能量调度管理方法、装置、设备及存储介质

专利主权项内容

1.一种能量调度管理方法，其特征在于，包括：通过物联网设备实时采集各个用电单位的用电信息，对所述用电信息进行预处理，得到结构化的用电数据；基于预设的第一深度学习模型对用电数据进行学习分析，分析得到用电数据中的用电行为模式，并根据所述用电行为模式确定对应的特征提取模型，通过所述特征提取模型对用电数据进行特征向量化，得到用电数据的数据特征向量；其中，所述用电数据中的用电行为模式至少包括用电周期性波动行为、异常用电行为；基于无监督的学习算法，选择出约束中心点，并对所有数据特征向量到约束中心点的加权欧氏距离进行计算，形成数据约束条件；根据得到的数据约束条件和数据特征向量，通过训练后的第二深度学习模型制定并优化能量调度策略；其中，所述能量调度策略包括对未来特定时间段内的能源需求进行预测和优化能源分配；所述基于无监督的学习算法，选择出约束中心点，并对所有数据特征向量到约束中心点的加权欧氏距离进行计算，形成数据约束条件，包括：基于预设的无监督学习算法，对提取到的数据特征向量进行分析，找出内在的数据模式和群聚，每一群聚的中心点被定义为约束中心点；计算所有数据特征向量到约束中心点的加权欧氏距离；基于计算得到的加权欧氏距离，形成数据约束条件；所述基于计算得到的加权欧氏距离，形成数据约束条件，包括：利用无监督学习算法进行数据聚类，确定约束中心点；对数据库中的每个特征向量，根据设定的权重和函数，计算特征向量到约束中心点的加权欧氏距离；对所有特征向量到约束中心点的加权欧氏距离进行对比，设定一个阈值T，根据所述阈值确定数据的约束条件；如果特征向量到约束中心点的加权欧氏距离小于或等于阈值，则该特征向量满足约束条件，反之则不满足；利用得到的约束条件进行数据优化，对不满足约束条件的特征向量进行调整，直至所有特征向量都满足约束条件；具体的，设定的函数为：f(x, y, z) = ax^2 + bxy + cyz + dz^3 + e；其中，参数 x, y, z 是输入值，而 a, b, c, d, e 是预设的权重因子；加权欧氏距离计算公式如下：D = sqrt{(Wx*(x-Cx)^2) +(Wy*(f(x, y, z)-f(Cx, Cy, Cz))^2) + (Wz*(z-Cz)^2)}；其中，D为加权欧氏距离，D表示特征向量(x，y，z)和约束中心点C(Cx，Cy，Cz)之间的距离；Wx, Wy, Wz 是权重值；Cx, Cy, Cz 分别是约束中心点的坐标，Cx表示约束中心点在第x个维度上的坐标，Cy表示中心点在第y个维度上的坐标，Cz表示中心点在第z个维度上的坐标；f(x, y, z) 表示输入值的函数值；f(Cx, Cy, Cz) 是约束中心点的函数值；sqrt表示开平方根。。来源：马 克 数 据 网