[发明专利]基于边缘计算的电力负荷预测系统

说明书

本发明公开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。本发明所提供的电力负荷预测系统，基于边缘计算的架构能够降低电力负荷预测系统对嵌入式能量管理设备的运算能力的配置要求，并经过两端数据交互模块可以实时交互数据和更新电力负荷预测模型，从而满足实时业务、数据优化、应用智能和预测精度等方面的关键性需求。

技术领域

本发明涉及电力系统电需量数据分析技术领域，尤其涉及一种电力负荷预测系统。

背景技术

我国目前绝大部分省市工业大户均已实施峰谷电价制，通过降低夜间低谷期电价，提高白天高峰期电价，来鼓励用户分时计划用电，从而有利于电力公司均衡供应电力，降低生产成本，并避免部分发电机组频繁启停造成的巨大损耗等问题，保证电力系统的安全与稳定。在嵌入式能量管理设备系统中，用户可以在电价较低的谷期利用嵌入式能量管理设备装置存储电能，在电高峰期使用存储好的电能，避免直接大规模使用高价的电网电能，如此可以降低用户的电力使用成本，实现峰谷电价套利。因此，合理和准确的预测未来某一个时间段的用户用电负荷显得尤为重要，嵌入式能量管理设备系统通过电力负荷预测系统实现能量管理从而及时满足用户的各种用电需求和减少运营成本。

目前已有的电力负荷预测主流的方法有人工神经网络(Artificial NeuralNetwork,ANN)，随机森林(Random Forest,RF)，支持向量机(Support Vector Machine,SVM) 和循环神经网络(Recurrent Neural Network,RNN)等训练模型进行预测。但是因为用户会随着时间或者天气等特征因素用电习惯会改变，单一固定的训练出的电力负荷预测模型会随着时间或者天气等特征因素预测出的电力负荷会逐渐变得不准确。且训练模型和电力负荷预测对设备要求也高，常规的嵌入式能量管理设备系统难以满足或者满足成本高。

因此，现已有的负荷预测方法与系统均难以满足嵌入式能量管理设备系统的要求。

发明内容

为了解决已有的负荷预测方法与系统无法或者难以满足嵌入式能量管理设备系统的要求，本发明提出了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，系统中边缘计算服务器主要负责训练电力负荷预测模型，嵌入式能量管理设备主要负责推断，通过数据交互模块进行数据交互，能够实时对比实际电力负荷值与预测电力负荷值误差和更新嵌入式能量管理设备的电力负荷预测模型。其中系统将长短时记忆神经网络引入于电力负荷预测中，基于长短时记忆神经网络能够有效地过滤噪声数据、学习动态电力负荷特征和较好的处理时间序列的数据。

上所述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。

上所述的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。