一种基于数据分析的智慧园区能源综合管控平台的制作方法

1.本发明涉及智慧能源管理技术领域，特别涉及一种基于数据分析的智慧园 区能源综合管控平台。


背景技术：

2.鼓励能源企业运用大数据技术对设备状态、电能负载等数据进行分析挖掘 与预测，开展精准调度、故障判断和预测性维护，能够提高能源利用效率和安 全稳定运行水平。
3.工业园区作为能源消耗的主要场所，也成为了加强能源消耗智能化的主要 单位。目前的工业园区的能源消耗管理还存在着许多的问题，包括：能源管理 结构分散、数据可视频化程度低、管理系统智能化程度不高等。如何实现园区 能源的智能化、协商管理是目前园区能源管理的主要目标。


技术实现要素：

4.针对上述问题，本发明的目的在于提供一种基于数据分析的智慧园区能源 综合管控平台，引入大数据分析和机器学习的数据分析，实现对能源的综合管 理、供应协调、策略优化、异常告警、消耗预测等，从而提高能源的利用效率。
5.为解决上述技术问题，本发明的实施例提供如下方案：
6.一种基于数据分析的智慧园区能源综合管控平台，包括监测子平台、管理 子平台和分析与预测子平台；
7.所述监测子平台用于对源端、网端、负荷端和储能端的工作状态及数据进 行监测，并将采集的数据发送给所述管理子平台和所述分析与预测子平台；
8.所述管理子平台用于根据所述监测子平台采集的数据对园区的能源供应进 行管理和协调；
9.所述分析与预测子平台用于利用大数据分析与机器学习技术对所述监测子 平台采集的数据进行深度挖掘与分析，从而实现能源使用策略优化，能源消耗 预测和能源异常使用告警。
10.优选地，所述监测子平台包括连接在源端的源端数据采集传感器、连接在 网端的网端数据采集传感器、连接在负荷端的负荷端数据采集传感器、以及连 接在储能端的储能端数据采集传感器；
11.所述源端数据采集传感器用于监测源端各节点末梢的电能和热能的能源剩 余情况，并采集相关数据；
12.所述网端数据采集传感器用于监测能源传输的能网和信息传输的数据网的 工作状态是否正常，并采集相关数据；
13.所述负荷端数据采集传感器用于监测各用能负荷是否过载运行而产生损伤 或危险，并采集相关数据；
14.所述储能端数据采集传感器用于监测储能设备和太阳能集热设备的储能情 况，
并采集相关数据；
15.所述源端数据采集传感器、所述网端数据采集传感器、所述负荷端数据采 集传感器和所述储能端数据采集传感器采集的数据通过网关传回所述监测子平 台。
16.优选地，所述监测子平台还包括设置在园区的温度传感器和光传感器；所 述温度传感器用于实时监测和采集园区的温度，所述光传感器用于实时监测和 采集园区的光照强度。
17.优选地，所述管理子平台具体用于对外部供能、光伏、储能、充电桩和太 阳能集热五类能源的供应进行管理和协调。
18.优选地，所述管理子平台的基本策略包括：优先使用光伏和太阳能集热两 种清洁能源的供能方式，若这两种方式供能不足，再根据所述监测子平台采集 的数据依次协调使用储能、充电桩和外部供能的方式给园区供给能源。
19.优选地，所述分析与预测子平台具体用于：
20.使用朴素贝叶斯算法依据光照强度和温度对光伏发电量和太阳能集热进行 预测；
21.使用em算法对园区能源消耗总量进行预测。
22.优选地，所述使用朴素贝叶斯算法预测光伏发电量和太阳能集热具体包括：
23.假定si表示不同分段的光伏发电量，且为连续值属性，并服从高斯分布，即 p(si|aj)其中和分别表示在样本aj下的第i个分段的取值的 均值和方差，j＝1,2分别表示光照强度与温度的样本，p(si|aj)的概率密度为：
[0024][0025]
相应的高斯分类器如下：
[0026][0027]
其中s＝(s1,s2,
…
,sn)为输入值，p(aj)表示第j类样本的先验概率，e(s)表示 输出的光伏发电量的预测结果；
[0028]
假定hi表示不同分段的太阳能集热，且为连续值属性，并服从高斯分布； 同理可以得到太阳能集热的预测结果e(h)。
[0029]
优选地，所述使用em算法预测能源消耗总量包括：
[0030]
假定能源消耗总量服从高斯分布，即p(x|θ)n(μ,σ2)，其中x＝(x1,x2,
…
xn)为 样本集，n为样本数量；利用em算法对能源消耗总量进行预测如下：
[0031]
输入：样本数据x＝(x1,x2,
…
xn)，联合分布函数p(x,z:θ)，条件分布函数 p(z|x；θ)，其中z＝(z1,z2,
…zn
)为隐含数据，设m为最大迭代次数；
[0032]
a1、设置初始化模型参数θ的值；
[0033]
a2将j从1到m执行em算法迭代：
[0034]
qi(zi)＝p(zi|xi,θj)
ꢀꢀꢀ
(3)
[0035][0036]
极大化l(θ,θj)，到得新的参数：
[0037]
θ
j 1
＝argmaxl(θ,θj)
ꢀꢀꢀ
(5)
[0038]
当θ
j 1
已经收敛或者算法迭代次数达到m，则退出迭代；
[0039]
输出：新的模型参数
[0040]
根据新的模型参数得到对应的并以此作为能源消耗总量的预测。
