组成的网络之间相隔离。目前，由于充电数据的采集及记录上传的需要，定点电力装置均具有信息交互用的数据接头，每次接入移动用能设备时，定点电力装置需要从云端或数据服务器端调取到与之对应的用户信息，然而，定点电力装置需要接入的移动用能设备的数量较多，定点电力装置暴露在户外而管理人员大多仅在线维护定点电力装置，难以避免定点电力装置线下被非善意侵入而被接入定点电力装置网络，盗取经移动用能设备储存的用户隐私信息的问题。对此，在本技术中，定点电力装置仅仅只能获取到定点电力装置的标识信息，标识信息可以是车牌号码或用户录入的用户编号或其他可唯一识别到当前接入定点电力装置的移动用能设备。定点电力装置将标识信息上传至调度系统，由与移动用能设备网络相连接的调度系统进行数据调取及反馈，定点电力装置仅需响应于调度系统反馈的指令，无需调取云端或数据服务器的数据。以此实现对用户信息的安全保障的提升。
13.根据一种优选实施方式，所述系统还包括第四数据处理模块，其用于获取各移动用能设备的至少包括设备使用时长的历史数据，并对设备使用时长超出预设使用时长阈值的移动用能设备进行用户出行习惯分析以得到可用于表征用户出行习惯的行为标签，行为标签可用于第三数据处理模块评估可调度能力和/或用电需求。
14.根据一种优选实施方式，所述第三数据处理模块可基于预先设定的储能调度策略对其调取到的移动用能设备使用数据进行时空关联分析，以得到关于该移动用能设备的时空关联特征，并结合时空关联特征和与之对应的行为标签来确定需要评估可调度能力和/或第二用电需求的第一评估时机。
15.根据一种优选实施方式，所述行为标签至少包括通过用户出行习惯分析所得到的第一行为标签，以及基于定点电力装置的部署信息以及多个移动用能设备的历史数据进行大数据统计分析所得到的第二行为标签。
16.根据一种优选实施方式，所述第三数据处理模块还可基于预先设定的储能调度策略处理得到关于移动用能设备的被调度次数的第二评估时机，在移动用能设备同时满足第一评估时机和第二评估时机的情况下进行可调度能力和/或第二用电需求的评估。
17.根据一种优选实施方式，第三数据处理模块基于移动用能设备使用数据可获得移动用能设备的使用状态，并在识别到移动用能设备处于第二使用状态的情况下至少结合移动用能设备使用数据中的电量数据和/或目的地信息来确定需要评估第一用电需求的第三评估时机。
18.根据一种优选实施方式，智能调度模块至少基于第一评估结果与第二评估结果来指示接入电网的具有可调度能力的移动用能设备的第一使用状态切换时机或具有第一用电需求的移动用能设备的的第二使用状态切换时机。
19.本发明还提出了一种基于物联网的负荷调度方法，至少包括：监测分布式电源并对其出力预测值进行评估；监测负荷源并对其负荷预测值进行评估；监测调度网络内多个移动用能设备的使用状态，并分别对其中处于第一使用状态的移动用能设备的可调度能力以及处于第二使用状态的移动用能设备的第一用电需求进行评估；基于第一评估结果、第二评估结果以及第三评估结果来确定第一电网负荷调度指令，第一电网负荷调度指令可用于指示调度网络中至少一个移动用能设备的使用状态的切换。
20.根据一种优选实施方式，所述方法还包括：获取定点电力装置在其被动接入有至少一个移动用能设备的情况下所上传的移动用能设备标识信息；基于移动用能设备标识信息来调取位于调度网络中与之对应的移动用能设备的且用于监测该移动用能设备的使用状态的移动用能设备使用数据。
附图说明
21.图1是本发明提供的基于物联网的负荷调度系统的简化模块连接关系示意图。
22.附图标记列表
23.1：智能调度模块；2：供电侧；3：负荷侧；4：储能系统；5：移动用能设备系统；6：第一数据处理模块；7：第二数据处理模块；8：第三数据处理模块；9：第四数据处理模块。
具体实施方式
24.下面结合附图进行详细说明。
25.本技术提出了一种基于物联网的负荷调度方法，可以包括：
26.s101：获取配电网的历史数据。
