(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211052303.9 (22)申请日 2022.09.01 (71)申请人 杭州达中科技有限公司 地址 310000 浙江省杭州市余杭区仓前街 道龙园路8 8号3号楼14层B141 1室 (72)发明人 孙伟仁　邓涛　尹贵柱　 (74)专利代理 机构 杭州润涞知识产权代理事务 所(特殊普通 合伙) 33358 专利代理师 李磊 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06F 16/215(2019.01) G06N 3/00(2006.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G16Y 10/35(2020.01) G16Y 20/10(2020.01) G16Y 40/10(2020.01) (54)发明名称 一种基于物联网的电力能源智能管控 方法、 装置及系统 (57)摘要 本发明涉及能源 管控技术领域， 解决了社区 电力能源用量预测不准确的技术问题， 尤其涉及 一种基于物联网的电力能源智能管控方法， 包 括： 根据当日有效温度数据、 社区住户数据和日 期类型数据， 通过电能用量预测模 型得到电能总 用量预测值； 根据所采集的实时监测数据集计算 电能总用量实际值； 根据电能总用量实际值和电 能总用量预测值， 计算电能用量预测误差， 根据 预测误差发送预警信息并采取相应的电力能源 管控策略。 本发 明通过采用灰色神经网络和蚁群 优化算法构建了稳定性强且预测精度高的电能 用量预测模 型， 并使用清洗后的数据库对电能用 量预测模型进行持续优化， 提高预测精度， 从而 便于对社区的电力能源 进行智能管控。 权利要求书3页 说明书10页 附图7页 CN 115423301 A 2022.12.02 CN 115423301 A 1.一种基于物联网的电力能源智能管控方法， 其特 征在于， 包括以下步骤： S1、 根据社区所在区域 位置的当日气象数据计算当日有效温度数据； S2、 获取社区住户数据和日期类型数据， 其中， 所述日期类型数据包括节假日和工作 日； S3、 根据所述当日有效温度数据、 社区住户数据和日期类型数据， 通过电能用量预测模 型得到社区当日的电能总用量预测值； S4、 获取电能数据采集设备所采集的实时监测数据集， 其中， 所述实时监测数据包括家 庭用能监测数据、 楼 道照明用能监测数据和路灯用能监测数据； S5、 根据所述实时监测数据集计算社区当日的电能总用量实际值； S6、 根据所述电能总用量实际值和电能总用量预测值， 计算电能用量预测误差； S7、 判断预测误差是否在预设范围内， 如果预测误差在预设范围内， 则判定为社区电能 用量正常； 如果预测 误差不在预设范围内， 则判定为社区电能用量异常并向能源管控中心 发送预警信息； S8、 根据所述预警信息能源管控中心采取相应的能源管控策略。 2.根据权利要求1所述的电力能源智能管控方法， 其特征在于， 所述步骤S6和S7之间还 包括： S9、 根据所述预测误差对数据库内的数据进行清洗； S10、 根据清洗后的数据库对所述电能用量预测模型进行持续优化。 3.根据权利要求1所述的电力能源智能管控方法， 其特 征在于， 所述 步骤S3具体包括： S31、 根据数据库中储 存的历史用能样本集， 构建电能用量预测模型； S32、 采用所述电能用量预测模型根据所述当日有效温度数据、 社区住户数据和日期类 型数据， 得到社区当日的电能总用量预测值。 4.根据权利要求3所述的电力能源智能管控方法， 其特 征在于， 所述 步骤S31具体包括： S311、 获取经主成分 分析算法处 理的储存在数据库中的历史用能样本集； S312、 将所述历史用能样本集按预设比例随机划分为训练样本集和 测试样本集； S313、 根据所述训练样本集的数据特征， 确定灰色神经网络的拓扑结构以获得初始预 测模型； S314、 根据初始预测模型的权值偏置与蚁群优化算法的映射关系， 通过训练样本集对 初始预测模型进行训练优化， 得到最优的电能用量预测模型； S315、 采用测试样本集对电能用量预测模型进行测试和验证。 