开云优惠体育网页版入口

专利名称：基于综合能源系统的分布式微型测控系统

专利类型：发明专利

专利申请号：CN202410954445.7

专利申请（专利权）人：国网甘肃省电力公司白银供电公司,白银银珠电力(集团)有限责任公司
权利人地址：甘肃省白银市白银区人民路6号

专利发明（设计）人：陈维,王程,陈振勇,王磊,王安民,付智鑫,吕桓,段尧,吴育本,刘军伟,寇明泽,吴永亮,刘吉平,王重升

专利摘要：本发明提出基于综合能源系统的分布式微型测控系统，涉及能源测控技术领域，所述系统包括区域划分模块，用于划分不同的采集区域；数据采集模块，用于采集能源系统的不同类型的参数；获得不同类型参数的实时性评分；第一传输模块，根据参数的实时性评分以及第一子区域评分，通过第一补偿时间，将能源系统各参数的数据上传至边缘处理设备；数据预处理模块；第二传输模块，根据第一区域评分，通过第二补偿时间，将所述预处理后的数据上传至中央处理模块；消耗预测模块，用于预测各区域能源消耗量；控制模块，用于根据能源消耗量，控制能源分配。实现对数据的高效传输、准确预测，对能源生产和分配的智能控制；提高能源系统的稳定性和可靠性。

主权利要求：
1.基于综合能源系统的分布式微型测控系统，其特征在于，所述系统包括：区域划分模块，用于划分不同的采集区域；所述采集区域包括第一区域和第一子区域；
分别对所述第一区域和第一子区域进行评分，获得第一区域评分和第一子区域评分；
数据采集模块，用于采集能源系统的不同类型的参数；获得不同类型参数的实时性评分；将第一子区域的能源系统各参数按照时间进行分组，所述分组包括第一分组和第二分组；
第一传输模块，根据参数的实时性评分以及第一子区域评分，通过第一补偿时间，将能源系统各参数上传至边缘处理设备；
数据预处理模块，用于通过边缘处理设备对采集的能源系统各参数进行预处理；获得预处理后的能源系统各参数；
第二传输模块，根据第一区域评分，通过第二补偿时间，将所述预处理后的能源系统各参数上传至中央处理模块；
消耗预测模块，用于通过中央处理模块，基于能源预测模型，预测各区域能源消耗量；
控制模块，用于根据能源消耗量，控制能源分配；
获取能源系统的拓扑结构，所述拓扑结构包括能源的设备节点、能源传输网络、能源存储节点以及消费节点；
识别能源系统关键设备节点、传输路径和存储节点；
根据关键设备节点、传输路径和存储节点的地理位置进行第一区域划分；
根据消费节点以及地理位置，通过聚类分析，获得聚类分析结果；
根据聚类分析结果，将第一区域划分第一子区域；
根据区域设备的重要性，获得设备重要性评分；
根据区域设备故障概率，获得设备可靠性评分；
根据网络性能，获得通信可靠性评分；
根据设备重要性评分、设备可靠性评分以及通信可靠性评分，获得区域评分；所述区域评分包括第一区域评分和第一子区域评分；
所述第一传输模块的实现步骤包括：
通过时间戳，获得预设时间段内第二分组内的能源系统各参数接收端与发送端的第一延迟时间；
根据所述第一延迟时间，获得第一补偿时间，调整对应参数发射端的时间；
根据参数实时性评分以及第一子区域评分，设置第一传输顺序，并通过第一补偿时间，将能源系统各参数上传至边缘处理设备；
所述根据所述第一延迟时间，获得第一补偿时间，调整对应参数发射端的时间，包括：所述第一补偿时间通过如下方式获。
其中， 为第一补偿时间， 为某一第二分组某类参数在预设时间段内的第一延迟时间均值；k为第一系数，2≤k≤4， 为该第二分组该类参数在预设时间段内的延迟时间的标准差； 为调节系数； 为当前网络延迟率， 为当前网络丢包率， 为当前处理器内存占用率； 为该第二分组在预设时间段内的网络延迟率的均值； 为该第二分组在预设时间段内的网络丢包率的均值； 为该第二分组在预设时间段内的处理器内存占用率的均值，max（）为取最大值；
所述第二传输模块的实现步骤包括：
通过时间戳，获得预设时间段内第二分组内预处理后的能源系统各参数的中央处理器接收时间与边缘设备发送时间的第二延迟时间；
通过第二延迟时间获得第二补偿时间，调整边缘设备的发送时间；
根据参数实时性评分、第一区域评分以及第一子区域评分，设置第二传输顺序，并通过第二补偿时间，将预处理后的能源系统各参数上传至中央处理模块。
2.根据权利要求1所述的系统，其特征在于，所述数据采集模块的实现步骤包括：采集能源系统的不同类型的参数，其中参数类型包括：设备参数、能源参数以及环境参数；
根据参数类型获得实时性评分；
将第一子区域的能源系统各参数按照工作日和休息日划分第一分组；
将第一分组按照能源消耗量划分第二分组。
3.根据权利要求1所述的系统，其特征在于，所述消耗预测模块的实现步骤包括：通过历史数据，分别建立第一子区域中第二分组的消耗预测模型；所述历史数据包括环境数据、能源消耗数据以及设备参数；
通过当前数据结合消耗预测模型，预测各区域能源消耗量。
4.根据权利要求1所述的系统，其特征在于，所述控制模块的实现步骤包括：根据预测的能源消耗量，控制模块会制定相应的能源生产和分配策略；
调整能源生产设备的运行状态，包括启动或关闭发电机组；以匹配所述能源消耗量。