27.由第一数据处理模块来获取或调取配电网的历史数据。其中，历史数据包括负荷历史值、分布式电源历史出力值和历史气象条件值。例如，可以收集过去三年每天的某配网下各负荷历史值以及分布式电源历史出力值，并同时收集与之匹配的当日的气象条件值。其中，气象条件值可以包括温度，湿度，气压，风速，太阳辐射强度等参数。分布式电源可以指的是光伏发电、风力发电、小水力发电、地热发电以及海洋波力发电中的一种或几种，即
为供电侧。负荷源即为用电侧，例如居民用电、商业用电、工业用电。
28.s102：基于模糊聚类对分布式电源进行集群划分，得到多个分布式电源集群。
29.第一数据处理模块基于模糊聚类对分布式电源进行集群划分，得到多个分布式电源集群。
30.在本技术实施例中，可基于发电方式的不同对供电侧的若干分布式电源进行一级集群划分以得到多个一级分布式电源集群。通过一级聚类，尤其将供电侧划分为若干集群，若干集群可分别对应发电方式不同的新能源发电、火力发电、沼气燃烧发电等等。但由于不同发电形式下的发电过程具有显著的区域性、阶段性以及时域性，因此不同发电形式下的发电过程仍然具有较大的差异，单一地依据发电特点将其划分为某一类集群，无法准确地反映实际供电能力。对此，在基于发电方式进行一级集群划分的基础上，进行二级集群的划分，以将一级集群内的若干分布式电源进一步地划分为若干个二级分布式电源集群。
31.优选地，可按照模糊聚类进行二级集群的划分。按照模糊聚类进行二级集群划分得到作为同调机群的二级分布式电源集群。划分同调集群的方法可包括基于摇摆曲线、基于电气距离、基于角速度、以及基于奇异摄动原理的同调集群识别法等。在该设置下，将分布式电源中在动态过程中的动态行为相近的分布式电源划分为同一同调机群。
32.具体地，建立分布式电源历史出力值所对应的分布式出力观测数据矩阵，其对应的矩阵形式如下：
33.x＝[x1,x2,...,x
s
]；
[0034]
其中，x
i
＝[x
i1
,x
i2
,...,x
in
]，x
in
为第i个变量第n次观测的结果，s为变量个数。
[0035]
在本发明实施例中，可以预先建立多个初始隶属度矩阵及其对应的初始聚类中心。根据各初始隶属度矩阵及其对应的初始聚类中心，对分布式出力观测数据矩阵进行二级集群的划分，以得到多个二级分布式电源集群。
[0036]
在进行二级分布式电源集群划分时，可以建立如下公式所示的模糊聚类目标函数：
[0037]
式中，p为聚类中心矩阵，p＝[p1,p2,...,p
c
]，p
c
为第c类聚类中心；u为隶属度矩阵，其中d
jk
＝||x
k
‑
v
j
||
a
＝(x
k
‑
v
j
)
t
a(x
k
‑
v
j
)，为样品x
k
到聚类中心v
j
的距离范数。
[0038]
通过迭代更新聚类中心和隶属度，可以实现二级分布式电源集群的划分，迭代公式如下：
[0039][0040][0041]
其中，n表示划分的聚类个数，l为迭代代数。
[0042]
在本发明实施例中，还可对若干分布式电源进行三级集群的划分。三级集群是对作为一级集群划分基础的若干分布式电源进行的，与一级二级集群之间并非递进关系。三级分布式电源集群是基于各分布式电源的地域位置进行划分的。按照一定的区域范围，将部分同处一个区域范围内的分布式电源划分为共同的三级集群。为实现数据处理及转发，确定三级分布式电源集群中的某一分布式电源作为该三级分布式电源集群的路由节点。该路由节点用于负责将集群内信息向外部传送，以及负责将外部信息向其内部各分布式电源进行广播。三级分布式电源集群内的各个分布式电源均具有其所在三级集群内的其他电源的状态以及运作信息。即使在指定的路由节点瘫痪或脱网的情况下，调度系统可及时地任意指定其他电源作为新的路由节点。以此保障系统的安全稳定运行。同时，各路由节点可用于对其所在三级集群内的分布式电源的负荷观测数据等数据进行处理，处理后的数据再转发至调度系统进行整合。对此，调度系统合理地将数据处理任务向下放至多个路由节点，调度系统承受的数据处理压力减小，可更有效地提升调度效率。
[0043]
