[发明专利]基于边缘计算的电力负荷预测系统

权利要求书

1.一种基于边缘计算的电力负荷预测系统，该系统包括边缘计算服务器和一台或多台嵌入式能量管理设备。系统内边缘计算服务器主要负责采集外界特征因素数据，处理数据及构建基于长短时记忆神经网络电力负荷预测模型，并把构建好的电力负荷预测模型及其配置传输至嵌入式能量管理设备；嵌入式能量管理设备则主要负责采集设备数据、根据模型进行电力负荷的预测和能量管理。其中边缘计算服务器包括：

数据交互模块：用于接收来自嵌入式能量管理设备的设备数据和负荷预测数据等和发送指令、外界数据和完成训练的电力负荷预测模型等至嵌入式能量管理设备。

数据采集模块：用于采集和储存包含但不限于历史时间数据和相对应的历史气象数据等。

数据预处理模块：用于对嵌入式能量管理设备的数据进行数据清洗、数据标准化、数据类型的变换等，从而保证数据的质量，以便能够更好的为后续的分析、建模工作服务。

模型建立模块：对历史时刻的区域特征因素和电力负荷数据进行构建基于长短时记忆神经网络电力负荷预测模型。

嵌入式能量管理设备包括：

数据交互模块：用于接收来自边缘计算服务器的指令、外界数据和完成训练的电力负荷预测模型和发送设备数据和负荷预测数据等至边缘计算服务器。

电力负荷预测模块：用于利用边缘计算服务器训练生成的长短时记忆神经网络电力负荷预测模型对区域内的电力负荷进行预测。

数据采集模块：用于采集和存储包含但不限于嵌入式能量管理设备的用电负荷数据。

能量管理模块：根据预测电力负荷数据信息对设备进行能量管理，如发电优化调度、负荷管理、实时监测并自动实现微电网同步等功能。

2.一种基于边缘计算的电力负荷预测系统，其特征在于，包括如下步骤：

S1，边缘计算服务器的采集外界数据模块采集包含但不限于用户侧的气象数据和用户行业信息等区域特征因素，嵌入式能量管理设备采集包含但不限于用户侧的用电负荷数据，其中两端的采集间隔点t分钟采集一次数据，并分别按照年月日时分的五个时间维度结构化储存。

S2，嵌入式能量管理设备的数据交互模块将端内储存的用户侧的用电负荷数据发送至边缘计算服务器。

S3，边缘计算服务器的数据交互模块接收来自嵌入式能量管理设备的用户侧用电负荷数据。

S4，边缘计算服务器的数据预处理模块先将区域特征因素和用户侧的用电负荷数据等原始数据进行预处理并储存为历史数据。

S5，边缘计算服务器的模型建立模块构建并根据历史数据训练基于长短时记忆神经网络的电力负荷预测模型。

S6，将待预测时间长度记为T_p，边缘计算服务器的数据交互模块将历史数据和T_p个时间长度的区域特征因素数据和完成训练的电力负荷预测模型发送至嵌入式能量管理设备。

S7，嵌入式能量管理设备的数据交互模块接收来自边缘计算服务器的历史数据和T_p个时间长度的区域特征因素数据、完成训练的电力负荷预测模型和模型配置数据。

S8，嵌入式能量管理设备的电力负荷预测模块根据来自边缘计算服务器的历史数据、T_p个时间长度的区域特征因素数据和模型配置数据利用电力负荷预测模型进行电力负荷预测，并将电力负荷预测结果至能量管理模块和边缘计算服务器。

S9，边缘计算服务器的数据交互模块接收来自嵌入式能量管理设备的电力负荷预测结果并与实际结果进行计算判据。

若判据等于0，则执行步骤S4、S5和S6更新嵌入式能量管理设备的电力负荷预测模型。

若判据等于1，则代表电力负荷预测模型符合规定要求。