5.一种电子设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述的存储器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求的1—4中任一所述系统的功能。 说明书 : 基于综合能源系统的分布式微型测控系统技术领域[0001] 本申请涉及能源测控技术领域，尤其涉及基于综合能源系统的分布式微型测控系统。背景技术[0002] 随着能源需求的不断增长和能源结构的多样化，综合能源系统（IES）已成为实现能源高效利用和可持续发展的重要手段。IES通过集成多种能源类型（如电力、燃气、热能等）和能源设备（如发电机组、储能设备、传输网络等），实现能源的互补和优化利用。然而，IES的复杂性和动态性使得其管理和控制变得异常困难。[0003] 传统的能源测控系统通常采用集中式的架构，将所有数据集中到一个中央处理单元进行处理。然而，这种架构在面对大规模、高复杂度的IES时，往往存在数据传输延迟、处理效率低下等问题。此外，由于IES中能源设备众多、地理位置分散，传统的测控系统难以实现对所有设备的有效监控和管理。[0004] 现有的分布式测控系统虽然在某些方面取得了一定的开云优惠体育网页版入口，但仍存在一些问题和不足。例如，在区域划分方面，往往仅考虑地理位置因素，而忽略了设备重要性、故障概率和网络性能等因素对系统稳定性和可靠性的影响；在数据采集和传输方面，缺乏对参数实时性和重要性的评估，导致数据传输的效率和准确性不足；在能源消耗预测和控制方面，往往仅基于历史数据进行预测，而忽略了实时数据对预测结果的影响，导致预测结果不够准确，能源分配策略不够合理。发明内容[0005] 基于上述问题，本发明的目的在于提供一种基于综合能源系统的分布式微型测控系统，通过区域划分模块实现对能源系统的区域划分和评分，通过数据采集模块实现对能源系统参数的采集和评分，通过第一传输模块和第二传输模块实现对数据的高效传输，通过消耗预测模块实现对各区域能源消耗量的准确预测，通过控制模块实现对能源生产和分配的智能控制；实现对能源系统的全面监控和管理，提高能源系统的稳定性和可靠性，降低能源消耗成本。[0006] 本发明的目的采用以下技术方案实现：[0007] 第一方面，本申请提供了基于综合能源系统的分布式微型测控系统，所述系统包括：[0008] 区域划分模块，用于划分不同的采集区域；所述采集区域包括第一区域和第一子区域；分别对所述第一区域和第一子区域进行评分，获得第一区域评分和第一子区域评分；[0009] 数据采集模块，用于采集能源系统的不同类型的参数；获得不同类型参数的实时性评分；将第一子区域的能源系统各参数按照时间进行分组，所述分组包括第一分组和第二分组；[0010] 第一传输模块，根据参数的实时性评分以及第一子区域评分，通过第一补偿时间，将能源系统各参数上传至边缘处理设备；[0011] 数据预处理模块，用于通过边缘处理设备对采集的能源系统各参数进行预处理；获得预处理后的能源系统各参数；[0012] 第二传输模块，根据第一区域评分，通过第二补偿时间，将所述预处理后的能源系统各参数上传至中央处理模块；[0013] 消耗预测模块，用于通过中央处理模块，基于能源预测模型，预测各区域能源消耗量；[0014] 控制模块，用于根据能源消耗量，控制能源分配。[0015] 优选地，所述区域划分模块的实现步骤包括：[0016] 获取能源系统的拓扑结构，所述拓扑结构包括能源的设备节点、能源传输网络、能源存储节点以及消费节点；[0017] 识别能源系统关键设备节点、传输路径和存储节点；[0018] 根据关键设备节点、传输路径和存储节点的地理位置进行第一区域划分；[0019] 根据消费节点以及地理位置，通过聚类分析，获得聚类分析结果；[0020] 根据聚类分析结果，将第一区域划分第一子区域。[0021] 优选地，所述区域划分模块的实现步骤还包括：[0022] 根据区域设备的重要性，获得设备重要性评分；[0023] 根据区域设备故障概率，获得设备可靠性评分；[0024] 根据网络性能，获得通信可靠性评分；[0025] 根据设备重要性评分、设备可靠性评分以及通信可靠性评分，获得区域评分；所述区域评分包括第一区域评分和第一子区域评分。[0026] 优选地，所述数据采集模块的实现步骤包括：[0027] 采集能源系统的不同类型的参数，其中参数类型包括：设备参数、能源参数以及环境参数；[0028] 根据参数类型获得实时性评分；[0029] 将第一子区域的能源系统各参数按照工作日和休息日划分第一分组；[0030] 将第一分组按照能源消耗量划分第二分组。[0031] 优选地，所述第一传输模块的实现步骤包括：[0032] 通过时间戳，获得预设时间段内第二分组内的能源系统各参数接收端与发送端的第一延迟时间；[0033] 根据所述第一延迟时间，获得第一补偿时间，调整对应参数发射端的时间；[0034] 根据参数实时性评分以及第一子区域评分，设置第一传输顺序，并通过第一补偿时间，将能源系统各参数上传至边缘处理设备。[0035] 优选地，所述根据所述第一延迟时间，获得第一补偿时间，调整对应参数发射端的时间，包括：[0036] 所述第一补偿时间通过如下方式获。