基于負(fù)載均衡的主從式微電網(wǎng)功率負(fù)荷預(yù)測系統(tǒng)及其方法
【專利摘要】本發(fā)明一種基于負(fù)載均衡的主從式微電網(wǎng)功率負(fù)荷預(yù)測系統(tǒng)，包括用于高復(fù)雜度的數(shù)學(xué)計(jì)算和大規(guī)模的數(shù)據(jù)存儲的主服務(wù)器，它可以通過以太網(wǎng)交換機(jī)與預(yù)測系統(tǒng)分布式子站進(jìn)行信息交互。預(yù)測系統(tǒng)分布式子站可以把一些需要大規(guī)模運(yùn)算的任務(wù)發(fā)送給主服務(wù)器，由主服務(wù)器完成計(jì)算。每個預(yù)測系統(tǒng)分布式子站負(fù)責(zé)采集微電網(wǎng)或者子微網(wǎng)中風(fēng)機(jī)、光伏的發(fā)電功率實(shí)時(shí)數(shù)據(jù)，和該區(qū)域的負(fù)荷數(shù)據(jù)。本發(fā)明可以實(shí)現(xiàn)微電網(wǎng)功率和負(fù)荷的精細(xì)預(yù)測，預(yù)測結(jié)果為能量管理系統(tǒng)和微電網(wǎng)控制器提供了精確的數(shù)據(jù)支持，同時(shí)降低預(yù)測成本，提高預(yù)測系統(tǒng)服務(wù)器和裝置的使用效率?？梢栽谙到y(tǒng)上實(shí)現(xiàn)數(shù)據(jù)級的負(fù)載均衡，每個網(wǎng)元內(nèi)部實(shí)現(xiàn)網(wǎng)元內(nèi)部線程級負(fù)載均衡。
【專利說明】基于負(fù)載均衡的主從式微電網(wǎng)功率負(fù)荷預(yù)測系統(tǒng)及其方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及微電網(wǎng)功率預(yù)測，微電網(wǎng)負(fù)荷預(yù)測領(lǐng)域，具體涉及的是一種基于負(fù)載 均衡的主從式微電網(wǎng)功率負(fù)荷預(yù)測系統(tǒng)及其方法。

【背景技術(shù)】
[0002] 微電網(wǎng)是一種新型的電網(wǎng)結(jié)構(gòu)，包括了風(fēng)電、光伏、柴油發(fā)電、儲能、負(fù)荷、控制保 護(hù)模塊等。微電網(wǎng)可以實(shí)現(xiàn)自我控制、保護(hù)和管理的自治系統(tǒng)，既可以與外部電網(wǎng)并網(wǎng)運(yùn) 行，也可以孤立運(yùn)行。微電網(wǎng)能夠充分促進(jìn)分布式電源與可再生能源的高效利用。
[0003] 近年來光伏、風(fēng)電行業(yè)迅速發(fā)展，越來越多的小型光伏發(fā)電和風(fēng)電應(yīng)用在微電網(wǎng) 領(lǐng)域，精確的風(fēng)電和光伏功率預(yù)測有助于微電網(wǎng)調(diào)度控制和安全運(yùn)行。如果能夠確定未來 某特定時(shí)刻微電網(wǎng)內(nèi)的負(fù)荷數(shù)據(jù)，對微電網(wǎng)經(jīng)濟(jì)調(diào)度和能量管理也有重要的意義。
[0004] 目前市場上的光伏、風(fēng)電、負(fù)荷預(yù)測系統(tǒng)需要多個采集通道，每一個預(yù)測系統(tǒng)又相 互獨(dú)立，因此造成了數(shù)據(jù)冗余。另外，目前各家的預(yù)測系統(tǒng)需要開發(fā)多種通信接口用于預(yù)測 系統(tǒng)與外部采集器、控制器、能量管理系統(tǒng)、調(diào)度的通信，一旦實(shí)時(shí)通信接口中斷，預(yù)測系統(tǒng) 的輸入數(shù)據(jù)將產(chǎn)生較大的誤差，對預(yù)測結(jié)果也會不準(zhǔn)確。