对分布式电源进行集群划分之后，样本特征更加明显，训练迭代次数也随之减少，得到的预测结果更加精准。并且预测速度也得到极大的提升，有利于在短时间尺度内实现实时的分布式电源出力的预测。
[0044]
s103：基于模糊聚类对负荷源进行集群划分，得到多个负荷源集群。
[0045]
第二数据处理模块基于模糊聚类对负荷源进行集群划分，得到多个负荷源集群。在本发明实施例中，可以建立与负荷历史值所对应的负荷观测数据矩阵；根据预先设定的各初始隶属度矩阵及其对应的初始聚类中心，对负荷源观测数据矩阵进行集群的划分，以得到多个负荷源集群。
[0046]
在进行负荷源集群划分时，可以建立如下公式所示的模糊聚类目标函数：
[0047]
式中，p为聚类中心矩阵，p＝[p1,p2,...,p
c
]，pc为第c类聚类中心；u为隶属度矩阵，其中d
jk
＝||x
k
‑
v
j
||
a
＝(x
k
‑
v
j
)
t
a(x
k
‑
v
j
)，为样品xk到聚类中心vj的距离范数。
[0048]
通过迭代更新聚类中心和隶属度，可以实现负荷源集群的划分，迭代公式如下：
[0049][0050][0051]
其中，n表示划分的聚类个数，l为迭代代数。
[0052]
使用线性回归算法与时间序列算法构建基于不同用户特性的负荷预测模型，通过具体数据分析算法构建数据模型得出基于用户特性分析的多因子负荷预测，通过线路负荷历史数据、微气象历史数据、地区gdp历史数据预测未来同期的线路负荷值；利用k
‑
means聚
类算法对线路负荷数据进行分类，将线路负荷数据根据用电类别分为居民用电线路、商业用电线路、工业用电线路。
[0053]
s104：利用各预测模型对相应的二级分布式电源集群所对应的目标分布式电源出力值以及气象条件值进行处理，确定出各二级分布式电源集群的出力预测值。出力预测值可以指通过预测计算得到的某一分布式电源或某一分布式电源集群等在某一时间段内的供电能力大小。
[0054]
第一数据处理模块利用各预测模型对相应的二级分布式电源集群所对应的目标分布式电源出力值以及气象条件值进行处理，确定出各二级分布式电源集群的出力预测值，即第一评估结果。
[0055]
在计算各二级分布式电源集群的出力预测值时，首先需要对各二级分布式电源集群进行特征值提取。
[0056]
其中，特征值包括当天所对应的分布式电源历史出力值和当天所对应的历史气象条件值以及前一天所对应的分布式电源历史出力值。
[0057]
可以将提取出的特征值以矩阵形式表示：i＝[i1,i2,...,i
s
]；
[0058]
式中，i
j
＝[i
j1
,i
j2
,...,i
jn
]，i
jn
为第j个变量第n次观测的结果，s为变量个数。
[0059]
为了保证各类数据形式的统一，需要将各特征值转化为标准数据。标准化方法如下：
[0060][0061]
其中，f
i
表示第i个数据的当前输入值，表示第i个数据的标准化值，f
imax
表示第i个数据的最大值，f
imin
表示第i个数据的最小值。
[0062]
利用标准数据对预先建立的极限学习机进行训练；将各二级分布式电源集群所对应的目标分布式电源出力值的标准值以及气象条件值的标准值输入至训练好的极限学习机中，以得到各二级分布式电源集群的出力预测值。
[0063]
极限学习机的输入参数包括预测目标日前一天的分布式电源出力值的标准值，以及预测目标日的气象条件值的标准值，相应的，输出预测目标日的分布式电源的出力预测值。
[0064]
s105：利用各预测模型对相应的负荷源集群所对应的目标负荷值以及气象条件值进行处理，确定出各负荷源集群的负荷预测值。负荷预测值可以指通过预测计算得到的某一负荷源或某一负荷源集群等在某一时间段内的用电大小。
[0065]
第二数据处理模块利用各预测模型对相应的负荷源集群所对应的目标负荷值以及气象条件值进行处理，确定出各负荷源集群的负荷预测值，即第二评估结果。
[0066]
在具体实现中，可以对各负荷源集群进行特征值提取；其中，特征值包括当天所对应的负荷历史值和当天所对应的历史气象条件值以及前一天所对应的负荷历史值；将各特征值转化为标准数据；利用标准数据对预先建立的极限学习机进行训练；将各负荷源集群所对应的目标负荷值以及气象条件值输入至训练好的极限学习机中，以得到各负荷源集群的负荷预测值。
