本發(fā)明涉及電力資源分配領(lǐng)域，特別是一種基于大數(shù)據(jù)的電力優(yōu)化配置方法。

背景技術(shù)：

電力是國民經(jīng)濟的基礎(chǔ)性資源，電力數(shù)據(jù)的處理和利用對發(fā)電、輸電和供電等各個環(huán)節(jié)都有重要作用。隨著用電量的增長和智能電網(wǎng)技術(shù)的發(fā)展，電力數(shù)據(jù)呈現(xiàn)出爆炸性增長的態(tài)勢。傳統(tǒng)的數(shù)據(jù)處理技術(shù)已經(jīng)不能適應(yīng)這種情況。

大數(shù)據(jù)技術(shù)的出現(xiàn)可以有效地解決這種問題?！按髷?shù)據(jù)”這個概念最早源于Apache的一個開源項目Nutch。到2008年，Nature出版了第一個“BigData”?？?，介紹了多個方面出現(xiàn)的海量大數(shù)據(jù)帶來的挑戰(zhàn)和機遇；2012年，美國政府宣布“大數(shù)據(jù)研究和發(fā)展計劃”，并投入2億美元，大數(shù)據(jù)的發(fā)展成為國家戰(zhàn)略行為，引發(fā)了又一波大數(shù)據(jù)研究的熱潮。

大數(shù)據(jù)的定義并不統(tǒng)一，Garnter的定義是“大數(shù)據(jù)是需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力來適應(yīng)海量、高增長率和多樣化的信息資產(chǎn)”，麥肯錫的定義是“大數(shù)據(jù)是一種規(guī)模大到在獲取、存儲、管理、分析方面大大超出了傳統(tǒng)數(shù)據(jù)庫軟件工具能力范圍的數(shù)據(jù)集合”。目前比較廣泛的定義是5V定義，即Volume(規(guī)模性)、Velocity(高速性)、Variety(多樣性)、Value(低價值密度性)和Veracity(真實性)。電力大數(shù)據(jù)是對大數(shù)據(jù)的概念擴展，是以業(yè)務(wù)趨勢預(yù)測、數(shù)據(jù)價值挖掘為目標，利用數(shù)據(jù)集成管理、數(shù)據(jù)存儲、數(shù)據(jù)計算、分析挖掘等方面核心關(guān)鍵技術(shù)，實現(xiàn)面向典型業(yè)務(wù)場景的模式創(chuàng)新及應(yīng)用提升。電力大數(shù)據(jù)一方面有與大數(shù)據(jù)相同的特性，可概括為3V，即規(guī)模性(Volume)、多樣性(Variety)和高速性(Velocity)；另一方面，由于電力系統(tǒng)的特殊性，電力大數(shù)據(jù)有自己的特點，概括來說就是3E，即數(shù)據(jù)即能量(Energy)、數(shù)據(jù)即交互(Exchange)、數(shù)據(jù)即共情(Empathy)。

電力大數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)處理流程的不同之處主要在于電力大數(shù)據(jù)的處理需要處理大量非結(jié)構(gòu)化的數(shù)據(jù)，所以上述提到的各種大數(shù)據(jù)技術(shù)可以在電力大數(shù)據(jù)的各個環(huán)節(jié)進行并行處理。此外，電力大數(shù)據(jù)需要使用的技術(shù)主要還有：(1)集成管理技術(shù)，用于合并來自多個應(yīng)用系統(tǒng)的數(shù)據(jù)，創(chuàng)建一個有更多功能的企業(yè)應(yīng)用的過程。主要使用的是NoSQL數(shù)據(jù)庫技術(shù)；(2)數(shù)據(jù)分析技術(shù)，用于從海量電力數(shù)據(jù)中提煉出有助于電力工作者做出決策的有用信息和模型。主要的技術(shù)有機器學(xué)習(xí)、數(shù)據(jù)挖掘、模式識別、神經(jīng)網(wǎng)絡(luò)、時間序列預(yù)測模型、遺傳算法等；(3)數(shù)據(jù)處理技術(shù)，用于解決大規(guī)模分布式存儲與處理、數(shù)據(jù)讀取和處理解決在線實時計算、處理實時到達的速度和規(guī)模不受控制的數(shù)據(jù)等問題。主要的技術(shù)手段包括分布式計算技術(shù)、內(nèi)存計算技術(shù)、流處理技術(shù)等。