[0005] 光伏發(fā)電和風(fēng)力發(fā)電受到天氣因素影響，出力往往是不穩(wěn)定的。傳統(tǒng)的光伏和風(fēng) 電預(yù)測系統(tǒng)需要?dú)庀蟛块T數(shù)值天氣預(yù)報(bào)的支持，但是目前的數(shù)值天氣預(yù)報(bào)時(shí)間分辨率和空 間分辨率一般都無法達(dá)到精確預(yù)測的要求，因此也加大了微電網(wǎng)能量管理系統(tǒng)控制、調(diào)節(jié) 出力和負(fù)荷平衡的難度。
[0006] 目前的功率預(yù)測和負(fù)荷預(yù)測大多采用神經(jīng)網(wǎng)絡(luò)算法，神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練期間系統(tǒng) 一般需要花費(fèi)大量的資源用于計(jì)算神經(jīng)網(wǎng)絡(luò)權(quán)值，這就需要使用高性能的服務(wù)器。在實(shí)際 運(yùn)行中，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練一般是一個月甚至更長時(shí)間才需要訓(xùn)練一次，高成本、高性能的服 務(wù)器并沒有得到較高的使用率。


【發(fā)明內(nèi)容】

[0007] 針對現(xiàn)有技術(shù)上存在的不足，本發(fā)明目的是在于提供一種基于負(fù)載均衡的主從式 微電網(wǎng)功率負(fù)荷預(yù)測系統(tǒng)及其方法，為微電網(wǎng)提供精確的功率和負(fù)荷預(yù)測數(shù)據(jù)，實(shí)現(xiàn)系統(tǒng) 級和網(wǎng)元內(nèi)部線程級的負(fù)載均衡，提高系統(tǒng)和裝置的整體利用效率。
[0008] 為了實(shí)現(xiàn)上述目的，本發(fā)明是通過如下的技術(shù)方案來實(shí)現(xiàn)：
[0009] -種基于負(fù)載均衡的主從式微電網(wǎng)功率負(fù)荷預(yù)測系統(tǒng)，其包括主服務(wù)器，用于數(shù) 學(xué)計(jì)算和數(shù)據(jù)存儲；
[0010] 預(yù)測系統(tǒng)分布式子站，用于采集本地預(yù)測相關(guān)的實(shí)時(shí)數(shù)據(jù)，預(yù)測本地區(qū)域內(nèi)的功 率和負(fù)荷數(shù)據(jù)，同時(shí)進(jìn)行權(quán)值修正計(jì)算；所述主服務(wù)器太網(wǎng)交換機(jī)與預(yù)測系統(tǒng)分布式子站 進(jìn)行信息交互，
[0011] 所述主服務(wù)器包括以下模塊：
[0012] 氣象采集模塊，用于采集來自網(wǎng)絡(luò)的免費(fèi)數(shù)值天氣預(yù)報(bào)；
[0013] 精確氣象預(yù)測模塊，根據(jù)當(dāng)?shù)亟?jīng)度、維度、海拔、位勢高度為依據(jù)，同時(shí)依據(jù)微電網(wǎng) 園區(qū)內(nèi)的地理信息和建筑示意圖，進(jìn)行三維建模；
[0014] 數(shù)據(jù)庫，用于存儲氣象歷史數(shù)據(jù)和采集數(shù)據(jù)，及微電網(wǎng)園區(qū)內(nèi)的功率、負(fù)荷數(shù)據(jù)； 遠(yuǎn)程主服務(wù)器通信模塊用于與每個預(yù)測系統(tǒng)分布式子站通信，同時(shí)采集Internet上的氣 象數(shù)據(jù)；
[0015] 通信模塊，基于普通的以太網(wǎng)通信方式，使用TCP/IP協(xié)議。
[0016] 神經(jīng)網(wǎng)絡(luò)遠(yuǎn)程訓(xùn)練模塊，用于訓(xùn)練功率預(yù)測和負(fù)荷預(yù)測模型；
[0017] 均衡算法模塊，負(fù)責(zé)控制神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊的資源創(chuàng)建和資源分配；