[0067]
在计算各负荷源集群的负荷预测值时，首先需要对各负荷源集群进行特征值提
取。
[0068]
其中，特征值包括当天所对应的负荷历史值和当天所对应的历史气象条件值以及前一天所对应的负荷历史值。
[0069]
可以将提取出的特征值以矩阵形式表示：i＝[i1,i2,...,i
s
]；
[0070]
式中，i
j
＝[i
j1
,i
j2
,...,i
jn
]，i
jn
为第j个变量第n次观测的结果，s为变量个数。
[0071]
为了保证各类数据形式的统一，需要将各特征值转化为标准数据。标准化方法如下：
[0072][0073]
其中，f
i
表示第i个数据的当前输入值，表示第i个数据的标准化值，f
imax
表示第i个数据的最大值，f
imin
表示第i个数据的最小值。
[0074]
利用标准数据对预先建立的极限学习机进行训练；将各负荷源集群所对应的目标负荷预测值的标准值以及气象条件值的标准值输入至训练好的极限学习机中，以得到各负荷源集群的负荷预测值。
[0075]
极限学习机的输入参数包括预测目标日前一天的负荷源负荷值的标准值，以及预测目标日的气象条件值的标准值，相应的，极限学习机输出预测目标日的负荷源的负荷预测值。
[0076]
s106：监测调度网络内多个移动用能设备的使用状态，并分别对其中处于第一使用状态的移动用能设备的可调度能力以及处于第二使用状态的移动用能设备的第一用电需求进行评估。
[0077]
第三数据处理模块8用于监测调度网络内多个移动用能设备的使用状态。第三数据处理模块8对处于第一使用状态的移动用能设备的可调度能力进行评估。第三数据处理模块8对处于第二使用状态的移动用能设备的第一用电需求进行评估。
[0078]
本技术所提及的使用状态，主要包括移动用能设备停置于定点电力装置所在位置且两者相连接的第一使用状态。本技术所提及的使用状态，还可包括移动用能设备正在行驶的第二使用状态。
[0079]
本技术所提及的移动用能设备正在行驶，可以包括移动用能设备正在移动的情况，也可包括移动用能设备暂时停靠的情况。
[0080]
本技术所提及的使用状态，还可包括进行充电的状态、以及被调度作为储能设备或放电设备的状态。
[0081]
本技术所提及的使用状态的切换，可以包括第一使用状态向第二使用状态的切换。本技术所提及的使用状态的切换，还可包括进行充电的状态与被调度作为储能设备或放电设备的状态的切换。使用状态的切换也可以是指上述四种状态之间的切换。
[0082]
本技术所提及的可调度能力可以指能够在某一时间段内被系统调度用于为电网提供辅助电能或进行储能。
[0083]
本技术所提及的用电需求可以指移动用能设备作为用电侧接入电网的需求。
[0084]
本技术所提出的智能调度系统还包括多个定点电力装置。定点电力装置可与移动用能设备进行充放电双向流动。接入到定点电力装置的移动用能设备既可以通过定点电力
装置进行充电，也可以通过定点电力装置接入电网进行供电。
[0085]
定点电力装置在其被动接入有至少一个移动用能设备的情况下，将移动用能设备标识信息上传至调度系统。第三数据处理模块8基于该移动用能设备标识信息来调取位于调度网络中与之对应的移动用能设备的移动用能设备使用数据。移动用能设备使用数据用于第三数据处理模块8实现对该移动用能设备的使用状态的监测。
[0086]
本技术所提出的智能调度系统还包括第四数据处理模块9，其用于获取各移动用能设备的至少包括设备使用时长的历史数据。第四数据处理模块9对设备使用时长超出预设使用时长阈值的移动用能设备进行用户出行习惯分析。第四数据处理模块9可通过分析得到行为标签。行为标签可用于表征用户出行习惯。行为标签可用于第三数据处理模块8评估可调度能力和/或用电需求。
[0087]