篬0037][0038][0039] 其中， 为第一补偿时间， 为某一第二分组某类参数在预设时间段内的第一延迟时间均值；k为第一系数，2≤k≤4，为该第二分组该类参数在预设时间段内的延迟时间的标准差； 为调节系数； 为当前网络延迟率， 为当前网络丢包率， 为当前处理器内存占用率； 为该第二分组在预设时间段内的网络延迟率的均值； 为该第二分组在预设时间段内的网络丢包率的均值； 为该第二分组在预设时间段内的处理器内存占用率的均值，max（）为取最大值。[0040] 优选地，所述第二传输模块的实现步骤包括：[0041] 通过时间戳，获得预设时间段内第二分组内预处理后的能源系统各参数的中央处理器接收时间与边缘设备发送时间的第二延迟时间；[0042] 通过第二延迟时间获得第二补偿时间，调整边缘设备的发送时间；[0043] 根据参数实时性评分、第一区域评分以及第一子区域评分，设置第二传输顺序，并通过第二补偿时间，将预处理后的能源系统各参数上传至中央处理模块。[0044] 优选地，所述消耗预测模块的实现步骤包括：[0045] 通过历史数据，分别建立第一子区域中第二分组的消耗预测模型；所述历史数据包括环境数据、能源消耗数据以及设备参数；[0046] 通过当前数据结合消耗预测模型，预测各区域能源消耗量。[0047] 优选地，所述控制模块的实现步骤包括：[0048] 根据预测的能源消耗量，控制模块会制定相应的能源生产和分配策略；[0049] 调整能源生产设备的运行状态，包括启动或关闭发电机组；以匹配所述能源消耗量。[0050] 本发明还提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述的存储器上运行的计算机程序，所述处理器执行所述程序，以实现本发明任一所述系统的功能。[0051] 本发明的有益效果包括：数据采集模块能够实时采集能源系统各种不同类型的参数，包括设备参数、能源参数和环境参数，保证了数据的全面性和准确性；第一传输模块和第二传输模块通过考虑参数实时性评分和区域评分，结合补偿时间机制，确保数据能够高效、准确地传输到相应的处理设备，减少了数据传输的延迟和丢失。区域划分模块根据能源系统的拓扑结构和关键节点，结合地理位置和聚类分析，实现了对采集区域的精准划分；同时，考虑设备重要性、可靠性和网络性能等因素，为每个区域和子区域进行评分，为后续的数据处理和控制策略制定提供了基础。数据预处理模块通过边缘处理设备对采集的数据进行预处理，提高了数据的质量和可用性。消耗预测模块基于历史数据和当前数据，结合能源预测模型，能够准确预测各区域的能源消耗量，为能源分配提供了科学依据；控制模块根据预测的能源消耗量，制定相应的能源生产和分配策略，能够实时调整能源生产设备的运行状态，确保能源供应与需求的平衡。通过智能控制，系统能够实现对能源系统的精细化管理，提高能源利用效率，降低能源消耗成本。[0052] 综上所述，基于综合能源系统的分布式微型测控系统通过高效的数据采集与传输、精准的区域划分与评分、智能化的数据处理与预测以及灵活的能源分配与控制，能够提高能源系统的运行效率和稳定性，降低能源消耗成本，为能源系统的可持续发展提供有力支持。附图说明[0053] 图1是本申请实施例提供的基于综合能源系统的分布式微型测控系统示意图。具体实施方式[0054] 下面，结合附图以及具体实施方式，对本申请做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。[0055] 本申请的一些实施例，提供基于综合能源系统的分布式微型测控系统，所述系统包括：[0056] 区域划分模块，用于划分不同的采集区域；所述采集区域包括第一区域和第一子区域；分别对所述第一区域和第一子区域进行评分，获得第一区域评分和第一子区域评分；[0057] 数据采集模块，用于采集能源系统的不同类型的参数；获得不同类型参数的实时性评分；将第一子区域的能源系统各参数按照时间进行分组，所述分组包括第一分组和第二分组；[0058] 第一传输模块，根据参数的实时性评分以及第一子区域评分，通过第一补偿时间，将能源系统各参数上传至边缘处理设备；[0059] 数据预处理模块，用于通过边缘处理设备对采集的能源系统各参数进行预处理；获得预处理后的能源系统各参数；[0060] 第二传输模块，根据第一区域评分，通过第二补偿时间，将所述预处理后的能源系统各参数上传至中央处理模块；[0061] 消耗预测模块，用于通过中央处理模块，基于能源预测模型，预测各区域能源消耗量；[0062] 控制模块，用于根据能源消耗量，控制能源分配。[0063] 上述技术方案的工作原理为：系统首先通过区域划分模块将能源系统划分为不同的采集区域，例如第一区域和第一子区域等；这些区域可以是基于地理位置、能源类型、设备类型等因素进行划分的。对于每个区域和子区域，系统会根据一定的评估标准（如能源消耗量、设备数量等）进行评分，得到如第一区域评分和第一子区域评分等；这些评分将用于后续的数据传输和预处理决策。数据采集模块负责从能源系统中采集不同类型的参数，如电力、燃气、水等能源的使用量、设备状态、环境温度等。