本發明專利技術公開了一種基于MEC邊緣智能網關的用電管理方法及系統，其中方法包括：基于用戶端的電量管理系統采集用戶的用電信息；將所述用電信息傳輸至MEC邊緣智能網關，所述MEC邊緣智能網關對所述用電信息采用用戶用電行為模型進行分析，獲得用戶的用電行為特征；MEC邊緣智能網關將用電信息及用電行為特征構建用戶模型，將用戶模型通過數字孿生技術同步至云端；云端根據所有的用戶模型對用戶進行用戶行為分類，將具有相同屬性的用戶進行相同的用電策略管理，云端將相應的用電策略回傳至用戶端的電量管理系統。基于用戶的用電行為特征對用戶的用電情況進行細粒度劃分，精確優化用戶用電需求。電需求。電需求。
【技術實現步驟摘要】
一種基于MEC邊緣智能網關的用電管理方法及系統
[0001]本專利技術涉及用電管理
，具體涉及一種基于MEC邊緣智能網關的用電管理方法及系統。
技術介紹
[0002]基于大數據分析，智能電網可以制定科學的發電計劃、供應更加可靠和綠色的能源；快速檢測并恢復故障，保障電力系統穩定；提供多種能源供應方案，滿足居民能源消費需求。
[0003]居民用電主要以家庭為單位，影響家庭用電行為的因素非常復雜，傳統研究大多以整個家庭的總用電量為最小單位，尋找能源消費行為規律。
[0004]但是現有的用電管理對用戶的用電行為沒有進行細化的研究劃分，不能更精準的對用戶用電情況進行優化。
技術實現思路
[0005]本專利技術提供一種基于MEC邊緣智能網關的用電管理方法及系統，以解決現有技術中存在的上述問題。
[0006]本專利技術提供一種基于MEC邊緣智能網關的用電管理方法，包括：
[0007]S100，基于用戶端的電量管理系統采集用戶的用電信息；
[0008]S200，將所述用電信息傳輸至MEC邊緣智能網關，所述MEC邊緣智能網關對所述用電信息采用用戶用電行為模型進行分析，獲得用戶的用電行為特征；
[0009]S300，MEC邊緣智能網關將用電信息及用電行為特征構建用戶模型，將用戶模型通過數字孿生技術同步至云端；
[0010]S400，云端根據所有的用戶模型對用戶進行用戶行為分類，將具有相同屬性的用戶進行相同的用電策略管理，云端將相應的用電策略回傳至用戶端的電量管理系統。
[0011]優選的，所述S200中，所述MEC邊緣智能網關對所述用電信息采用用戶用電行為模型進行分析，獲得用戶的用電行為特征，包括：
[0012]S201，通過深度學習算法從用戶端的電量管理系統中采集家庭總電表信息；
[0013]S202，從家庭總電表信息中分解出具體電器的用電信息；
[0014]S203，通過分解后的電器使用信息分析用戶用電習慣，建立了基于負荷分解的短期用電預測模型，確定用戶的用電消費情況；
[0015]S204，建立基于規則的多目標需求響應用電優化模型，形成用戶用電行為模型，獲得用戶的用電行為特征和需求特征。
[0016]優選的，所述S201包括：
[0017]S2011，將用戶每個用電設備基本信息錄入到相關的用電信息查詢的網頁中，將用電設備一一接入并使用智能電表采集用戶總的用電數據；
[0018]S2012，將數據層層傳遞至變電站內的服務器中，由服務器內的結合深度神經網絡
模型的非侵入負荷監測技術對采集到的數據加以處理，得到負荷分解后的每個用電設備單獨的用電數據。
[0019]優選的，所述S2012包括：
[0020]S2012
?
1，設置可變窗口；
[0021]S2012
?
2，以不同大小的窗口滑動讀取輸入的用電數據；
[0022]S2012
?
3，將用電數據放入深度學習網絡框架中進行訓練和測試，最終得到分解的各用電器的用電信息。
[0023]優選的，所述S400包括：
[0024]S401，抽取高需求響應用戶的用電計劃推薦給具有相似用電習慣的低需求響應用戶；
[0025]S402，用電計劃和用電習慣分別用可調控設備使用時間和不可調控設備使用時間表示；
[0026]S403，根據用戶歷史用電行為與待推薦用電計劃的匹配程度計算用戶評分，然后基于用戶相似度向目標用戶推薦評分較高的用電計劃；
[0027]S404，基于神經網絡協調過濾的用電策略推薦模型，利用神經網絡預測用戶和物品隱向量交叉后的用戶評分。
[0028]本專利技術提供一種基于MEC邊緣智能網關的用電管理系統，包括：
[0029]采集單元，基于用戶端的電量管理系統采集用戶的用電信息；
[0030]特征獲取單元，將所述用電信息傳輸至MEC邊緣智能網關，所述MEC邊緣智能網關對所述用電信息采用用戶用電行為模型進行分析，獲得用戶的用電行為特征；
[0031]同步單元，MEC邊緣智能網關將用電信息及用電行為特征構建用戶模型，將用戶模型通過數字孿生技術同步至云端；
[0032]管理單元，云端根據所有的用戶模型對用戶進行用戶行為分類，將具有相同屬性的用戶進行相同的用電策略管理，云端將相應的用電策略回傳至用戶端的電量管理系統。
[0033]優選的，所述特征獲取單元包括：
[0034]采集子單元，通過深度學習算法從用戶端的電量管理系統中采集家庭總電表信息；
