一种区域电力调度组网方法及系统与流程

1.本发明涉及电力调度技术领域，具体涉及一种区域电力调度组网方法及系统。


背景技术：

2.电力调度是电力输送的重要环节，区域电力调度例如省级电力调度大多是根据行政区域或地理划分设置多个等级的调度节点。每个调度节点均为一个调度系统，具有本地的计算资源和存储资源，不同节点之间通过局域网通信进行调度数据传输。
3.随着电网的复杂化，电力调度任务越来越多，这种传统的电力调度网络存在调度节点资源扩充不变的问题，若由各调度节点盲目扩充资源，也容易造成资源过剩、浪费成本的问题。


技术实现要素：

4.针对现有技术的上述不足，本发明提供一种区域电力调度组网方法及系统，以解决上述技术问题。
5.第一方面，本发明提供一种区域电力调度组网方法，包括：
6.构建区域云平台，设置区域调度节点与所述区域云平台的通信连接；
7.根据调度节点季度预估工作量为所述调度节点分配云平台的初始资源；
8.监控所述调度节点的资源利用率；
9.利用预先构建的prophet模型根据资源利用率预测所述调度节点的资源利用率变化趋势；
10.根据所述资源利用率变化趋势对所述调度节点的云资源进行重分配。
11.进一步的，构建区域云平台，设置区域调度节点与所述区域云平台的通信连接，包括：
12.根据区域电力管理层级设置多级调度节点，并根据调度节点的等级设置各调度节点的操作权限。
13.进一步的，根据调度节点季度预估工作量为所述调度节点分配云平台的初始资源，包括：
14.根据调度节点的业务计划估算调度节点的工作量；
15.根据单位工作量所需的云资源和预估工作量计算所述调度节点的初始资源。
16.进一步的，监控所述调度节点的资源利用率，包括：
17.根据预设的监控周期定期采集所述调度节点的资源利用率，所述资源利用率包括计算资源利用率和存储资源利用率；
18.根据资源利用率的采集时间对采集的资源利用率进行排序，得到资源监控时间序列。
19.进一步的，利用预先构建的prophet模型根据资源利用率预测所述调度节点的资源利用率变化趋势，包括：
20.预先将调度节点在指定周期内的历史资源利用率数据保存至数据训练集合；
21.构建prophet holiday模型，并利用所述数据训练集合对所述prophet holiday模型进行训练；
22.将所述资源监控时间训练输入训练好的prophet holiday模型，获取资源利用率达到预设阈值的预测时间。
23.进一步的，根据所述资源利用率变化趋势对所述调度节点的云资源进行重分配，包括：
24.计算预测时间与预设时间阈值的差值；
25.根据预先制定的比例系数和所述差值计算重分配云资源量；
26.根据所述重分配云资源量的正负属性和重分配云资源量对所述调度节点的云资源进行调整。
27.第二方面，本发明提供一种区域电力调度组网系统，包括：
28.通信设置单元，用于构建区域云平台，设置区域调度节点与所述区域云平台的通信连接；
29.初始分配单元，用于根据调度节点季度预估工作量为所述调度节点分配云平台的初始资源；
30.资源监控单元，用于监控所述调度节点的资源利用率；
31.趋势预测单元，用于利用预先构建的prophet模型根据资源利用率预测所述调度节点的资源利用率变化趋势；
32.资源调整单元，用于根据所述资源利用率变化趋势对所述调度节点的云资源进行重分配。
33.进一步的，所述资源监控单元包括：
34.数据采集模块，用于根据预设的监控周期定期采集所述调度节点的资源利用率，所述资源利用率包括计算资源利用率和存储资源利用率；
35.数据排序模块，用于根据资源利用率的采集时间对采集的资源利用率进行排序，得到资源监控时间序列。
36.进一步的，所述趋势预测单元包括：
37.数据准备模块，用于预先将调度节点在指定周期内的历史资源利用率数据保存至数据训练集合；
38.模型训练模块，用于构建prophet holiday模型，并利用所述数据训练集合对所述prophet holiday模型进行训练；