目前大數(shù)據(jù)技術(shù)在電力領(lǐng)域的應(yīng)用已經(jīng)取得了很多成果，電力系統(tǒng)的發(fā)電、輸電和配電各個環(huán)節(jié)都有大數(shù)據(jù)技術(shù)參與的例子。然而大部分的技術(shù)都是在假設(shè)發(fā)電量足夠滿足用電需求的前提下來進行分析和處理。但是在用電的高峰期，或者是在很多電力資源不充足的欠發(fā)達國家和地區(qū)，電力不足的情況仍然存在。如何在電力不足的情況下通過對電力數(shù)據(jù)的分析，來合理地安排電力供應(yīng)是一個亟需解決的問題。本發(fā)明針對這個問題提出了一種基于大數(shù)據(jù)的電力優(yōu)化配置方法。

技術(shù)實現(xiàn)要素：

發(fā)明目的：本發(fā)明所要解決的技術(shù)問題是針對現(xiàn)有技術(shù)的不足，提供一種基于大數(shù)據(jù)的電力優(yōu)化配置方法。

為了解決上述問題，本發(fā)明公開了一種基于大數(shù)據(jù)的電力優(yōu)化配置方法，包括以下步驟：

步驟1：采用ETL(Extract,Transform,Load,抽取、轉(zhuǎn)換、裝載)數(shù)據(jù)抽取技術(shù)從電力大數(shù)據(jù)中篩選出用戶用電數(shù)據(jù)。初始數(shù)據(jù)包括各種結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，抽取其中與用電量相關(guān)的部分，再刪除其中的臟數(shù)據(jù)，并將處理得到的用戶用電數(shù)據(jù)進行建模；

步驟2：針對建模后的用電數(shù)據(jù)，運用數(shù)據(jù)清洗技術(shù)，去除用戶用電數(shù)據(jù)中存在的噪音數(shù)據(jù)，并填補其中存在的空缺數(shù)據(jù)；

步驟3，使用時間序列預(yù)測法的自回歸AR(autoregression，自回歸)模型及步驟2中處理得到的用戶用電數(shù)據(jù)，預(yù)測負荷中心在下一時間段內(nèi)的用電量；

步驟4，對步驟3中預(yù)測得到的用電量進行修正；

步驟5，根據(jù)預(yù)測的用電量、電力傳輸網(wǎng)絡(luò)的部署情況和發(fā)電站裝機容量安排各個發(fā)電站的發(fā)電量；

步驟6，根據(jù)發(fā)電量判斷是否滿足用戶用電需求，若不滿足，則進行電力的優(yōu)化配置，得出最終的電力配置方案。

本發(fā)明步驟1包括如下步驟：

步驟1-1，通過智能電表采集用戶用電數(shù)據(jù)，再通過RS485/RS232口和4線/2線MODEM調(diào)制解調(diào)器傳輸?shù)较到y(tǒng)主站，系統(tǒng)主站是電網(wǎng)數(shù)據(jù)處理中心和電力配置管理中心；

步驟1-2，采用ETL(Extract,Transform,Load,抽取、轉(zhuǎn)換、裝載)數(shù)據(jù)抽取技術(shù)，剔除無關(guān)數(shù)據(jù)，無關(guān)數(shù)據(jù)指各種與用電數(shù)據(jù)量不相關(guān)的數(shù)據(jù)，如生產(chǎn)管理過程中產(chǎn)生的各種結(jié)構(gòu)化、半結(jié)構(gòu)化數(shù)據(jù)等。并將所有臟數(shù)據(jù)插入到預(yù)先設(shè)定的臟數(shù)據(jù)表TB_SYS_ETL_DIRTYDATA中，通過WEB界面由工作人員分別處理臟數(shù)據(jù)和非臟數(shù)據(jù)，其中臟數(shù)據(jù)由管理人員通過WEB界面進行處理，刪除其中確為臟數(shù)據(jù)的部分，其余部分為有效數(shù)據(jù)，加入到非臟數(shù)據(jù)中。對處理后的臟數(shù)據(jù)和非臟數(shù)據(jù)進行重抽，并把處理過的臟數(shù)據(jù)刪除；