[0035]分解子單元，從家庭總電表信息中分解出具體電器的用電信息；
[0036]消費子單元，通過分解后的電器使用信息分析用戶用電習慣，建立了基于負荷分解的短期用電預測模型，確定用戶的用電消費情況；
[0037]獲取子單元，建立基于規則的多目標需求響應用電優化模型，形成用戶用電行為模型，獲得用戶的用電行為特征和需求特征。
[0038]優選的，所述采集子單元包括：
[0039]查詢子單元，將用戶每個用電設備基本信息錄入到相關的用電信息查詢的網頁中，將用電設備一一接入并使用智能電表采集用戶總的用電數據；
[0040]劃分分解子單元，將數據層層傳遞至變電站內的服務器中，由服務器內的結合深度神經網絡模型的非侵入負荷監測技術對采集到的數據加以處理，得到負荷分解后的每個用電設備單獨的用電數據。
[0041]優選的，所述劃分分解子單元包括：
[0042]窗口設置子單元，設置可變窗口；
[0043]讀取子單元，以不同大小的窗口滑動讀取輸入的用電數據；
[0044]訓練子單元，將用電數據放入深度學習網絡框架中進行訓練和測試，最終得到分解的各用電器的用電信息。
[0045]優選的，所述管理單元包括：
[0046]響應子單元，抽取高需求響應用戶的用電計劃推薦給具有相似用電習慣的低需求響應用戶；
[0047]時間表示子單元，用電計劃和用電習慣分別用可調控設備使用時間和不可調控設備使用時間表示；
[0048]用電計劃子單元，根據用戶歷史用電行為與待推薦用電計劃的匹配程度計算用戶評分，然后基于用戶相似度向目標用戶推薦評分較高的用電計劃；
[0049]用戶評分子單元，基于神經網絡協調過濾的用電策略推薦模型，利用神經網絡預測用戶和物品隱向量交叉后的用戶評分。
[0050]與現有技術相比，本專利技術具有以下優點：
[0051]本專利技術提供一種基于MEC邊緣智能網關的用電管理方法及系統，包括：基于用戶端的電量管理系統采集用戶的用電信息；將所述用電信息傳輸至MEC邊緣智能網關，所述MEC邊緣智能網關對所述用電信息采用用戶用電行為模型進行分析，獲得用戶的用電行為特征；MEC邊緣智能網關將用電信息及用電行為特征構建用戶模型，將用戶模型通過數字孿生技術同步至云端；云端根據所有的用戶模型對用戶進本文檔來自技高網...
【技術保護點】
【技術特征摘要】
1.一種基于MEC邊緣智能網關的用電管理方法，其特征在于，包括：S100，基于用戶端的電量管理系統采集用戶的用電信息；S200，將所述用電信息傳輸至MEC邊緣智能網關，所述MEC邊緣智能網關對所述用電信息采用用戶用電行為模型進行分析，獲得用戶的用電行為特征；S300，MEC邊緣智能網關將用電信息及用電行為特征構建用戶模型，將用戶模型通過數字孿生技術同步至云端；S400，云端根據所有的用戶模型對用戶進行用戶行為分類，將具有相同屬性的用戶進行相同的用電策略管理，云端將相應的用電策略回傳至用戶端的電量管理系統。2.根據權利要求1所述的基于MEC邊緣智能網關的用電管理方法，其特征在于，所述S200中，所述MEC邊緣智能網關對所述用電信息采用用戶用電行為模型進行分析，獲得用戶的用電行為特征，包括：S201，通過深度學習算法從用戶端的電量管理系統中采集家庭總電表信息；S202，從家庭總電表信息中分解出具體電器的用電信息；S203，通過分解后的電器使用信息分析用戶用電習慣，建立了基于負荷分解的短期用電預測模型，確定用戶的用電消費情況；S204，建立基于規則的多目標需求響應用電優化模型，形成用戶用電行為模型，獲得用戶的用電行為特征和需求特征。3.根據權利要求2所述的基于MEC邊緣智能網關的用電管理方法，其特征在于，所述S201包括：S2011，將用戶每個用電設備基本信息錄入到相關的用電信息查詢的網頁中，將用電設備一一接入并使用智能電表采集用戶總的用電數據；S2012，將數據層層傳遞至變電站內的服務器中，由服務器內的結合深度神經網絡模型的非侵入負荷監測技術對采集到的數據加以處理，得到負荷分解后的每個用電設備單獨的用電數據。4.根據權利要求3所述的基于MEC邊緣智能網關的用電管理方法，其特征在于，所述S2012包括：S2012
?
1，設置可變窗口；S2012
?
2，以不同大小的窗口滑動讀取輸入的用電數據；S2012
?
3，將用電數據放入深度學習網絡框架中進行訓練和測試，最終得到分解的各用電器的用電信息。5.根據權利要求1所述的基于MEC邊緣智能網關的用電管理方法，其特征在于，所述S400包括：S401，抽取高需求響應用戶的用電計劃推薦給具有相似用電習慣的低需求響應用戶；S402，用電計劃和用電習慣分別用可調控設備使用時間和不可調控設備使用時間表示；S403，根據用戶歷史用電行為與待推薦用電計劃的匹配程度計算用戶評分，然后基于用戶相似度向目標用戶推薦評分較高的用電計劃；S404，基于神經網絡協調過濾的用電策略推薦...
【專利技術屬性】
技術研發人員：鄺光煒，陳小軍，趙偉，
申請(專利權)人：廣州魯邦通物聯網科技股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。