第三数据处理模块8可基于预先设定的储能调度策略对其调取到的移动用能设备使用数据进行时空关联分析。第三数据处理模块8通过分析可得到关于该移动用能设备的时空关联特征。第三数据处理模块8结合时空关联特征和与之对应的行为标签来确定需要评估可调度能力和/或第二用电需求的第一评估时机。
[0088]
优选地，第三数据处理模块8可基于移动用能设备使用数据可获得移动用能设备的使用状态。在识别到移动用能设备处于第一使用状态的情况下，确定需要评估可调度能力和/或第二用电需求的第一评估时机。
[0089]
将时空关联特征和行为标签结合分析，是为了判断该移动用能设备是否需要进行可调度能力分析和/或第二用电需求。
[0090]
所述行为标签可包括通过用户出行习惯分析所得到的第一行为标签。通过用户出行习惯分析，可得到时间与地点相对应的概率分布，将其中达到一定概率要求的多个时间地点对应关系作为第一行为标签。例如，周一至周五的早上九点到下午五点这段时间与某一地理位置如公司地点相对应的概率非常高，即将其纳入为第一行为标签。
[0091]
所述行为标签可包括通过大数据统计分析得到的第二行为标签。第二行为标签可以是第三数据处理模块8基于多个移动用能设备的历史数据进行大数据统计分析所得到的。通过大数据统计分析，可得到至少部分显著性地点，将其中达到一定概率要求的多个显著性地点作为第二行为标签。显著性地点可以例如是景区、高速公路服务区、中大型商超、酒店等等。显著性地点可以是基于用户所在的当前地理位置在一定区域范围之内的地点。优选地，可通过对多个移动用能设备的大数据统计分析来确定与显著性地点相对应的平均用时数据。进行统计分析的大数据可以是基于多个移动用能设备，也可以是常规的人流出行数据、车辆出行数据等等。
[0092]
时空关联特征指的是当前对应的时域特征与地理特征。时空关联特征可以是从两方面同时进行评估的。一方面从时域特征上，在与该时域特征相对应的少量行为标签中进行对比评估。时域特征可以是当前时刻或当前时间段或当日等。另一方面从地域特征上，在与该地域特征相对应的少量行为标签中进行对比评估。地域特征可以是当前地理位置或与之临近的地理位置。地域特征可以是基于用户所在的当前地点在一定区域范围之内的地理位置。
[0093]
若时空关联特征符合第一行为标签，确定其属于第一行为标签中可能短时间内将使用该移动用能设备的标签，或是属于第一行为标签中用户较长时间才会使用该移动过用
能设备的标签。
[0094]
通过结合时空关联特征和与之对应的行为标签进行分析，可预测得到处于第一使用状态下的移动用能设备的可能被用户取用的时间。第三数据处理模块8中可预设有与之对应的停留时长阈值。
[0095]
若通过分析得到用户短时间内将会取用该移动用能设备，则无需评估该移动用能设备的可调度能力，也无需评估其第二用电需求。优选地，也可根据预先制定的策略，在用户将移动用能设备连接至定点电力装置时，主动询问用户充电需求。若用户选择短时内需要用车，则直接调控定点电力装置为移动用能设备充电。询问信息可以通过定点电力装置或移动用能设备或由用户操作的移动终端设备来显示。
[0096]
若分析得到用户短时间内不会用车，则需要评估其可调度能力。根据预先制定的策略，将移动用能设备作为储能设备或放电设备。例如被调度作为储能设备的情况下移动用能设备可进行电量的存储，或作为放电设备进行电量辅助供应。若分析得到用户短时间内不会用车，还需评估其第二用电需求。第二用电需求用于限制被调度的程度，其可以是指预测得到的用户取用移动用能设备的时间。以此保障在用户取用移动用能设备之前电量的充足。
[0097]
所述第三数据处理模块8还可基于预先设定的储能调度策略处理得到关于移动用能设备的被调度次数的第二评估时机。第三数据处理模块8在移动用能设备同时满足第一评估时机和第二评估时机的情况下进行可调度能力和/或第二用电需求的评估。
[0098]
所述第三数据处理模块8可基于预先设定的储能调度策略将该移动用能设备在预设时长阈值内的被调度次数与预设调度次数阈值进行比对。在该移动用能设备在预设时长阈值内的被调度次数未超出预设调度次数阈值的情况下确定需要评估可调度能力和/或第二用电需求的第二评估时机。第三数据处理模块8被配置为在移动用能设备同时满足第一评估时机和第二评估时机的情况下进行可调度能力和/或第二用电需求的评估。
