(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 202210941557.X (22)申请日 2022.08.05 (71)申请人 国网智能电网研究院有限公司 地址 102209 北京市昌平区未来科技城 滨 河大道18号 申请人 国网上海市电力公司 (72)发明人 鲍兴川　刘川　刘世栋　卜宪德　 陶静　姚贤炯　赵建立　侯战胜　 (74)专利代理 机构 北京三聚阳光知识产权代理 有限公司 1 1250 专利代理师 李静玉 (51)Int.Cl. H04L 12/66(2006.01) G06Q 10/04(2012.01) G06Q 50/06(2012.01)G06N 3/08(2006.01) (54)发明名称 一种源荷储资源聚合控制网关装置及负荷 和出力预测方法 (57)摘要 本发明公开了一种源荷储资源聚合控制网 关装置及负荷和出力预测方法， 包括： 神经网络 节点寻优模块和预测神经网络训练模块， 预测神 经网络训练模块在板端由多个嵌入式神经网络 处理器采用阵列排布方式形成嵌入式阵列式神 经网络计算架构， 采用此架构提出了一种负荷和 出力预测神经网络模型的自训练、 学习进化和预 测计算方法， 同时提出了架构的高低功率通信通 道冗余低功耗控制策略。 通过实施本发明， 该装 置在网络边端采用多个NPU相互配合算力叠加以 低功耗实现了对多个多样化负荷和出力的预测， 满足虚拟电厂 “源荷储”数据采集一个周 期内完 成对应预测计算的要求。 权利要求书3页 说明书16页 附图6页 CN 115314343 A 2022.11.08 CN 115314343 A 1.一种源荷储资源聚合控制网关装置， 其特征在于， 所述源荷储资源聚合控制网关装 置设置在虚拟电厂边端， 包括： 神经网络节点 寻优模块和预测 神经网络训练模块， 所述神经网络节点 寻优模块将源荷储历史数据输入至所述预测 神经网络训练模块； 所述预测神经网络训练模块在板端由多个嵌入式神经网络处理器采用阵列排布方式 形成嵌入式阵列式神经网络计算架构， 每个嵌入式神经网络处理器处理源荷储历史数据生 成一个权重和阈值优化训练后的负荷和出力预测神经网络模型， 每个负荷和出力预测神经 网络模型分别进行一种负荷或出力的预测计算。 2.根据权利要求1所述的源荷储资源聚合控制网关装置， 其特 征在于， 所述神经网络节点寻优模块获取源荷储历史数据传送至每个嵌入式神经网络进行训 练， 所述神经网络节 点寻优模块生成每个嵌入式神经网络所包含的神经元传导优化后的权 重和阈值； 所述嵌入式神经网络处理器将所述优化后的权重和阈值作为对应神经元的传导 参数， 生成对应的负荷和出力预测神经网络模型， 根据所述负荷和出力预测神经网络模型 分别进行相应的负荷和出力预测。 3.根据权利要求2所述的源荷储资源聚合控制网关装置， 其特征在于， 所述神经网络节 点寻优模块包括： 第一线程和第二线程， 第二线程包括一个误差反馈处理单元， 2个线程并 行执行； 所述第一线程基于生物地理进化算法对初始权重和阈值进行迭代寻优， 生成每个嵌入 式神经网络的神经 元优化后的权 重和阈值； 所述第二线程将实际采集的目标数据与所述负荷和出力预测神经网络模型根据影响 因子数据预测的目标数据， 通过所述误差反馈处理单元进行比较， 根据比较结果调整修正 每个嵌入式神经网络处理器中的各个神经元传导的权重和阈值， 并传送至各个嵌入式神经 网络处理器对应的神经网络包含的神经元， 不间断的进行所述负荷和出力预测神经网络模 型的实时优化学习。 4.根据权利要求3所述的源荷储资源聚合控制网关装置， 其特征在于， 所述生物地理进 化算法中每一个栖息地的适应度指数代表一组参数， 适应度指数变量代表每一个参数分 量， 寻找适应度指数最高的栖息地 为获取优化后的权 重和阈值。 5.根据权利要求2所述的源荷储资源聚合控制网关装置， 其特征在于， 所述嵌入式神经 网络处理器将源荷储历史数据中的影响因子数据作为输入量通过n层神经传导， 所述嵌入 式神经网络处理器中设置为n－2层隐藏层， 且每层的神经元设计成相同数目， 每一层神经 元内部都不互相连接， 在所有的两个神经元之间的传导方向上赋予不同的权重， 作为神经 网络节点 寻优模块线和预测 神经网络训练模块训练的目标； 所述嵌入式神经网络处 理器中每层神经 元之间的传输表示 为： P(2， j)＝S(1， 1)＊W(1， 1)+S(1， 2)＊W(1， 2)+. ..