步驟1-3，對刪除臟數(shù)據(jù)的用戶用電數(shù)據(jù)對象進行建模：以15分鐘為一個周期來統(tǒng)計用戶的用電量，每塊電表每天的用電記錄條數(shù)為96條，用多元組表示為：

其中M_底度值為電量數(shù)據(jù)的二維數(shù)組，j為時間值，當j＝95時表示時間區(qū)間為天/24小時，k為用戶編號，a_j,k為用戶k在j時間段內(nèi)的用電量。

本發(fā)明步驟2中包括如下步驟：

步驟2-1，處理噪音數(shù)據(jù)：識別噪音數(shù)據(jù)與正常數(shù)據(jù)，將噪音數(shù)據(jù)刪除；

步驟2-2，采用鄰近數(shù)據(jù)平均值法填充空缺值：根據(jù)權(quán)利要求1中對電力數(shù)據(jù)的建模，設(shè)第i個屬性值的空缺數(shù)據(jù)為a_j,i，在j×k樣本數(shù)據(jù)的M_底度值中，a_j,i的預(yù)測公式如下：

本發(fā)明步驟2-1中，采用切比雪夫Chebyshev定理將噪音數(shù)據(jù)與正常數(shù)據(jù)識別開，包括如下步驟：

步驟2-1-1)，計算出步驟1-3中各屬性值的總體均值μ和方差σ，

步驟2-1-2)，用切比雪夫Chebyshev定理計算出置信區(qū)間

其中k為步驟1-3中的用戶編號；

步驟2-1-3)，根據(jù)置信區(qū)間判斷該數(shù)據(jù)是否為噪音數(shù)據(jù)，若數(shù)據(jù)不在置信區(qū)間中，則判定該數(shù)據(jù)為噪音數(shù)據(jù)，將該數(shù)據(jù)刪除；反之保留。

本發(fā)明步驟3中，負荷中心為輸電環(huán)節(jié)中與用戶相連的最后一個節(jié)點，每個負荷中心負責向一定規(guī)模的用戶群提供變電和供電服務(wù)。將負荷中心作為電力優(yōu)化配置的基本單位，負荷中心的歷史供電數(shù)據(jù)為其所服務(wù)的用戶用電數(shù)據(jù)相加的結(jié)果。

用電量的預(yù)測需要考慮預(yù)測時間段，根據(jù)時間段的長短可以分為年度用電預(yù)測、月度用電預(yù)測、短期負荷預(yù)測等。本發(fā)明步驟3中基于短期用電進行預(yù)測，主要預(yù)測的是未來幾小時、一天或幾天之內(nèi)的電力使用情況。短期預(yù)測的特點是周期性強，如：每天的24小時內(nèi)整體變化具有周期性；工作日、周末具有各自的周期性；不同星期、同一星期類型日之間具有周期性；重大節(jié)假日具有周期性；等等。同時，短期預(yù)測還受到諸如天氣變化、季節(jié)更替、溫度、重大文體活動等的影響。自變量為篩選出的負荷中心歷史用電量，用y_t-1、y_t-2…y_t-p表示，因變量為預(yù)測的用電量，用y_t表示，其中t為預(yù)測時的時間值，p代表用于預(yù)測的歷史用電數(shù)據(jù)產(chǎn)生時的時間值與預(yù)測時刻的時間值之差，采用時間序列預(yù)測法中的自回歸AR模型進行預(yù)測，AR的計算過程為利用歷史數(shù)據(jù)的加權(quán)值及干擾項a_t來做有限線性組合，最后得出預(yù)測值，p階AR模型M_AR(p)的數(shù)學(xué)表達式如下：

其中p為模型M_AR(p)的階，為常系數(shù)，代表模型M_AR(p)的參數(shù)，參數(shù)表示模型M_AR(p)中y_t-p對預(yù)測用電量的影響因子，取值大小視具體的模型而定。

本發(fā)明步驟4中，采用自適應(yīng)模型中的最小二乘法對預(yù)測得到的用電量進行修正，包括：設(shè)ε_t為實際用電量y_t與預(yù)測的用電量之差，則：

