[发明专利]电力调度管理系统及其方法

说明书

本申请涉及智能管理领域，其具体地公开了一种电力调度管理系统及其方法，其通过采用基于深度学习的神经网络模型挖掘出用电负荷和发电量的时序动态变化特征信息，以此来基于实际的用电负荷和发电量的时序变化情况来预测下一个时间段的用电负荷和发电量，以判断发电机组的发电量是否满足用电负荷，从而在不满足时进行电力系统的自适应调度。

技术领域

本申请涉及智能管理领域，且更为具体地，涉及一种电力调度管理系统及其方法。

背景技术

随着经济及工业的不断发展，电量的消耗越来越大，电网的输配电量也随之不断增加。为了保证电网的安全稳定运行、对外可靠供电、各类电力生产工作有序的进行，需要时刻保持发电与负荷的平衡。然而，不同时间段内的用电负荷和发电量都不同，导致传统的电力调度方案在实际应用过程中会出现滞后性，究其原因为：在实际进行调度管理时，需要将采集的电力数据进行处理后再进行电力调度，这在时间上会出现延时，导致调度管理滞后性的产生，造成电网的稳定性较差。

因此，期望一种优化的电力调度管理系统。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种电力调度管理系统及其方法，其通过采用基于深度学习的神经网络模型挖掘出用电负荷和发电量的时序动态变化特征信息，以此来基于实际的用电负荷和发电量的时序变化情况来预测下一个时间段的用电负荷和发电量，以判断发电机组的发电量是否满足用电负荷，从而在不满足时进行电力系统的自适应调度。

根据本申请的一个方面，提供了一种电力调度管理系统，其包括：

数据采集模块，用于获取当前时间段之前的多个时间段的用电负荷量以及所述当前时间段之前的多个时间段的发电机组的发电量数据；

数据时序分布模块，用于将所述当前时间段之前的多个时间段的用电负荷量以及所述当前时间段之前的多个时间段的发电机组的发电量数据分别按照时间维度排列为用电负荷时序输入向量和发电量时序输入向量；

用电负荷时序变化特征提取模块，用于将所述用电负荷时序输入向量通过包含第一卷积层和第二卷积层的多尺度邻域特征提取结构以得到用电负荷多尺度特征向量；

发电量时序变化特征提取模块，用于将所述发电量时序输入向量通过所述包含第一卷积层和第二卷积层的多尺度邻域特征提取结构以得到发电量多尺度特征向量；

特征优化模块，用于将所述用电负荷多尺度特征向量和所述发电量多尺度特征向量进行特征分布优化以得到优化用电负荷多尺度特征向量和优化发电量多尺度特征向量；

用电负荷预测模块，用于将所述优化用电负荷多尺度特征向量通过基于解码器的用电负荷预测器以得到用于表示当前时间段的用电负荷预测值的第一解码值；

发电量预测模块，用于将所述优化发电量多尺度特征向量通过基于解码器的发电量预测器以得到用于表示当前时间段的发电量预测值的第二解码值；以及

电力调度检测模块，用于基于所述第一解码值和所述第二解码值之间的比较，确定当前时间段的发电量是否满足用电负荷。

在上述电力调度管理系统中，所述多尺度邻域特征提取结构，包括：第一卷积层、与所述第一卷积层并行的第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层使用具有第一长度的一维卷积核，所述第二卷积层使用具有第二长度的一维卷积核。