+S(1， j)＊W(1， j) P(3， k)＝S(2， 1)＊W(2， 1)+S(2， 2)＊W(2， 2)+. ..+S(2， k)＊W(2， k) 依次计算每层神经 元之间的传输； 则P(n， m)＝S(n， 1)＊W(n， 1)+S(n， 2)＊W(n， 2)+. ..+S(n， m)＊W(n， m) 式中， W(n， m)表示所述嵌入式神经网络处理器的输入层的第n个神经元和隐藏层的第m 个神经元之间的权重， S(1， 1)， S(1， 2)， S(1， 3)...S(1， j)表示输入层传入的输入量， P(1， 1)， P(1， 2)， P(1， 3)...P(1， m)表示嵌入式神经网络处理器输出， n、 m、 k以及j均为正整数， 均权　利　要　求　书 1/3 页 2 CN 115314343 A 2表示神经元 的行列位置序号； 将多个影响因子进入神经网络经多层传导， 转化为所述嵌入 式神经网络处 理器中的矩阵乘法计算。 6.根据权利要求1所述的源荷储资源聚合控制网关装置， 其特征在于， 还包括： 神经网 络扩展模块， 所述神经网络扩展模块连接在所述神经网络节点寻优模块和所述预测神经网 络训练模块之 间， 用于在所述神经网络节点寻优模块和所述预测神经网络训练模块之 间进 行数据传输 。 7.根据权利要求6所述的源荷储资源聚合控制网关装置， 其特征在于， 所述神经网络扩 展模块包括IMP－PCIE插槽、 IMP－PCIE接口总线以及IMP－PCIESwit ch交换子模块， 所述神 经网络扩展模块采用可扩展的IMP－PCIE插槽以及IMP－PCIE接口总线和每个嵌入式神经 网络处理器连接， 所述神经网络节点寻优模块通过memmap在内存中申请一段预留的连续地 址空间， 所述预测神经网络训练模块中的每个嵌入式神经网络处理器设置相应的地址与预 留地址空间对应， 所述神经网络节点寻优模块通过扫描IMP－PCIE  Switch交换子模块接口 预留地址空间， 与每个嵌入式神经网络处理器之间采用地址编 码映射的方式进行地址转换 和数据的读取。 8.根据权利要求7所述的源荷储资源聚合控制网关装置， 其特征在于， 所述神经网络扩 展模块利用寄存器的引脚配置重定义嵌入式神经网络处理器中被PCIE占用的引脚信号至 IMP－PCIE的插槽的Reserved引脚和NC引脚。 9.根据权利要求1所述的源荷储资源聚合控制网关装置， 其特征在于， 还包括： 多通道 通信模块和低功 耗控制模块， 所述神经网络节点寻优模块通过所述多通道通信模块和外部 连接， 所述多通道通信模块包括高功耗 通道和低功耗 通道， 所述低功耗控制模块用于在所述源荷储资源聚合控制网关装置启 动后控制装置进入 低功耗工作状态， 只启动所述低功耗 通道， 并等待消息事 件； 当收到源荷储数据采集定时器消息， 所述低功耗控制模块控制所述高功耗通道启动， 启动采集终端及传感器进 行“源荷储”数据采集， 根据采集的数据进 行神经网络节点寻优模 块和预测 神经网络训练模块的并发计算； 当收到低功耗通道源荷储资源调度召唤消息， 且传输的数据量大于阈值时， 所述低功 耗控制模块控制所述高功耗 通道启动， 进行 数据传输 。 10.根据权利要求9所述的源荷储资源聚合控制网关装置， 其特征在于， 所述多通道通 信模块还包括： WIFI通道、 RS232串口、 RS485口至少之一； 所述低功耗通道包括LoRa通道和 蓝牙通道； 所述高功 耗通道包括4G/5 G通道、 百兆光通道、 千兆以太网通道至少之一； 所述多 通道通信模块还包括开入开出口和电源子模块， 所述开入开出口通过神经网络节点寻优模 块中主MCU的GPIO口驱动继电器实现多个开关信号的输入输出， 用于控制 源荷储资源聚合 控制网关装置下连控制的开关控制信号的读和写， 或者作为周期性的采集装置提供受控电 源； 所述电源子模块用于为源荷储资源聚合控制网关装置供电； 所述高功耗通道和低功耗通道采用双通信通道冗余的间歇和突发兼容的运行方式， 所 述源荷储资源聚合控制网关装置在日常值守时进入低功耗状态， 只启动低功耗通道， 以消 息触发的方式根据通信数据量大小决定是否启用高功耗通道， 触发的消息包括源荷 储数据 采集定时器消息和L oRa源荷储资源调度通信消息 。 11.根据权利要求9所述的源荷储资源聚合控制网关装置， 其特征在于， 所述源荷储资权　利　要　求　书 2/3 页 3 CN 115314343 A 3