其中，Y(t)＝[Y_t-1,Y_t-2,…,Y_t-p]^T；

最小二乘法的目標是使得ε_t的平方和最小，即性能指標J取極小值的估計值，計算公式如下：

為使性能指標J取極小值，令得到最小二乘法意義下的正規(guī)解為：

其中，

本發(fā)明步驟5包括：電力作為一種不能大量存儲的能源，需要保證發(fā)電量與用電量的基本相同，才能既滿足需求又不造成資源浪費。在電力網(wǎng)絡(luò)中，一個負荷中心可以由多個發(fā)電站供電，一個發(fā)電站也可以給多個負荷中心供電，因此需根據(jù)電力網(wǎng)絡(luò)來協(xié)調(diào)各個發(fā)電站的發(fā)電量。因此每個發(fā)電站的規(guī)劃發(fā)電量不得高于其裝機容量，其關(guān)系表示為以下公式：

s_ps≤c_ps，

其中，負荷中心編號為1～lc，lc取值為自然數(shù)，s_ps代表發(fā)電站ps的發(fā)電量，t_ps,lc代表發(fā)電站ps給負荷中心lc的供電量，t_lc代表負荷中心lc的預(yù)測用電量，s_lc,ps代表負荷中心lc從發(fā)電站ps處得到的電量，c_ps代表發(fā)電站ps的裝機容量。s_ps≤c_ps表示發(fā)電站的發(fā)電量不得高于其裝機容量。

本發(fā)明步驟6包括：

步驟6-1，判斷發(fā)電量是否大于預(yù)測的用電量，若是，則不進行電力的優(yōu)化配置；若不是，執(zhí)行步驟6-2；

步驟6-2，對部分負荷中心供電的區(qū)域中的用戶實施斷電來保證其他用戶的電力使用，確保電力的配置達到最優(yōu)，每個負荷中心被賦予相應(yīng)的優(yōu)先級，記為{priority₁,priority₂,…,priority_lc}，下標代表負荷中心編號，priority_lc表示負荷中心lc的優(yōu)先級，采用最小堆排序minimum heap sort對優(yōu)先級進行排序，將所有負荷中心的優(yōu)先級使用堆排序找出優(yōu)先級最小的區(qū)域，對該區(qū)域?qū)嵤嚯姴僮?，在總的供電量中減去該區(qū)域用電量，并更新該區(qū)域的優(yōu)先級得到priority′_j，priortity′_lc代表該區(qū)域新的優(yōu)先級，且priority′_j>priority_j；

步驟6-3，重新檢測發(fā)電量是否滿足用電量需求，若滿足，則不進行電力配置操作；否則重復(fù)步驟6-2，直至發(fā)電量滿足需求為止。

本發(fā)明中，對于基于大數(shù)據(jù)技術(shù)的電力優(yōu)化配置結(jié)果，根據(jù)數(shù)據(jù)抽取、清洗和時間序列預(yù)測法的預(yù)估，生成最終的電力優(yōu)化配置結(jié)果，最后將結(jié)果反饋給電網(wǎng)公司、發(fā)電站等有關(guān)部門。

與現(xiàn)有技術(shù)相比，本發(fā)明具有的有益效果是：

(1)用電數(shù)據(jù)的預(yù)測經(jīng)過數(shù)據(jù)抽取、數(shù)據(jù)清洗、AR模型預(yù)測以及最小二乘法修正預(yù)測數(shù)據(jù)，使得預(yù)測數(shù)據(jù)更接近真實用電數(shù)據(jù)，相比于現(xiàn)有預(yù)測方式，本發(fā)明的預(yù)測準確率更高；

(2)電力配置過程考慮了發(fā)電量不能滿足用戶用電需求的情況，并提出一種按優(yōu)先級大小來配置電力的優(yōu)化方案，使得電力不足時電力的配置更合理。

附圖說明

下面結(jié)合附圖和具體實施方式對本發(fā)明做更進一步的具體說明，本發(fā)明的上述或其他方面的優(yōu)點將會變得更加清楚。

圖1是本發(fā)明電力配置流程圖。

圖2是本發(fā)明方法的基本框架圖。

具體實施方式

下面結(jié)合附圖及實施例對本發(fā)明做進一步說明。

下面結(jié)合附圖對本發(fā)明作具體說明。應(yīng)該指出，所描述的實施例僅是為了說明的目的，而不是對本發(fā)明范圍的限制。

本發(fā)明公開了一種基于大數(shù)據(jù)的電力優(yōu)化配置方法，該方法流程圖如圖1所示，基本框架圖如圖2所示，本發(fā)明包括以下步驟：

步驟1，采用ETL數(shù)據(jù)抽取技術(shù)從混雜結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化的電力大數(shù)據(jù)中篩選出用戶的用電量數(shù)據(jù)，刪除其中的臟數(shù)據(jù)，并對處理后的電力數(shù)據(jù)進行建模；