系统会评估这些参数的实时性，为每个参数赋予一个实时性评分；实时性评分反映了数据（能源系统各参数）更新的频率和重要性。对于第一子区域的数据，数据采集模块会按照时间进行分组，例如分为第一分组和第二分组等；这样的分组有助于后续的数据处理和分析。第一传输模块根据参数的实时性评分以及第一子区域评分，确定数据传输的优先级和时机。通过引入第一补偿时间，系统可以确保高实时性和重要性的数据能够优先并快速地传输到边缘处理设备。第一补偿时间可能基于网络状况、设备负载等因素进行动态调整。[0064] 数据预处理模块接收到来自第一传输模块的数据后，通过边缘处理设备进行预处理。预处理操作可能包括数据清洗、转换、聚合、特征提取等步骤，以提高数据的质量和可用性。经过预处理后的数据会被存储起来，供后续的分析和应用使用。[0065] 第二传输模块根据第一区域评分，确定将预处理后的数据上传至中央处理模块的时机。通过引入第二补偿时间，系统可以确保在区域评分较高（即该区域数据重要性较高）时，数据能够更频繁地传输到中央处理模块。第二补偿时间也可能根据网络状况、系统负载等因素进行动态调整。[0066] 消耗预测模块位于中央处理模块中，它基于能源预测模型，利用历史数据和实时数据来预测各区域的能源消耗量；预测模型可能是基于机器学习、统计分析或专家系统等方法构建的，能够考虑多种因素（如天气、节假日、历史趋势等）对能源消耗的影响。[0067] 控制模块根据消耗预测模块提供的能源消耗量预测结果，制定能源分配策略。通过控制能源系统中的设备（如发电机、储能设备、能源传输设备等），实现能源的优化分配和调度，以满足各区域的能源需求并降低能源浪费。[0068] 整个系统通过区域划分、数据采集、传输、预处理、预测和控制等环节的协同工作，实现了对综合能源系统的分布式微型测控，提高了能源系统的运行效率和可持续性。[0069] 上述技术方案的效果为：通过数据采集模块，系统能够实时采集能源系统的多种类型参数，并利用实时性评分对参数进行优先级排序；这确保了关键数据的及时获。笮木霾咧С痔峁┝嘶。数据预处理模块利用边缘处理设备对原始数据进行清洗、转换和聚合，提高了数据质量，并降低了数据传输到中央处理模块的负载。区域划分模块能够将能源系统划分为多个采集区域和子区域，并通过评分机制反映各区域的重要性和复杂性；有助于系统根据区域特性进行差异化的数据处理和传输策略，提高了资源利用效率；第一传输模块和第二传输模块通过引入补偿时间机制，根据参数的实时性评分和区域评分来动态调整数据传输的优先级和频率。这确保了重要数据能够优先、快速地传输到处理设备，提高了系统的响应速度和决策效率。消耗预测模块基于中央处理模块和能源预测模型，能够准确预测各区域的能源消耗量。这为能源分配和控制提供了有力的数据支持，有助于实现能源的优化利用和节约。控制模块根据能源消耗量的预测结果，智能地控制能源分配。通过调整能源系统中的设备状态和传输路径，确保各区域能够获得所需的能源供应，同时减少能源浪费和损耗。[0070] 通过实时数据采集、智能区域划分、优化数据传输、精确消耗预测和智能能源分配等功能，该系统能够显著提高能源系统的运行效率和可靠性；降低能源损耗、提高能源利用效率和降低运营成本。[0071] 在一些实施例中，所述区域划分模块的实现步骤包括：[0072] 获取能源系统的拓扑结构，所述拓扑结构包括能源的设备节点、能源传输网络、能源存储节点以及消费节点；[0073] 识别能源系统关键设备节点、传输路径和存储节点；[0074] 根据关键设备节点、传输路径和存储节点的地理位置进行第一区域划分；[0075] 根据消费节点以及地理位置，通过聚类分析，获得聚类分析结果；[0076] 根据聚类分析结果，将第一区域划分第一子区域。[0077] 上述技术方案的工作原理和效果为：首先，系统从能源系统的管理数据库或实时数据中获取拓扑结构信息；这些信息描述了能源系统中的设备节点（如发电机、变压器等）、能源传输网络（如输电线路、管道等）、能源存储节点（如电池、蓄水池等）以及消费节点（如工厂、住宅等）之间的连接关系；在获取了拓扑结构信息后，系统通过分析设备节点在能源系统中的功能和重要性，识别出关键设备节点；同时，系统还会识别出主要的能源传输路径和存储节点，这些路径和节点对于能源系统的稳定运行至关重要。[0078] 根据关键设备节点、传输路径和存储节点的地理位置，系统将这些节点及其周围的区域划分为若干个第一区域；划分时考虑的主要因素包括节点的地理位置、节点之间的距离、节点的类型和重要性等；第一区域的划分应该保证每个区域内都包含有足够的关键设备和传输路径，以确保能源在该区域内的稳定供应。[0079] 根据消费节点的地理位置和能源需求，进行聚类分析；聚类分析是一种无监督学习方法，它能够将相似的消费节点划分为同一类；在这里，相似的消费节点指的是地理位置相近、能源需求相似或具有相似能源消费模式的节点。聚类分析的结果将形成若干个消费节点集合，每个集合内的消费节点具有相似的特性。[0080] 最后，系统根据聚类分析的结果，将第一区域进一步划分为若干个第一子区域；子区域的划分主要考虑的是消费节点的分布和能源需求；在每个子区域内，消费节点的能源需求应该能够得到满足，并且子区域之间的能源流动应该得到优化；具体划分时，系统可以根据消费节点的数量、能源需求量、能源类型和地理位置等因素进行综合考虑，确保每个子区域都是一个相对独立且能源供应稳定的单元。