[0018] 遠(yuǎn)程預(yù)測模塊，根據(jù)預(yù)測系統(tǒng)分布式子站的預(yù)測結(jié)果預(yù)測多個微電網(wǎng)或多個子微 電網(wǎng)的總功率和總負(fù)荷數(shù)據(jù)，或者在某個預(yù)測系統(tǒng)分布式子站發(fā)生故障時(shí)，代替其完成功 率和負(fù)荷預(yù)測。
[0019] 進(jìn)一步的，所述預(yù)測系統(tǒng)分布式子站包括：
[0020] 中央處理器，用于調(diào)度各個子模塊之間的協(xié)同工作，完成基本的系統(tǒng)運(yùn)行和數(shù)據(jù) 處理；
[0021] 預(yù)測系統(tǒng)通信模塊，用于預(yù)測系統(tǒng)分布式子站與主服務(wù)器之前的通信，同時(shí)采集 當(dāng)?shù)丨h(huán)境監(jiān)測數(shù)據(jù)；
[0022] 存儲模塊，用于存儲近三個月的環(huán)境監(jiān)測儀、負(fù)荷、功率的歷史數(shù)據(jù)；
[0023] 神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練模塊，用于訓(xùn)練功率預(yù)測和負(fù)荷預(yù)測模型的在線重訓(xùn)練；
[0024] 神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練預(yù)測模塊，根據(jù)神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練模塊訓(xùn)練出來的預(yù)測模型進(jìn) 行加權(quán)預(yù)測；
[0025] 均衡算法模塊，負(fù)責(zé)控制神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊的資源創(chuàng)建和資源分配，當(dāng)本地資源 不能滿足訓(xùn)練要求或者會影響數(shù)據(jù)采集、功率負(fù)荷預(yù)測時(shí)，中央處理器會向主服務(wù)器請求 遠(yuǎn)程開啟訓(xùn)練，主服務(wù)器完成訓(xùn)練后會將負(fù)荷預(yù)測模型文件發(fā)送至本地；
[0026] 本地預(yù)測模塊，用于采集本地預(yù)測相關(guān)的實(shí)時(shí)數(shù)據(jù)，預(yù)測本地區(qū)域內(nèi)的功率和負(fù) 荷數(shù)據(jù)；
[0027] 所述通信模塊、存儲模塊、神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練模塊和本地預(yù)測模塊均與中央處理 器連接，所述均衡算法模塊和神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練預(yù)測模塊均與神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練模塊連 接，所述本地預(yù)測模塊、神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練模塊以及預(yù)測系統(tǒng)通訊模塊均與存儲模塊連接， 便于數(shù)據(jù)的存儲。
[0028] 進(jìn)一步的，所述本地預(yù)測模塊包括光伏預(yù)測模塊、風(fēng)電預(yù)測模塊和負(fù)荷預(yù)測模塊。
[0029] 作為優(yōu)選，所述神經(jīng)網(wǎng)絡(luò)遠(yuǎn)程訓(xùn)練模塊的神經(jīng)網(wǎng)絡(luò)算法采用改進(jìn)的BP神經(jīng)網(wǎng)絡(luò) 算法，所述改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)算法如下：
[0030]權(quán)值更新Λ Wlj:

【權(quán)利要求】