抽取技術(shù)的作用是排除無關(guān)數(shù)據(jù)的干擾和用電數(shù)據(jù)中的臟數(shù)據(jù)，包括以下三個部分：

(1)采用智能電表采集用戶用電數(shù)據(jù)，再通過RS485/RS232口和4線/2線MODEM將數(shù)據(jù)傳輸?shù)较到y(tǒng)主站。采集的數(shù)據(jù)包括各種結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)，以及各種臟數(shù)據(jù)、噪音數(shù)據(jù)、缺失數(shù)據(jù)等；

(2)采用數(shù)據(jù)抽取技術(shù)，剔除原始數(shù)據(jù)中的無關(guān)數(shù)據(jù)，預(yù)先設(shè)定一個臟數(shù)據(jù)表(TB_SYS_ETL_DIRTYDATA)存儲其中的臟數(shù)據(jù)，再由電網(wǎng)工作人員通過WEB界面手動處理臟數(shù)據(jù)和非臟數(shù)據(jù)，其中臟數(shù)據(jù)是指系統(tǒng)中不在給定范圍內(nèi)的數(shù)據(jù)或是格式不正確、編碼不規(guī)范、對實際操作無意義的數(shù)據(jù)。得到的數(shù)據(jù)再進行重抽，并刪除處理過的臟數(shù)據(jù)；

(3)對刪除臟數(shù)據(jù)的電量數(shù)據(jù)對象進行建模。以15分鐘為一個周期來統(tǒng)計用戶的用電量，每塊電表每天的用電記錄條數(shù)為96條(4×24)，用多元組表示為

步驟2，使用數(shù)據(jù)清洗技術(shù)，尋找電力數(shù)據(jù)中的噪音數(shù)據(jù)并做刪除處理，并對其中的空缺數(shù)據(jù)進行預(yù)測并填補；

清洗操作主要分為以下兩部分：

(1)處理噪音數(shù)據(jù)。噪音數(shù)據(jù)一般由各種異常情況造成，切比雪夫(Chebyshev)定理可以將其與正常數(shù)據(jù)識別開來。識別操作分為三步：

第一步，計算出各屬性值的總體均值μ和方差σ；

第二步，用切比雪夫定理計算出置信區(qū)間

第三步，根據(jù)置信區(qū)間判斷該數(shù)據(jù)是否為噪音數(shù)據(jù)。若數(shù)據(jù)在置信區(qū)間中，則說明數(shù)據(jù)不是噪音數(shù)據(jù)，將該數(shù)據(jù)保留；否則刪除。

(2)用“鄰近數(shù)據(jù)平均值法”填充空缺值?！班徑鼣?shù)據(jù)平均值法”使用與空缺值近似的數(shù)據(jù)來進行估計，近似數(shù)據(jù)一般選取數(shù)據(jù)矩陣中的鄰近數(shù)據(jù)。根據(jù)步驟1中對電力數(shù)據(jù)的建模，設(shè)第i個屬性值的空缺值為a_j,i，在j×k的樣本數(shù)據(jù)M_底度值中，a_j,i的計算公式為

步驟3，運用時間序列預(yù)測法的自回歸(AR)模型及步驟2中得到的用戶用電數(shù)據(jù)，預(yù)測負荷中心在待預(yù)測時間段內(nèi)的用電量；

負荷中心負責向一定規(guī)模的用戶群提供變電和供電服務(wù)，是輸電環(huán)節(jié)中與用戶相連的最后一個節(jié)點，因此將負荷中心作為電力優(yōu)化配置的基本單位，其所服務(wù)的用戶用電數(shù)據(jù)的總和即為負荷中心的歷史供電數(shù)據(jù)。