[0081] 通过这样的划分，系统能够更好地管理能源系统的各个部分，实现资源的优化配置和高效利用；同时，这种划分还有助于提高系统的可靠性和安全性，降低因局部故障导致的能源供应中断的风险。[0082] 在一些实施例中，所述区域划分模块的实现步骤还包括：[0083] 根据区域设备的重要性，获得设备重要性评分；[0084] 根据区域设备故障概率，获得设备可靠性评分；[0085] 根据网络性能，获得通信可靠性评分；[0086] 根据设备重要性评分、设备可靠性评分以及通信可靠性评分，获得区域评分；所述区域评分包括第一区域评分和第一子区域评分。[0087] 其中，第一区域评分为：[0088][0089] 第一子区域评分为：[0090][0091][0092][0093][0094] 其中， 为第i个第一区域评分； 为第i个第一区域的设备重要性评分； 为第i个第一区域的设备可靠性评分； 为第i个第一区域的通信可靠性评分；w1、w2、w3为第一权重系数； 为第i个第一区域中第j个第一子区域评分； 为第i个第一区域中第j个第一子区域的设备重要性评分，可以为该第一子区域所有设备重要性评分之和； 为第i个第一区域中第j个第一子区域的设备可靠性评分，可以为该第一子区域所有设备可靠性评分之和； 为第i个第一区域中第j个第一子区域的通信可靠性评分； 、 为第二权重系数； 、 为第三权重系数； 、 为第四权重系数；max（ ）为第i个第一区域j个子区域设备重要性评分中的最大值；max（ ）为第i个第一区域j个子区域设备可靠性评分中的最小值；max（ ）为第i个第一区域j个子区域通信可靠性评分中的最小值；n为第i个第一区域中第一子区域的个数；其中每项评分均为归一化处理后的评分。[0095] 上述技术方案的工作原理和效果为：在能源系统的区域划分过程中，除了基于地理位置和聚类分析进行初步的区域和子区域划分外，还引入了区域评分的概念，以便更精确地评估每个区域和子区域的综合性能；这有助于优化资源配置、提高能源系统的可靠性和效率；可靠性包括传输性能的可靠性。[0096] 区域评分主要由三个部分组成：设备重要性评分、设备可靠性评分和通信可靠性评分；每个评分都基于特定的评分标准和权重系数进行计算。[0097] 设备重要性评分反映了区域内设备在能源系统中的关键程度；它可以根据设备的类型、容量、对系统整体运行的影响等因素进行评估。评分越高，表示设备越重要。在计算第一区域的设备重要性评分时，首先计算该区域内所有子区域的设备重要性评分的平均值（通过x1加权）和最大值（通过x2加权），然后将两者结合得到最终的评分。[0098] 设备可靠性评分反映了区域内设备的故障概率和稳定性。它可以根据设备的维护记录、历史故障数据、设备年龄等因素进行评估。评分越高，表示设备越可靠。在计算第一区域的设备可靠性评分时，首先计算该区域内所有子区域的设备可靠性评分的平均值（通过y1加权）和最小值（通过y2加权），然后将两者结合得到最终的评分。最小值在此处被用来强调任何可能的薄弱环节，因为即使一个子区域的设备可靠性普遍较高，但如果存在可靠性较低的设备，也可能对整个区域的稳定性造成影响。[0099] 通信可靠性评分反映了区域内设备之间的通信质量和稳定性。它可以根据网络带宽、延迟、丢包率等因素进行评估。评分越高，表示通信越可靠。在计算第一区域的通信可靠性评分时，首先计算该区域内所有子区域的通信可靠性评分的平均值（通过β1加权）和最小值（通过β2加权），然后将两者结合得到最终的评分。同样，最小值被用来强调任何可能的通信瓶颈或问题。[0100] 最终的区域评分是设备重要性评分、设备可靠性评分和通信可靠性评分的加权和。权重系数（w1、w2、w3）可以根据具体的能源系统需求和偏好进行设置，以反映不同评分在综合评估中的重要性。类似地，子区域的评分也是基于其子区域的设备重要性评分、设备可靠性评分和通信可靠性评分进行计算的。[0101] 通过计算区域评分，可以更全面地了解每个区域和子区域的综合性能，并为后续的能源管理、资源配置、传输设置和风险控制提供重要参考。[0102] 在一些实施例中，所述数据采集模块的实现步骤包括：[0103] 采集能源系统的不同类型的参数，其中参数类型包括：设备参数、能源参数以及环境参数；[0104] 根据参数类型获得实时性评分；[0105] 将第一子区域的数据按照工作日和休息日划分第一分组；所述数据即为能源系统各参数；[0106] 将第一分组按照能源消耗量划分第二分组。[0107] 上述技术方案的工作原理和效果为：数据采集模块首先会识别并采集能源系统中的不同类型的参数。这些参数类型主要包括设备参数（如设备的运行状态、温度、压力等）、能源参数（如电量、燃气量、水量等消耗数据）以及环境参数（如温度、湿度、光照等）。这些参数是评估能源系统性能和优化管理的基础。[0108] 根据采集到的参数类型，数据采集模块会进一步为每个参数赋予一个实时性评分。实时性评分反映了参数数据的新鲜程度和重要性。