1. 一種基于負(fù)載均衡的主從式微電網(wǎng)功率負(fù)荷預(yù)測系統(tǒng)，其包括主服務(wù)器，用于數(shù)學(xué) 計(jì)算和數(shù)據(jù)存儲； 預(yù)測系統(tǒng)分布式子站，用于采集本地預(yù)測相關(guān)的實(shí)時(shí)數(shù)據(jù)，預(yù)測本地區(qū)域內(nèi)的功率和 負(fù)荷數(shù)據(jù)，同時(shí)進(jìn)行權(quán)值修正計(jì)算；所述主服務(wù)器太網(wǎng)交換機(jī)與預(yù)測系統(tǒng)分布式子站進(jìn)行 信息交互， 所述主服務(wù)器包括以下模塊： 氣象采集模塊，用于采集來自網(wǎng)絡(luò)的免費(fèi)數(shù)值天氣預(yù)報(bào)； 精確氣象預(yù)測模塊，根據(jù)當(dāng)?shù)亟?jīng)度、維度、海拔、位勢高度為依據(jù)，同時(shí)依據(jù)微電網(wǎng)園區(qū) 內(nèi)的地理信息和建筑示意圖，進(jìn)行三維建模； 數(shù)據(jù)庫，用于存儲氣象歷史數(shù)據(jù)和采集數(shù)據(jù)，及微電網(wǎng)園區(qū)內(nèi)的功率、負(fù)荷數(shù)據(jù)；遠(yuǎn)程 主服務(wù)器通信模塊用于與每個預(yù)測系統(tǒng)分布式子站通信，同時(shí)采集Internet上的氣象數(shù) 據(jù)； 通信模塊，基于普通的以太網(wǎng)通信方式，使用TCP/IP協(xié)議。 神經(jīng)網(wǎng)絡(luò)遠(yuǎn)程訓(xùn)練模塊，用于訓(xùn)練功率預(yù)測和負(fù)荷預(yù)測模型； 均衡算法模塊，負(fù)責(zé)控制神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊的資源創(chuàng)建和資源分配； 遠(yuǎn)程預(yù)測模塊，根據(jù)預(yù)測系統(tǒng)分布式子站的預(yù)測結(jié)果預(yù)測多個微電網(wǎng)或多個子微電網(wǎng) 的總功率和總負(fù)荷數(shù)據(jù)，或者在某個預(yù)測系統(tǒng)分布式子站發(fā)生故障時(shí)，代替其完成功率和 負(fù)荷預(yù)測。
2. 根據(jù)權(quán)利要求1所述的基于負(fù)載均衡的主從式微電網(wǎng)功率負(fù)荷預(yù)測系統(tǒng)，其特征在 于，所述預(yù)測系統(tǒng)分布式子站包括： 中央處理器，用于調(diào)度各個子模塊之間的協(xié)同工作，完成基本的系統(tǒng)運(yùn)行和數(shù)據(jù)處 理； 預(yù)測系統(tǒng)通信模塊，用于預(yù)測系統(tǒng)分布式子站與主服務(wù)器之前的通信，同時(shí)采集當(dāng)?shù)?環(huán)境監(jiān)測數(shù)據(jù)； 存儲模塊，用于存儲近三個月的環(huán)境監(jiān)測儀、負(fù)荷、功率的歷史數(shù)據(jù)； 神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練模塊，用于訓(xùn)練功率預(yù)測和負(fù)荷預(yù)測模型的在線重訓(xùn)練； 神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練預(yù)測模塊，根據(jù)神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練模塊訓(xùn)練出來的預(yù)測模型進(jìn)行加 權(quán)預(yù)測； 均衡算法模塊，負(fù)責(zé)控制神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊的資源創(chuàng)建和資源分配，當(dāng)本地資源不能 