39.时间预测模块，用于将所述资源监控时间训练输入训练好的prophet holiday模型，获取资源利用率达到预设阈值的预测时间。
40.进一步的，所述资源调整单元包括：
41.差值计算模块，用于计算预测时间与预设时间阈值的差值；
42.目标计算模块，用于根据预先制定的比例系数和所述差值计算重分配云资源量；
43.资源调整模块，用于根据所述重分配云资源量的正负属性和重分配云资源量对所述调度节点的云资源进行调整。
44.本发明的有益效果在于，
45.本发明提供的区域电力调度组网方法及系统，通过基于云平台进行调度组网，能够将区域调度所需的计算资源和存储资源统一至云平台，由云平台根据各调度节点的资源利用情况对各调度节点进行动态资源分配，有效避免了各调度节点资源不足或者资源过剩的问题。
46.此外，本发明设计原理可靠，结构简单，具有非常广泛的应用前景。
附图说明
47.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
48.图1是本发明一个实施例的方法的示意性流程图。
49.图2是本发明一个实施例的系统的示意性框图。
具体实施方式
50.为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
51.图1是本发明一个实施例的方法的示意性流程图。其中，图1执行主体可以为一种区域电力调度组网系统。
52.如图1所示，该方法包括：
53.步骤110，构建区域云平台，设置区域调度节点与所述区域云平台的通信连接；
54.步骤120，根据调度节点季度预估工作量为所述调度节点分配云平台的初始资源；
55.步骤130，监控所述调度节点的资源利用率；
56.步骤140，利用预先构建的prophet模型根据资源利用率预测所述调度节点的资源利用率变化趋势；
57.步骤150，根据所述资源利用率变化趋势对所述调度节点的云资源进行重分配。
58.为了便于对本发明的理解，下面以本发明区域电力调度组网方法的原理，结合实施例对本发明提供的区域电力调度组网方法做进一步的描述。
59.具体的，所述区域电力调度组网方法包括：
60.s1、构建区域云平台，设置区域调度节点与所述区域云平台的通信连接。
61.本实施例中构建省级云平台，设置省调度节点、市调度节点和县调度节点三级节点，三级节点均为与云平台通信连接的客户端。客户端可以向云平台发送请求以及接收云平台下发的调度数据，客户端根据调度数据控制相应的变电站执行相应的调度计划。
62.本实施例中在云平台设置省调度节点、市调度节点和县调度节点三级节点的操作权限，例如市级调度节点发送的调度目标要服从省级调度节点的调度计划，省级调度节点可以查看市级和县级调度节点的调度数据。
63.s2、根据调度节点季度预估工作量为所述调度节点分配云平台的初始资源。
64.根据调度节点的业务计划估算调度节点的工作量，例如某个调度节点往年的工作量为已知，而进行业务调整后增加了业务量，则往年工作量与新增业务量之和即为估算工作量，利用大数据分析方法根据以往工作量与资料需求量的对应关系，这种对应关系即为单位工作量所需的云资源。然后根据根据单位工作量所需的云资源和预估工作量计算所述调度节点的初始资源。
65.s3、监控所述调度节点的资源利用率。
66.根据预设的监控周期定期采集所述调度节点的资源利用率，资源利用率包括计算资源利用率和存储资源利用率，例如设定每隔1h采集一次资源利用率。根据资源利用率的采集时间对采集的资源利用率进行排序，得到资源监控时间序列，资源监控实现序列以存储资源为例，为[a1,a2，a3，a4]，其中a1表示1：00时采集的存储资源利用率，a2表示2:00时采集的存储资源利用率，a3表示3:00时采集的存储资源利用率，a4表示4:00时采集的存储资源利用率。
[0067]
s4、利用预先构建的prophet模型根据资源利用率预测所述调度节点的资源利用率变化趋势。
[0068]
