[发明专利]一种基于大数据机器学习的能源互联网仿真方法

说明书

本发明提供了一种基于大数据机器学习的能源互联网仿真方法，包括：获取第一时间内第一地区的综合能源网络中的设备的第一数据；根据变化周期，将第一数据中的周期性变化的数据分别存储在不同的第一数据库表中；根据预设的数据量阈值，从第一数据库表中确定数据量超过数据量阈值的第一数据库表，并将数据量超过数据量阈值的第一数据库表分别存储在第一地区的数据服务器和第二地区的数据服务器中；第二地区和第一地区相邻；根据变化间隔的期望值，将第一数据中的随机变化的数据存储在第二数据库表中；根据第一数据库表和第二数据库表，利用仿真软件对第一地区的综合能源网络进行仿真。由此，实现对大量分布式能源网络同时仿真。

技术领域

本发明涉及大数据处理领域，具体涉及一种基于大数据机器学习的能源互联网仿真方法。

背景技术

综合能源包括电、热、冷、水、气等多品类能源，综合能源网络是指由多品类综合能源组成的新型能源网络，可以理解为综合运用先进的电力电子技术,信息技术和智能管理技术,将大量由分布式能量采集装置,分布式能量储存装置和各种类型负载构成的新型电力网络、石油网络、天然气网络等能源节点互联起来,以实现能量双向流动的能量对等交换与共享网络。海量分布式综合能源网络是指地理上分布于各地的数量众多的综合能源网络。

传统能源领域仿真大多针对单一品类能源，即电、热或气中的一类网络的仿真，不能满足电、热、冷、水、气各种能源的综合仿真需要。另一方面，传统的仿真只能针对单个网络进行仿真分析，不能满足大量分布式能源网络同时仿真的要求。

发明内容

本发明的目的在于提供一种基于大数据机器学习的能源互联网仿真方法，以实现对大量分布式能源网络同时仿真的要求。

本发明提供了一种基于大数据机器学习的能源互联网仿真方法，所述基于大数据机器学习的能源互联网仿真方法包括：

获取第一时间内第一地区的综合能源网络中的设备的第一数据；其中，所述第一地区、所述第一地区的综合能源网络、所述第一地区的综合能源网络中的设备、所述第一地区的综合能源网络中的设备的数据均为编码格式；

根据变化周期，将所述第一数据中的周期性变化的数据分别存储在不同的第一数据库表中；

根据预设的数据量阈值，从所述第一数据库表中确定数据量超过数据量阈值的第一数据库表，并将所述数据量超过数据量阈值的第一数据库表分别存储在第一地区的数据服务器和第二地区的数据服务器中；其中，所述第二地区和所述第一地区相邻；

根据变化间隔的期望值，将所述第一数据中的随机变化的数据存储在第二数据库表中；

根据所述第一数据库表和所述第二数据库表，利用仿真软件对第一地区的综合能源网络进行仿真。

优选的，所述第一地区按照国家-省份-地市-区县-乡镇的顺序，进行编码。

优选的，所述第一地区的综合能源网络按照国家-省份-地市-区县-乡镇-网络编号的顺序，进行编码。

优选的，所述第一地区的综合能源网络中的设备按照国家-省份-地市-区县-乡镇-网络编号-能源品类-设备类型-设备子类-设备编号的顺序，进行编码。

优选的，所述第一地区的综合能源网络中的设备的数据按照国家-省份-地市-区县-乡镇-网络编号-能源品类-设备类型-设备子类-设备编号-数据类型-数据类型子类-数据的顺序，进行编码。

优选的，所述仿真软件为TensorFlowOnSpark。

优选的，在所述TensorFlowOnSpark中，第一TensorFlow Core对第一地区的综合能源网络中的设备的第一数据、第二地区的综合能源网络中的设备的第二数据进行仿真。