[0041]
优选地，所述分析与预测子平台还用于预测外部供能，计算过程如下：
[0042][0043]
其中表示预测的外部供能，表示预测的能源消耗总量，e(s)表示预测的 光伏发电量，e(h)表示预测的太阳能集热。
[0044]
优选地，所述分析与预测子平台还用于根据对各能源使用的预测结果进行 策略优化和异常告警，具体包括：
[0045]
根据对各能源使用的预测结果，提前制定相应的能源使用策略，在节能减 排的同时保证园区的生产稳定；
[0046]
计算预测值实时数据差异比：
[0047][0048]
其中，e为能源使用的预测值，r为能源使用的实际值，ε为预测值实时数 据差异比；
[0049]
根据预测值实时数据差异比是否超出预设阈值来判断能源使用是否存在异 常情况，并在发现异常情况时告警。
[0050]
本发明实施例提供的技术方案带来的有益效果至少包括：
[0051]
本发明实施例提供的智慧园区能源综合管控平台包括监测子平台、管理子 平台和分析与预测子平台；监测子平台对源端、网端、负荷端和储能端的工作 状态及数据进行监测，并将采集的数据发送给管理子平台和分析与预测子平台； 管理子平台根据所述监测子平台采集的数据对园区的能源供应进行管理和协调； 分析与预测子平台用于利用大数据分析与机器学习技术对监测子平台采集的数 据进行深度挖掘与分析，从而实现能源使用策略优化，能源消耗预测和能源异 常使用告警。本发明通过引入大数据分析和机器学习的数据分析，能够实现对 能源的综合管理、供应协调、策略优化、异常告警、消耗预测等，从而提高能 源的利用效率，有效促进节能减排。
附图说明
[0052]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所 需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明 的一些实施例，对于本领域普通技术人员来讲，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。
[0053]
图1是本发明实施例提供的一种基于数据分析的智慧园区能源综合管控平 台的简化模型示意图；
[0054]
图2是本发明实施例提供的一种基于数据分析的智慧园区能源综合管控平 台的理论模型示意图；
[0055]
图3是本发明实施例提供的一种基于数据分析的智慧园区能源综合管控平 台的应用架构图。
具体实施方式
[0056]
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明 实施方式作进一步地详细描述。
[0057]
本发明的实施例提供了一种基于数据分析的智慧园区能源综合管控平台， 图1是所述智慧园区能源综合管控平台的简化模型示意图，如图1所示，所述 智慧园区能源综合管控平台包括监测子平台、管理子平台和分析与预测子平台；
[0058]
所述监测子平台用于对源端、网端、负荷端和储能端的工作状态及数据进 行监测，并将采集的数据发送给所述管理子平台和所述分析与预测子平台；
[0059]
所述管理子平台用于根据所述监测子平台采集的数据对园区的能源供应进 行管理和协调；
[0060]
所述分析与预测子平台用于利用大数据分析与机器学习技术对所述监测子 平台采集的数据进行深度挖掘与分析，从而实现能源使用策略优化，能源消耗 预测和能源异常使用告警。
[0061]
本发明实施例中，将园区能源综合管控平台划分为监测子平台、管理子平 台和分析与预测子平台3个子平台，各子平台所负责的任务不同，在功能上彼 此独立，但在工作中又紧密联系。管理子平台主要负责对园区能源供应进行管 理协调，监测子平台主要负责对相应数据进行监测，同时将其作为协调依据提 供给管理子平台，并作为基础数据供给分析与预测子平台，而分析与预测子平 台则利用大数据分析和机器学习技术，对监测子平台提供的基础数据进行挖掘 与分析，从而更好地实现能源管理协调的策略优化和异常告警等功能，实现能 源的高效利用。
[0062]
进一步地，图2是本发明实施例提供的智慧园区能源综合管控平台的理论 模型示意图，图3是本发明实施例提供的智慧园区能源综合管控平台的应用架 构图。
[0063]
参考图2和图3所示，所述监测子平台包括连接在源端的源端数据采集传 感器、连接在网端的网端数据采集传感器、连接在负荷端的负荷端数据采集传 感器、以及连接在储能端的储能端数据采集传感器；
[0064]
所述源端数据采集传感器用于监测源端各节点末梢的电能和热能的能源剩 余情况，并采集相关数据；
[0065]
所述网端数据采集传感器用于监测能源传输的能网和信息传输的数据网的 工作状态是否正常，并采集相关数据；
[0066]
所述负荷端数据采集传感器用于监测各用能负荷是否过载运行而产生损伤 或危险，并采集相关数据；
[0067]
所述储能端数据采集传感器用于监测储能设备和太阳能集热设备的储能情 况，
并采集相关数据；
[0068]