[0099]
第三数据处理模块8基于移动用能设备使用数据可获得移动用能设备的使用状态，并在识别到移动用能设备处于第二使用状态的情况下至少结合移动用能设备使用数据中的电量数据和/或目的地信息来确定需要评估第一用电需求的第三评估时机。
[0100]
移动用能设备使用数据中可包含目的地信息。目的地信息可以是按照用户录入移动用能设备的导航信息来获取到的。
[0101]
在第三数据处理模块8基于移动用能设备使用数据获取到目的地信息和当前电量信息的情况下，至少基于当前电量来确定需要评估第一用电需求的第三评估时机。
[0102]
若当前电量低于第一预设电量消耗阈值与第一预设超额量阈值之和，则通过移动用能设备向用户提示临近的定点电力设备的位置。在该情况下不满足第三评估时机。
[0103]
第一预设电量消耗阈值指的是抵达目的地所需电量。第一预设超额量阈值指的是用户抵达目的地后再前往下一充电点所需的电量。
[0104]
若当前电量高于第一预设电量消耗阈值与第一预设超额量阈值之和，且相对第一预设电量消耗阈值的超额量介于第一预设超额量阈值至第二预设超额量阈值，指示移动用能设备按照既定路线引导用户，通过移动用能设备向用户提示抵达目的地后的定点电力设备的位置。在该情况下不满足第三评估时机。
[0105]
第二预设超额量阈值是指用户抵达目的地后再前往至少两个不同地点的充电点
所需的电量。
[0106]
若当前电量高于第一预设电量消耗阈值与第一预设超额量阈值之和，且相对第一预设电量消耗阈值的超额量超出第二预设超额量阈值，则取决于用户的录入信息来决定是否需要向用户提供充电点位置。在该情况下满足第三评估时机。
[0107]
若当前电量低于第二预设电量消耗阈值，指示移动用能设备按照既定路线引导用户，通过移动用能设备向用户提示抵达目的地后的定点电力设备的位置。在该情况下不满足第三评估时机。
[0108]
第二预设电量消耗阈值可以是指按照用户出行数据所分析得到的满足用户日常出行需求的最低电量。第二预设电量消耗阈值也可以是由用户自行设定的数值。
[0109]
若当前电量高于第二预设电量消耗阈值，则取决于用户的录入信息来决定是否需要向用户提供充电点位置。在该情况下满足第三评估时机。
[0110]
在第三数据处理模块8基于移动用能设备使用数据获取到当前电量信息但未获取到目的地信息的情况下，至少基于当前电量来确定需要评估第一用电需求的第三评估时机。
[0111]
基于该移动用能设备所对应的行为标签，分析当前时刻下的用户或该移动用能设备是否对地点敏感。
[0112]
若当前时刻下的用户的地点敏感度超过预设地点敏感度阈值，且得到的地点属于第一行为标签，则从第一行为标签中调取出相应的地点信息作为目的地信息。在此情况下，第三数据处理模块8按照基于移动用能设备使用数据获取到目的地信息的方式进行充电引导。
[0113]
若当前时刻下的用户的地点敏感度超过预设地点敏感度阈值，且得到的地点属于第二行为标签，则通过移动用能设备向用户提示临近的定点电力设备的位置。在该情况下不满足第三评估时机。
[0114]
地点敏感度阈值指的是当前时刻下的用户去往某一地点的可能性。该地点可以是第三数据处理模块8基于用户的第一行为标签，即基于用户的出行习惯进行分析而得到的。地点敏感度阈值也可以是指当前时刻下用户所在地点的特殊程度，该地点并不符合用户的出行习惯，但通过大数据统计可确定其所在地点属于长时间无法途径充电点的地点。
[0115]
若当前时刻下的用户的地点敏感度未达到预设地点敏感度阈值，无法预测用户的行为，则取决于用户的录入信息来决定是否需要向用户提供充电点位置。在该情况下满足第三评估时机。
[0116]
本技术中提及的用户的录入信息，既可以是指用户实时地向移动用能设备录入的定点电力装置查询指令，也可以是指用户预先确定的在达到预设条件时无需向用户询问是否需要查询定点电力装置，直接由调度系统主动向其提供定点电力装置信息。其中的预设条件可以例如是指“当前电量高于第二预设电量消耗阈值”或“当前时刻下的用户的地点敏感度未达到预设地点敏感度阈值”。