对于能源系统来说，一些参数可能需要更高的实时性，比如设备的运行状态，因为它们的变化可能直接影响系统的安全性和效率；而一些环境参数，如温度变化，可能需要较低的实时性要求。[0109] 采集到的第一子区域的数据会被首先按照工作日和休息日进行分组（即第一分组）。这是因为能源系统在工作日和休息日的运行模式和能源消耗模式往往存在显著的差异。工作日时，由于人员活动和工作设备的运行，能源消耗量通常较大；而休息日时，能源消耗量则相对较低。通过将数据按工作日和休息日分组，可以更准确地分析能源系统在不同时间段内的运行情况和能源消耗特点。[0110] 在第一分组的基础上，数据会进一步按照能源消耗量进行分组（即第二分组）。这种分组有助于识别能源系统中的高能耗区域和低能耗区域，以及不同区域在不同时间段内的能源消耗变化。通过分析这些分组数据，可以找出潜在的节能空间，制定更加有效的能源管理策略。[0111] 综上所述，数据采集模块的工作原理是通过对能源系统不同类型参数的采集、实时性评分以及数据的分组处理，为后续的能源管理、优化和决策支持提供准确、全面的数据基础。[0112] 在一些实施例中，所述第一传输模块的实现步骤包括：[0113] 通过时间戳，获得预设时间段内第二分组内的能源系统各参数接收端与发送端的第一延迟时间；[0114] 根据所述第一延迟时间，获得第一补偿时间，调整对应参数发射端的时间；[0115] 根据参数实时性评分以及第一子区域评分，设置第一传输顺序，并通过第一补偿时间，将能源系统各参数上传至边缘处理设备；[0116] 对参数实时性评分以及第一子区域评分进行加权平均，获得第一参数评分；其中每项评分均为归一化处理后的评分；[0117] 对第一参数评分进行排序，根据排序结果设置传输顺序。[0118] 上述技术方案的工作原理为：第一传输模块会监测第二分组内各能源参数接收端与发送端之间的通信延迟。这通常通过时间戳来实现，比较发送端发送数据（能源系统各参数）的时间戳和接收端接收到数据（能源系统各参数）的时间戳，从而计算出第一延迟时间。[0119] 根据测得的第一延迟时间，第一传输模块会计算出第一补偿时间。这个补偿时间用于调整对应参数发射端的时间，以确保数据在传输过程中的实时性和准确性。[0120] 考虑到不同参数的实时性需求和第一子区域评分（反映了该区域的综合性能），第一传输模块会设置数据的传输顺序；通常，对参数实时性以及第一子区域评分进行加权平均，获得第一参数评分；按照第一参数评分从高到低的顺序传输对应的参数；以确保重要数据的及时性和系统的整体性能。[0121] 在确定了传输顺序并应用了时间补偿后，第一传输模块会将数据（能源系统各参数）上传至边缘处理设备；边缘处理设备通常位于网络边缘，靠近数据源，可以对数据进行初步的处理和分析，减少数据传输的延迟和带宽需求；有助于确保能源系统数据的实时性、准确性和有效性，为后续的能源管理和优化提供有力的支持。[0122] 在一些实施例中，所述根据所述第一延迟时间，获得第一补偿时间，调整对应参数发射端的时间，包括：[0123] 所述第一补偿时间通过如下方式获。篬0124][0125][0126] 其中， 为第一补偿时间， 为某一第二分组某类参数在预设时间段内的第一延迟时间均值；k为第一系数，2≤k≤4，为该第二分组该类参数在预设时间段内的延迟时间的标准差； 为调节系数； 为当前网络延迟率， 为当前网络丢包率， 为当前处理器内存占用率； 为该第二分组在预设时间段内的网络延迟率的均值； 为该第二分组在预设时间段内的网络丢包率的均值； 为该第二分组在预设时间段内的处理器内存占用率的均值，max（）为取最大值。[0127] 上述技术方案的工作原理为：[0128] 系统首先监测某个第二分组内某类参数在预设时间段内的网络延迟、丢包率和处理器内存占用率。[0129] 对于这些参数，系统计算第一延迟时间均值（ ）、标准差（σ）、网络延迟率的均值（Da）、丢包率的均值（La）和处理器内存占用率的均值（Ca）。[0130] 系统还监测当前的网络延迟率（Dc）、丢包率（Lc）和处理器内存占用率（Cc）。[0131] 调节系数（α）是基于当前网络状态与预设时间段内平均网络状态的差异来计算的；具体地，它考虑了网络延迟率、丢包率和处理器内存占用率的差异，并取这三者差异中的最大值。[0132] 这种做法是为了确保在任何一个指标发生显著变化时，系统都能及时作出响应。[0133] 第一补偿时间是根据第一延迟时间均值、调节系数、第一系数和标准差来计算的。[0134] 计算公式采用了一个条件表达式，它考虑了三种情况：[0135] 当(1+α)× 在 ?k×σ和 +k×σ之间时， 直接取(1+α)× 。[0136] 当(1+α)× 小于 ?k×σ时， 取 ?k×σ。[0137] 当(1+α)× 大于 +k×σ时， 取 +k×σ。[0138] 这种做法是为了确保补偿时间不会过于偏离历史均值，同时又能根据当前网络状态作出适当调整；根据计算出的第一补偿时间，系统调整对应参数发射端的时间，以补偿网络延迟等因素带来的影响。[0139] 综上所述，这个机制的工作原理是通过实时监测网络状态和处理器状态，计算出一个合适的补偿时间，并据此调整发射端的时间，以确保数据能够更准确地按照预期时间到达接收端。