滿足訓(xùn)練要求或者會影響數(shù)據(jù)采集、功率負(fù)荷預(yù)測時(shí)，中央處理器會向主服務(wù)器請求遠(yuǎn)程 開啟訓(xùn)練，主服務(wù)器完成訓(xùn)練后會將負(fù)荷預(yù)測模型文件發(fā)送至本地； 本地預(yù)測模塊，用于采集本地預(yù)測相關(guān)的實(shí)時(shí)數(shù)據(jù)，預(yù)測本地區(qū)域內(nèi)的功率和負(fù)荷數(shù) 據(jù)； 所述通信模塊、存儲模塊、神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練模塊和本地預(yù)測模塊均與中央處理器連 接，所述均衡算法模塊和神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練預(yù)測模塊均與神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練模塊連接，所 述本地預(yù)測模塊、神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練模塊以及預(yù)測系統(tǒng)通訊模塊均與存儲模塊連接，便于 數(shù)據(jù)的存儲。
3. 根據(jù)權(quán)利要求2所述的基于負(fù)載均衡的主從式微電網(wǎng)功率負(fù)荷預(yù)測系統(tǒng)，其特征在 于，所述本地預(yù)測模塊包括光伏預(yù)測模塊、風(fēng)電預(yù)測模塊和負(fù)荷預(yù)測模塊。
4. 根據(jù)權(quán)利要求1所述的基于負(fù)載均衡的主從式微電網(wǎng)功率負(fù)荷預(yù)測系統(tǒng)，其特征在 于，所述神經(jīng)網(wǎng)絡(luò)遠(yuǎn)程訓(xùn)練模塊的神經(jīng)網(wǎng)絡(luò)算法采用改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)算法，所述改進(jìn)的 BP神經(jīng)網(wǎng)絡(luò)算法如下： 權(quán)值更新AWij :
其中，Wlj表示第1個神經(jīng)元到輸出層第j個神經(jīng)元之間的連接權(quán)值，Oij表示神經(jīng)網(wǎng)絡(luò) 輸出，h表示目標(biāo)值，V1表示第1個神經(jīng)元輸入值，Θ ^表示閾值，L表示神經(jīng)元個數(shù)。
5. 根據(jù)權(quán)利要求1所述的基于負(fù)載均衡的主從式微電網(wǎng)功率負(fù)荷預(yù)測系統(tǒng)，其特征在 于，所述數(shù)據(jù)庫采用的是Oracle或Sybase數(shù)據(jù)庫。
6. -種基于負(fù)載均衡的主從式微電網(wǎng)功率負(fù)荷預(yù)測方法，其方法步驟如下： (1) 分布式采集預(yù)測步驟；采集本地預(yù)測相關(guān)的實(shí)時(shí)數(shù)據(jù)，通過神經(jīng)網(wǎng)絡(luò)算法預(yù)測本 地區(qū)域內(nèi)的功率和負(fù)荷數(shù)據(jù)，同時(shí)進(jìn)行權(quán)值修正計(jì)算，輸出預(yù)算結(jié)果； (2) 氣象采集步驟，用于采集來自網(wǎng)絡(luò)的免費(fèi)數(shù)值天氣預(yù)報(bào)； (3) 氣象預(yù)測步驟，根據(jù)步驟（1)采用的當(dāng)?shù)匦》秶?jīng)度、維度、海拔、位勢高度為依 據(jù)，進(jìn)行三維建模；模型以步驟（2)獲取的網(wǎng)絡(luò)氣象數(shù)據(jù)作為輸入條件，采用物理方程和 熱力學(xué)方程模擬氣象變化，并經(jīng)神經(jīng)網(wǎng)絡(luò)算法修正后，最終得到微電網(wǎng)園區(qū)內(nèi)精確氣象信 息； (4) 