[0117]
s106：基于第一评估结果、第二评估结果以及第三评估结果，来确定第一电网负荷调度指令。
[0118]
第一电网负荷调度指令可用于指示调度网络中至少一个移动用能设备的使用状态的切换。
[0119]
智能调度模块1基于由第一数据处理模块6得到的第一评估结果、由第二数据处理模块7得到的第二评估结果以及由第三数据处理模块8得到的第三评估结果来确定第一电网负荷调度指令。第三评估结果即指的是由第三数据处理模块8处理得到的可调度能力与第一用电需求。
[0120]
第一电网负荷调度指令可用于指示调度网络中至少一个移动用能设备的使用状态的切换。
[0121]
智能调度模块1至少基于第一评估结果与第二评估结果来指示处于第一使用状态的部分移动用能设备的第一状态切换时机或处于第二使用状态的部分移动用能设备的的第二状态切换时机。
[0122]
第一状态切换时机是指调度移动用能设备入网储电或放电的时机。以使得部分移动用能设备能够应需入网辅助供电。第二状态切换时机是指引导移动用能设备前往某一定点电力装置进行充电的时机。以使得部分移动用能设备能够应需错峰入网进行充电，减轻电网负担，有利于维持电网的良好运作。
[0123]
该第一电网负荷调度指令中包含第一期望功率值。
[0124]
在通过移动用能设备系统5响应电网负荷调度指令的过程中，可以通过调度系统发送携带第一期望功率值的第一电网负荷调度指令，以调节若干移动用能设备系统5的第一状态切换时机和/或第二状态切换时机。移动用能设备系统5可以是若干个移动用能设备的统称。
[0125]
该第一电网负荷调度指令中包含第二期望功率值。
[0126]
在通过负荷侧3响应电网负荷调度指令的过程中，可以通过调度系统发送携带第二期望功率值的第一电网负荷调度指令，以调节负荷侧3的功率。
[0127]
该第一电网负荷调度指令中包含第三期望功率值。
[0128]
在通过储能系统4响应电网负荷调度指令的过程中，可以通过调度系统发送携带第三期望功率值的第一电网负荷调度指令，以调节储能系统4的功率。
[0129]
其中，本发明实施例所提供的智能调度方法可应用于智能调度系统的负荷侧3的可调负荷，该可调负荷并联有储能系统4以及移动用能设备系统5，智能调度系统还包括供电侧2。其中，可调负荷、储能系统4以及移动用能设备系统5的并联可以是实际并联接入一个物理连接点，也可以接入多个物理连接点。
[0130]
其中，可调负荷为具备调节能力的负荷，即其负荷功率在一定范围内可以根据指令需求进行连续或阶跃调节；在实际应用中，可调负荷包括但不限于拖动电机、压缩机、制冷机组、水泵或制冰设备等；并且，本发明实施例所述的可调负荷可以为单个可调负荷，也可以为多个可调负荷的集群。
[0131]
与现有技术相比，本发明通过并联接入不受调节速率和调节范围限制的储能系统4以及移动用能设备系统5，为可调负荷提供了更大的调节灵活性，同时增加了负荷侧3的调节范围和供电侧2的调节范围，提高了调节速度和调节精度指标，负荷侧3可对电网负荷调度指令有效响应。同时，由于储能系统4以及移动用能设备系统5具有一定的功率和能量容量，可以为负荷侧3提供调节范围和时间计划安排的缓冲，而在响应电网负荷调度指令的同时，减小了对负荷侧3生产过程的冲击，避免了由于调节可调负荷造成的质量和产能的损失。
[0132]
需要注意的是，上述具体实施例是示例性的，本领域技术人员可以在本发明公开内容的启发下想出各种解决方案，而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白，本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。本发明说明书包含多项发明构思，诸如“优选地”、“根据一个优选实施方式”或“可选地”均表示相应段落公开了一个独立的构思，申请人保留根据每项发明构思提出分案申请的权利。