这种机制对于需要高精度时间同步的应用场景（如实时通信、在线游戏等）尤为重要。[0140] 上述技术方案的效果为：通过实时监测网络状态和处理器状态，并据此计算合适的补偿时间，系统能够及时调整参数发射端的时间，确保数据能够更准确地按照预期时间到达接收端。这对于需要高精度时间同步的应用场景至关重要，能够显著提高用户体验。引入调节系数（α）考虑了网络延迟率、丢包率和处理器内存占用率等多个指标的差异，使得系统能够动态地根据当前网络状态进行调整。这种动态适应性使得系统能够应对各种复杂的网络环境，保持稳定的性能。在计算第一补偿时间时，采用了一个条件表达式，确保补偿时间不会过于偏离历史均值。这种做法避免了补偿过度或补偿不足的情况，增强了系统的稳定性和鲁棒性。通过监测当前的网络延迟率、丢包率和处理器内存占用率，系统能够及时发现潜在的网络问题或性能瓶颈，并采取相应的措施进行预防或解决。这有助于减少因网络问题导致的服务中断或性能下降；通过实时调整参数发射端的时间，避免了不必要的数据传输延迟和等待时间，从而优化了网络资源的利用。这对于提高网络的整体性能和效率具有重要意义。[0141] 综上所述，该技术方案通过实时监测网络状态和处理器状态，计算出一个合适的补偿时间，并据此调整发射端的时间，能够显著提高数据传输的实时性和准确性，增强系统的动态适应性、稳定性和鲁棒性，预防潜在问题，优化资源利用，并简化配置与管理。[0142] 在一些实施例中，所述数据预处理模块包括：[0143] 去除重复数据：检查数据集中是否存在重复的记录，并删除这些重复项。[0144] 检查数据中的缺失值，根据数据的特点和上下文，采用插值、删除或填充默认值等方法进行处理。[0145] 识别并处理数据中的异常值，这些异常值可能是由于设备故障、传输错误或测量误差等原因产生的。[0146] 数据格式化：将数据转换为统一的格式，便于后续处理和分析。[0147] 确保所有相关数据的单位都是一致的，避免因为单位不同导致的计算错误。[0148] 数据标准化/归一化：将数据转换到同一尺度，以便于比较和分析。[0149] 根据不同的时间间隔（如小时、天、周等）对数据进行聚合，以减少数据量并提高数据分析的效率。根据地理区域、设备类型等维度对数据进行聚合，以便于进行区域或设备级别的分析。[0150] 从原始数据中提取出有意义的特征，这些特征可能包括能源消耗模式、设备运行状态、环境参数等。[0151] 对数据进行压缩，以减少存储空间和传输带宽的需求。[0152] 采用无损压缩或有损压缩技术，根据数据的特性和应用需求选择合适的压缩方法。[0153] 对预处理后的数据进行验证，确保其准确性和一致性。[0154] 可以使用统计方法、领域知识或与其他数据源进行对比验证。[0155] 将预处理后的数据存储到合适的存储介质中，以便于后续的分析和应用。[0156] 可以选择关系型数据库、非关系型数据库或分布式存储系统等存储方案。[0157] 在数据处理过程中确保数据的安全性，防止数据泄露或被篡改。[0158] 采用加密技术、访问控制等手段来保护数据的安全性。[0159] 通过以上步骤，数据预处理模块能够确保采集到的数据在经过一系列的处理后，更加准确、完整、一致和易于分析，为后续的数据分析和能源管理提供有力支持。[0160] 在一些实施例中，所述第二传输模块的实现步骤包括：[0161] 通过时间戳，获得预设时间段内第二分组内预处理后的能源系统各参数的中央处理器接收时间与边缘设备发送时间的第二延迟时间；[0162] 通过第二延迟时间获得第二补偿时间，调整边缘设备的发送时间；其中，第二补偿时间的计算方式与第一补偿时间相似；[0163] 根据参数实时性评分、第一区域评分以及第一子区域评分，设置第二传输顺序，并通过第二补偿时间，将预处理后的能源系统各参数上传至中央处理模块；[0164] 对参数实时性评分、第一区域评分以及第一子区域评分进行加权平均，获得第二参数评分；其中每项评分均为归一化处理后的评分；[0165] 对第二参数评分进行排序，根据排序结果设置传输顺序。[0166] 上述技术方案的工作原理为：第二传输模块首先通过时间戳机制获取预设时间段内第二分组内的能源系统各参数在中央处理器接收的时间与在边缘设备发送的时间。利用这两个时间点，计算得到第二延迟时间，即对应能源系统参数从边缘设备发送到中央处理器接收所经历的时间差。[0167] 类似于第一补偿时间的计算方式，第二传输模块根据第二延迟时间、当前网络状态（如网络延迟率、丢包率等）、以及预设的调节系数和标准差，计算得到第二补偿时间；根据计算得到的第二补偿时间，调整边缘设备的发送时间，以补偿网络传输过程中的延迟，确保数据能够更准确地按照预期时间到达边缘处理设备。[0168] 为了进一步优化传输效率，第二传输模块引入了参数实时性评分、第一区域评分以及第一子区域评分这三个评分指标。实时性评分反映了数据的实时性需求，例如某些能源参数可能需要更快速地被处理；区域评分则可能反映了不同区域或子区域在数据处理中的优先级或重要性。[0169] 第二传输模块会对这三个评分进行加权平均，得到一个综合的第二参数评分。根据第二参数评分的排序结果，设置数据的传输顺序。