[发明专利]一种高效梯级能源管理方法及系统

说明书

本发明实施例提供了高效梯级能源管理方法及系统，涉及能源管理技术领域，可以通过对工业用户、公共机构和大型数据中心在预设时间段内的用电量进行采集，得到对应的数据采集图片，再由训练好的供电管理模型对数据采集图片进行分类，最后根据分类结果判断是否需要提高供电额度，整个过程方便快捷，能够有效解决能源过剩浪费的问题，提高能源利用效率，降低成本。

技术领域

本发明涉及能源管理技术领域，特别是涉及高效梯级能源管理方法及系统。

背景技术

在面临能源短缺困难及节能减排的压力下，建设清洁、可靠、互动、高效的智能电网成为推动时代经济转型、发展低碳经济的重要手段。智能园区作为现代城市中能源综合应用的典型场所，其能源优化管理得到了国内外的广泛关注。如何有效提升智能园区的能源利用效率，成为备受关注的重要问题和技术难点。

现阶段，有些园区会将用户供电线路分为三条，分别对应工业用户、公共机构和大数据中心，能够实施对园区的能源优化管理，为后续的能源效率优化打下基础。

因不同用户的用电需求在一天的不同时间段也不同，因此一个园区当天的用电量是不断浮动的，但是电网因其自身的特殊性并不能快速的合理调整对该园区的供电额度，函待解决。

发明内容

本发明实施例的目的在于提供一种高效梯级能源管理方法及系统，以实现对园区供电的合理控制。具体技术方案如下：

第一方面，本发明公开了一种高效梯级能源管理方法，包括如下步骤：

分别对工业用户、公共机构和大型数据中心在当前预设时间段内的用电量进行多次采集，获得在与所述工业用户对应的多个第一用电量、与所述公共机构对应的多个第二用电量和与所述大型数据中心对应的多个第三用电量；

按照预设规则将属于相同所述预设时间段内的所述第一用电量、所述第二用电量和所述第三用电量转化为数据采集图片；

将所述数据采集图片输入供电管理模型；所述供电管理模型为在指定条件下训练完成的深度学习模型；

若所述深度学习分类模型输出第一分类结果，提高供电额度；

若所述深度学习分类模型输出第二分类结果，降低供电额度。

在一种可能的实现方式中，所述供电管理模型通过以下方法获得：

分别对所述工业用户、所述公共机构和所述大型数据中心在预设时间段内的用电量进行多次采集，获得在与所述工业用户对应的多个第一采样用电量、与所述公共机构对应的多个第二采样用电量和与所述大型数据中心对应的多个第三采样用电量；

按照预设规则将属于相同所述预设时间段内的所述第一采样用电量、所述第二采样用电量和所述第三采样用电量转化为数据采样图片；

利用第一训练集训练对抗生成模型；其中，所述第一训练集包括预设数量的所述数据采样图片和与所述数据采样图片对应的分类标签；

利用所述对抗生成模型生成与所述第一训练集对应的第二训练集；其中，所述第二训练集包括多个拓展采样图片和与所述拓展采样图片对应的分类标签；

利用所述第二训练集和所述第一训练集的集合训练深度学习模型，得到所述供电管理模型。

在一种可能的实现方式中，所述分别对所述工业用户、所述公共机构和所述大型数据中心在预设时间段内的用电量进行多次采集，获得在与所述工业用户对应的多个第一采样用电量、与所述公共机构对应的多个第二采样用电量和与所述大型数据中心对应的多个第三采样用电量包括：