所述源端数据采集传感器、所述网端数据采集传感器、所述负荷端数据采 集传感器和所述储能端数据采集传感器采集的数据通过网关传回所述监测子平 台。
[0069]
进一步地，所述监测子平台还包括设置在园区的温度传感器和光传感器； 所述温度传感器用于实时监测和采集园区的温度，所述光传感器用于实时监测 和采集园区的光照强度。
[0070]
本发明实施例中，监测子平台实时采集数据，包括：光照强度、温度、储 能设备的余量、能源网络的负荷、太阳能集热的水温、园区充电桩的使用情况 等。这些数据一方面传给子平台作为其管理协调的依据，另一方面传送到云端， 通过云端提供给分析与预测子平台，作为其分析预测的基础数据进行数据挖掘 与分析。
[0071]
进一步地，所述管理子平台基于从源端、网端、负荷端、储能端获取到的 数据信息，对外部供能、光伏、储能、充电桩和太阳能集热五类能源的供应进 行管理和协调。所述管理子平台的基本策略包括：优先使用光伏和太阳能集热 两种清洁能源的供能方式，若这两种方式供能不足，再根据所述监测子平台采 集的数据依次协调使用储能、充电桩和外部供能的方式给园区供给能源，从而 实现节能减排。
[0072]
进一步地，所述分析与预测子平台具体用于：
[0073]
使用朴素贝叶斯算法依据光照强度和温度对光伏发电量和太阳能集热进行 预测；
[0074]
使用em算法对园区能源消耗总量进行预测。
[0075]
其中，所述使用朴素贝叶斯算法预测光伏发电量和太阳能集热具体包括：
[0076]
假定si表示不同分段的光伏发电量，且为连续值属性，并服从高斯分布，即 p(si|aj)其中和分别表示在样本aj下的第i个分段的取值的 均值和方差，j＝1,2分别表示光照强度与温度的样本，p(si|aj)的概率密度为：
[0077][0078]
相应的高斯分类器如下：
[0079][0080]
其中s＝(s1,s2,
…
,sn)为输入值，p(aj)表示第j类样本的先验概率，e(s)表示 输出的光伏发电量的预测结果；
[0081]
同样地，假定hi表示不同分段的太阳能集热，且为连续值属性，并服从高 斯分布；同理可以得到太阳能集热的预测结果e(h)。
[0082]
其中，所述使用em算法预测能源消耗总量包括：
[0083]
假定能源消耗总量服从高斯分布，即p(x|θ)n(μ,σ2)，其中x＝(x1,x2,
…
xn)为 样本集，n为样本数量；利用em算法对能源消耗总量进行预测如下：
[0084]
输入：样本数据x＝(x1,x2,
…
xn)，联合分布函数p(x,z:θ)，条件分布函数 p(z|x；θ)，其中z＝(z1,z2,
…zn
)为隐含数据，设m为最大迭代次数；
[0085]
a1、设置初始化模型参数θ的值；
[0086]
a2将j从1到m执行em算法迭代：
[0087]
qi(zi)＝p(zi|xi,θj)
ꢀꢀꢀ
(3)
[0088][0089]
极大化l(θ,θj)，到得新的参数：
[0090]
θ
j 1
＝argmaxl(θ,θj)
ꢀꢀꢀ
(5)
[0091]
当θ
j 1
已经收敛或者算法迭代次数达到m，则退出迭代；
[0092]
输出：新的模型参数
[0093]
根据新的模型参数得到对应的并以此作为能源消耗总量的预测。
[0094]
进一步地，所述分析与预测子平台还用于预测外部供能，计算过程如下：
[0095][0096]
其中表示预测的外部供能，表示预测的能源消耗总量，e(s)表示预测的 光伏发电量，e(h)表示预测的太阳能集热。
[0097]
进一步地，所述分析与预测子平台还用于根据对各能源使用的预测结果进 行策略优化和异常告警，具体包括：
[0098]
根据对各能源使用的预测结果，提前制定相应的能源使用策略，在节能减 排的同时保证园区的生产稳定；
[0099]
计算预测值实时数据差异比：
[0100][0101]
其中，e为能源使用的预测值，r为能源使用的实际值，ε为预测值实时数 据差异比；
[0102]
根据预测值实时数据差异比是否超出预设阈值来判断能源使用是否存在异 常情况，并在发现异常情况时告警。
[0103]
综上所述，本发明实施例提供的智慧园区能源综合管控平台包括监测子平 台、管理子平台和分析与预测子平台；监测子平台对源端、网端、负荷端和储 能端的工作状态及数据进行监测，并将采集的数据发送给管理子平台和分析与 预测子平台；管理子平台根据所述监测子平台采集的数据对园区的能源供应进 行管理和协调；分析与预测子平台用于利用大数据分析与机器学习技术对监测 子平台采集的数据进行深度挖掘与分析，从而实现能源使用策略优化，能源消 耗预测和能源异常使用告警。本发明通过引入大数据分析和机器学习的数据分 析，能够实现对能源的综合管理、供应协调、策略优化、异常告警、消耗预测 等，从而提高能源的利用效率，有效促进节能减排。
[0104]
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的 精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的 保护范围之内。