5.根据权利要求2所述的电力能源智能管控方法， 其特 征在于， 所述 步骤S9具体包括： 当所述预测误差不在预设范围内时， 将所述当日有 效温度数据和日期类型数据以及实 时监测数据集上传至数据库并剔除数据库中的脏数据； 当所述预测误差在预设范围内时， 将所述当日有效温度 数据和日期类型数据以及实时 监测数据集上传至数据库， 并将数据库中采集时间间隔大于时间阈值的重复的历史数据剔 除。 6.根据权利要求1所述的电力能源智能管控方法， 其特征在于， 所述电能用量预测模型 的输出值的表达式为：权　利　要　求　书 1/3 页 2 CN 115423301 A 2上式中， Wf为社区当日的电能总用量预测值， m为社区用电单元的个数， n为影响社区电 能总用量的因素指标的个数， xj为第j个用电单元， αij为第j个用电单元在第i个因素指标的 权重， Fτ为日期类型， 且 τ 取值 为1和0分别表示工作日和节假日。 7.一种基于物联网的电力能源智能管控 装置， 其特 征在于， 包括： 有效温度计算模块(101)， 所述有效温度计算模块(101)用于根据社 区所在区域位置的 当日气象数据计算当日有效温度数据； 第一获取模块(102)， 所述第一获取模块(102)用于获取社区住户数据和日期类型数 据， 其中， 所述日期类型 数据包括节假日和工作日； 预测值计算模块(103)， 所述预测值计算模块(103)用于根据所述当日有效温度数据、 社区住户数据和日期类型数据， 通过电能用量预测模型得到社区当日的电能总用量预测 值； 第二获取模块(104)， 所述第二获取模块(104)用于获取电能数据采集设备所采集的实 时监测数据集， 其中， 所述 实时监测数据包括家庭用能监测数据、 楼道照明用能监测数据和 路灯用能监测数据； 实际值计算模块(105)， 所述实际值计算模块(105)用于根据所述实时监测数据集计算 社区当日的电能总用量实际值； 预测误差计算模块(106)， 所述预测误差计算模块(106)用于根据所述电能总用量实际 值和电能总用量预测值， 计算电能用量预测误差； 判断模块(107)， 所述判断模块(107)用于判断预测误差是否在预设范围内， 如果预测 误差在预设范围内， 则判定为社区电能用量正常； 如果预测误差不在预设范围内， 则判定为 社区电能用量异常并向能源管控中心发送预警信息； 智能管控模块(108)， 所述智能管控模块(108)用于根据所述预警信息能源管控中心采 取相应的能源管控策略。 8.根据权利要求7 所述的电力能源智能管控 装置， 其特 征在于， 还 包括： 数据库清洗模块(109)， 所述数据库清洗模块(109)用于根据所述预测误差e对数据库 内的数据进行清洗； 预测模型优化模块(110)， 所述预测模型优化模块(110)用于根据清洗后的数据库对所 述电能用量预测模型进行持续优化。 9.一种应用权利要求1 ‑6任一项所述的基于物联网的 电力能源智能管控方法的系统， 其特征在于， 包括： 电能数据采集设备(10 0)、 计算机设备(20 0)和能源管控中心(3 00)； 所述电能数据采集设备(100)与所述计算机设备(200)建立数据 通信， 所述电能数据采 集设备(10 0)用于采集社区的电能用量数据并传输 至计算机设备(20 0)； 所述计算机设备(200)与能源管控中心(300)建立数据传输， 且计算机设备(200)包括 包含至少一个处理器、 存储器和数据库， 用于接收电能数据采集设备(100)所采集的实时监 测数据集并上传至数据库， 然后通过 处理器调用并运行存储器内的可执行指令根据接收的 实时监测数据集计算社区当日的电能总用量预测值；权　利　要　求　书 2/3 页 3 CN 115423301 A 3