預(yù)測微電網(wǎng)的總功率和總負(fù)荷數(shù)據(jù)；根據(jù)步驟（1)的預(yù)測結(jié)果并經(jīng)預(yù)測多個微電 網(wǎng)或多個子微電網(wǎng)的總功率和總負(fù)荷數(shù)據(jù)； 所述神經(jīng)網(wǎng)絡(luò)算法中包括系統(tǒng)級負(fù)載均衡調(diào)度算法步驟，當(dāng)本地資源不能滿足訓(xùn)練要 求或者會影響數(shù)據(jù)采集、功率負(fù)荷預(yù)測時(shí)，裝置會向主服務(wù)器請求遠(yuǎn)程開啟負(fù)載均衡調(diào)度 算法訓(xùn)練，主服務(wù)器在打開網(wǎng)絡(luò)連接服務(wù)后，將循環(huán)偵聽子站請求，一旦有子站請求主服務(wù) 器完成神經(jīng)網(wǎng)絡(luò)訓(xùn)練，主服務(wù)器將在數(shù)據(jù)庫中查找對應(yīng)的子站信息和子站的歷史數(shù)據(jù)進(jìn)行 訓(xùn)練，主服務(wù)器完成訓(xùn)練后會將模型文件發(fā)送至對應(yīng)的子站。
7. 根據(jù)權(quán)利要求6所述的方法，其特征在于，神經(jīng)網(wǎng)絡(luò)算法的方法為：首先是初始化權(quán) 值數(shù)據(jù)，每個權(quán)值賦值隨機(jī)數(shù)，隨機(jī)數(shù)范圍在-1到1之間；將歷史數(shù)據(jù)樣本作為神經(jīng)網(wǎng)絡(luò)的 輸入值，分別計(jì)算每一層神經(jīng)網(wǎng)絡(luò)的輸入和輸出。得到神經(jīng)網(wǎng)絡(luò)的最終輸出后，求理論值與 計(jì)算值均方誤差，如果誤差滿足預(yù)設(shè)條件，則訓(xùn)練結(jié)束；如果不滿足預(yù)設(shè)條件，則再判斷最 大循環(huán)次數(shù)，如果超出最大循環(huán)次數(shù)同樣也結(jié)束訓(xùn)練，否則將反向計(jì)算每層神經(jīng)元局部梯 度并修正神經(jīng)元權(quán)值；直到滿足均方誤差或最大循環(huán)次數(shù)的預(yù)設(shè)條件。
8. 根據(jù)權(quán)利要求6所述的方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)算法中還包括網(wǎng)元內(nèi)部線 程級負(fù)載均衡調(diào)度算法步驟，均衡算法模塊首先會檢查操作系統(tǒng)版本，并加載對應(yīng)的宏、初 始化全局變量。算法會統(tǒng)計(jì)有多少個CPU及開始監(jiān)控每個CPU的占用率；均衡模塊算法會 在內(nèi)存中創(chuàng)建一個任務(wù)管理器用于任務(wù)分片、任務(wù)監(jiān)視、分配系統(tǒng)資源和回收系統(tǒng)資源；如 果本地資源可以滿足所有任務(wù)時(shí)，任務(wù)管理器會開始執(zhí)行分片后的任務(wù)；如果本地資源不 能夠滿足所有任務(wù)，而且該任務(wù)無法等待，均衡算法模塊會連接主服務(wù)器，將該任務(wù)提交給 主服務(wù)器執(zhí)行； 每個子任務(wù)首先會初始化任務(wù)計(jì)數(shù)器，保證該任務(wù)占用系統(tǒng)資源時(shí)間是有限的，在該 任務(wù)執(zhí)行后將完成數(shù)據(jù)加載、數(shù)據(jù)處理的任務(wù)，并向外部IO請求讀寫文件，文件鎖將保證 文件讀寫的唯一性，防止數(shù)據(jù)出錯。
【文檔編號】G06Q50/06GK104376389SQ201410759321
【公開日】2015年2月25日 申請日期:2014年12月10日 優(yōu)先權(quán)日:2014年12月10日
【發(fā)明者】賴曉路, 童欲豪, 孫鋒, 孟憲俠, 朱華婧, 張少強(qiáng), 孫攀 申請人:國電南京自動化股份有限公司