评分更高的数据将获得更高的传输优先级，从而确保重要且实时的数据能够优先被处理。在确定了传输顺序后，第二传输模块将按照这一顺序，并通过之前计算得到的第二补偿时间，将数据从边缘设备上传至边缘处理设备。[0170] 通过这种方式，第二传输模块能够确保数据在传输过程中的实时性和准确性，同时根据数据的实时性需求和区域重要性进行优先级排序，从而优化了整体的传输效率和数据处理效果。[0171] 在一些实施例中，所述消耗预测模块的实现步骤包括：[0172] 通过历史数据，分别建立第一子区域中第二分组的消耗预测模型；所述历史数据包括环境数据、能源消耗数据以及设备参数；[0173] 通过当前数据结合消耗预测模型，预测各区域能源消耗量。[0174] 上述技术方案的工作原理和效果为：消耗预测模块的工作原理主要基于历史数据来构建预测模型，并利用这些模型结合当前数据来预测未来能源消耗量。[0175] 消耗预测模块首先收集与能源消耗相关的历史数据，这些数据包括环境数据（如温度、湿度、风速等）、能源消耗数据（如电力、燃气、水等消耗量）以及设备参数（如设备运行状态、运行时间等）。[0176] 收集到的数据会经过清洗、整理、标准化等预处理步骤，以确保数据的准确性和一致性，为后续的模型构建提供可靠的数据基础。[0177] 消耗预测模块利用预处理后的历史数据，针对第一子区域中的第二分组（可能是特定的能源类型、设备类型或区域划分）分别建立消耗预测模型。[0178] 模型的建立可以采用各种统计学习方法或机器学习算法，如线性回归、决策树、随机森林、神经网络等。根据数据的特性和问题的复杂性选择合适的算法。在模型建立过程中，模块会分析历史数据中各因素（如环境数据、设备参数等）与能源消耗量之间的关系，提取关键特征，并基于这些特征构建预测模型。在模型建立完成后，消耗预测模块会使用一部分预留的历史数据对模型进行验证，以评估模型的预测性能和准确性。如果模型的预测性能不理想，模块会根据验证结果对模型进行优化，包括调整模型参数、增加特征、选择更合适的算法等；当需要预测未来的能源消耗量时，消耗预测模块会收集当前的环境数据、设备参数等实时数据。然后，模块将这些当前数据输入到已建立的消耗预测模型中，通过模型的计算得到各区域能源消耗量的预测值。[0179] 预测结果会以适当的形式输出，如表格、图表等，供相关人员查看和分析。这些预测结果可以用于能源管理、调度优化、设备维护等多个方面，帮助提高能源利用效率、降低能源消耗成本。通过以上步骤，消耗预测模块能够基于历史数据和当前数据，实现对各区域能源消耗量的准确预测，为能源管理和优化提供有力的支持。[0180] 在一些实施例中，所述控制模块的实现步骤包括：[0181] 根据预测的能源消耗量，控制模块会制定相应的能源生产和分配策略；[0182] 调整能源生产设备的运行状态，包括启动或关闭发电机组；以匹配所述能源消耗量。[0183] 上述技术方案的工作原理为：[0184] 控制模块首先接收来自消耗预测模块的能源消耗量预测数据；这些数据通常是基于历史消耗模式、天气条件、用户行为等因素综合考虑后得出的。控制模块分析预测的能源消耗量与当前能源供应之间的关系，确定是否存在供需不平衡的情况。如果预测的能源消耗量大于当前的供应量，控制模块会制定增加能源生产的策略；包括启动备用发电机组、调整可再生能源发电系统的输出（如调整太阳能板的角度或风力发电机的转速）或调度外部能源供应。控制模块根据不同区域的能源消耗量预测，制定能源分配策略，确保能源能够高效、公平地分配到各个区域。策略可能包括调整能源传输网络的流量、优化能源配送路径或实施需求响应措施，以减少高峰期的能源消耗。控制模块向能源生产设备发送指令，根据制定的策略调整其运行状态。例如，启动或关闭特定的发电机组，调整发电机组的输出功率，或改变能源存储系统的充放电状态。在能源生产和分配过程中，控制模块实时监控系统的运行状态，包括能源产量、传输效率和实时消耗量等。如果实际运行情况与预测有较大偏差，控制模块会实时调整策略和指令，以保持能源系统的稳定运行。控制模块收集实际的能源消耗数据和系统运行数据，与预测数据进行比较分析。通过反馈机制，控制模块不断优化预测模型和决策策略，提高未来决策的准确性和效率。通过上述工作原理，控制模块能够确保能源系统根据实际的消耗需求进行动态调整，从而实现能源的高效利用和系统的优化运行。[0185] 本申请实施例提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述的存储器上运行的计算机程序，所述处理器执行所述程序，以实现本申请实施例任一所述系统的功能。[0186] 本申请从使用目的上，效能上，进步及新颖性等观点进行阐述，已符合专利法所强调的功能增进及使用要件，本申请以上的说明书及说明书附图，仅为本申请的较佳实施例而已，并非以此局限本申请，因此，凡一切与本申请构造，装置，特征等近似、雷同的，即凡依本申请专利申请范围所作的等同替换或修饰等，皆应属本申请的专利申请保护的范围之内。

专利地区：甘肃

专利申请日期：2024-07-17

专利公开日期：2024-09-17

专利公告号：2024-09-17