prophet是facebook发布的基于可分解(趋势 季节 节假日)模型的开源库。它可以用更加简单、直观的参数进行高精度的时间序列预测，并且支持自定义季节和节假日因素的影响。prophet的整体框架分为四部分：modeling、forecast evaluation、surface problems以及visually inspect forecasts。从整体上看，这是一个循环结构，而这个结构又可以根据虚线分为分析师操纵部分与自动化部分。因此，整个过程就是分析师与自动化过程相结合的循环体系，也是一种将问题背景知识与统计分析融合起来的过程，这种结合大大的增加了模型的适用范围，提高了模型的准确性。首先modeling：建立时间序列模型；然后进行forecast evaluation，也就时模型评估，对参数进行多种尝试，根据仿真效果评估出更加合适的模型；接着是surface problems：呈现问题，将误差较大的潜在原因呈现给分析师进行人工干预；最后一部分是visually inspect forecasts：以可视化的方式反馈整个预测结果，将问题反馈给分析师后，由分析师考虑是否进一步调整和构建模型。
[0069]
在创建prophet holiday模型时，自定义国家法定节假日，因为节假日的用电量较大。具体构建方法为现有技术，因此不做赘述。
[0070]
预先将调度节点在指定的一年内的历史资源利用率数据保存至数据训练集合。利用所述数据训练集合对prophet holiday模型进行训练。
[0071]
将步骤s3得到的资源监控时间训练输入训练好的prophet holiday模型，获取资源利用率达到预设阈值(如80％)的预测时间。
[0072]
s5、根据所述资源利用率变化趋势对所述调度节点的云资源进行重分配。
[0073]
计算预测时间t与预设时间阈值t0的差值t，t＝t
‑
t0。根据预先制定的比例系数k和差值t计算重分配云资源量g，g＝kt。当预测时间t小于时间阈值t0时，t为负数，则g为负数，此时向调度节点分配云资源，且分配的云资源量为g。同理，若预测时间t大于时间阈值t0，t为正数，则g为正数，此时从调度节点收回云资源，且收回的云资源量为g。
[0074]
如图2所示，该系统200包括：
[0075]
通信设置单元210，用于构建区域云平台，设置区域调度节点与所述区域云平台的通信连接；
[0076]
初始分配单元220，用于根据调度节点季度预估工作量为所述调度节点分配云平台的初始资源；
[0077]
资源监控单元230，用于监控所述调度节点的资源利用率；
[0078]
趋势预测单元240，用于利用预先构建的prophet模型根据资源利用率预测所述调度节点的资源利用率变化趋势；
[0079]
资源调整单元250，用于根据所述资源利用率变化趋势对所述调度节点的云资源进行重分配。
[0080]
可选地，作为本发明一个实施例，所述资源监控单元包括：
[0081]
数据采集模块，用于根据预设的监控周期定期采集所述调度节点的资源利用率，所述资源利用率包括计算资源利用率和存储资源利用率；
[0082]
数据排序模块，用于根据资源利用率的采集时间对采集的资源利用率进行排序，得到资源监控时间序列。
[0083]
可选地，作为本发明一个实施例，所述趋势预测单元包括：
[0084]
数据准备模块，用于预先将调度节点在指定周期内的历史资源利用率数据保存至数据训练集合；
[0085]
模型训练模块，用于构建prophet holiday模型，并利用所述数据训练集合对所述prophet holiday模型进行训练；
[0086]
时间预测模块，用于将所述资源监控时间训练输入训练好的prophet holiday模型，获取资源利用率达到预设阈值的预测时间。
[0087]
可选地，作为本发明一个实施例，所述资源调整单元包括：
[0088]
差值计算模块，用于计算预测时间与预设时间阈值的差值；
[0089]
目标计算模块，用于根据预先制定的比例系数和所述差值计算重分配云资源量；
[0090]
资源调整模块，用于根据所述重分配云资源量的正负属性和重分配云资源量对所述调度节点的云资源进行调整。