電量預(yù)測按照預(yù)測時間段的長短可分為年度用電預(yù)測、月度用電預(yù)測、短期用電預(yù)測等，本發(fā)明采用短期用電預(yù)測。在短期用電預(yù)測中，步驟3中得到的負荷中心歷史用電量為自變量，用y_t-1、y_t-2…y_t-p表示；待預(yù)測的用電量為因變量，用y_t表示。本發(fā)明采用時間序列預(yù)測法中的自回歸(AR)模型來進行預(yù)測。AR模型利用歷史數(shù)據(jù)的加權(quán)值的有限線性組合及干擾項a_t來計算預(yù)測值。p階AR模型M_AR(p)的數(shù)學(xué)表達式為：

其中p為模型的階，常系數(shù)為該模型的參數(shù)。

步驟4，為減小預(yù)測誤差，采用自適應(yīng)模型中的最小二乘法對預(yù)測得到的用電量進行修正；

考慮到短期預(yù)測受到諸如天氣變化、季節(jié)更替、溫度、重大文體活動等的影響，為減少預(yù)測數(shù)據(jù)受這些因素的影響使得預(yù)測誤差變大，本發(fā)明采用自適應(yīng)模型中的最小二乘法來對系統(tǒng)進行修正。設(shè)ε_t為實際值y_t與預(yù)測值之差，有

其中，Y(t)＝[Y_t-1,Y_t-2,…,Y_t-p]^T。

最小二乘法的目標是使得ε_t的平方和最小，即性能指標

取極小值的估計值。

為使J取極小值，令可以得出最小二乘法意義下的正規(guī)解為

其中，

步驟5，根據(jù)預(yù)測的用電量、電力傳輸網(wǎng)絡(luò)的部署情況和發(fā)電站裝機容量安排各個發(fā)電站的發(fā)電量；

電力作為一種不能大量存儲的能源，需要根據(jù)用電量來調(diào)整發(fā)電量，才能既滿足需求又不造成資源浪費。在電力網(wǎng)絡(luò)中，一個發(fā)電站也可以給多個負荷中心供電，一個負荷中心可以由多個發(fā)電站供電，因此需根據(jù)電力網(wǎng)絡(luò)來協(xié)調(diào)各個發(fā)電站的發(fā)電量。同時，發(fā)電站的裝機容量是其發(fā)電量的上限，其關(guān)系表示為以下公式：

s_ps≤c_ps

其中，s_ps代表發(fā)電站ps的發(fā)電量，t_ps,lc代表發(fā)電站ps給負荷中心lc的供電量，t_lc代表負荷中心lc的預(yù)測用電量，s_lc,ps代表負荷中心lc從發(fā)電站ps處得到的電量，c_ps代表發(fā)電站ps的裝機容量。s_ps≤c_ps表示發(fā)電站的發(fā)電量不得高于其裝機容量。步驟6，根據(jù)發(fā)電量和預(yù)測用電量判斷是否滿足用戶用電需求。若不滿足，則進行電力的優(yōu)化配置，得出最終的電力配置方案。

判斷發(fā)電量是否大于預(yù)測的用電量，若是，則不需要進行電力的優(yōu)化配置；若不是，則需要對部分負荷中心供電的區(qū)域中的用戶實施斷電，以此來保證其他用戶的電力使用，確保電力的配置達到最優(yōu)。為了實現(xiàn)這個目標，每個負荷中心被賦予相應(yīng)的優(yōu)先級，記為{priority₁,priority₂,…,priority_i}，下標代表負荷中心編號。優(yōu)先級的大小由負荷中心負責供電的用戶性質(zhì)決定，如軍事機構(gòu)、醫(yī)院、政府機關(guān)、科研單位等所在的區(qū)域需優(yōu)先保障供電，因此優(yōu)先級更高；居民區(qū)等區(qū)域優(yōu)先級相對較低。

為方便優(yōu)先級排序及刪除操作，本發(fā)明采用最小堆排序(minimum heap sort)對優(yōu)先級進行排序。首先將所有負荷中心的優(yōu)先級使用堆排序找出優(yōu)先級最小的區(qū)域，對該區(qū)域?qū)嵤嚯姴僮?。然后在總的供電量中減去該區(qū)域用電量，并更新該區(qū)域的優(yōu)先級得到priority′_j，這樣做的目的是防止某些區(qū)域頻繁斷電的情況的出現(xiàn)，該區(qū)域斷電后其供電優(yōu)先級會得到提升，即priority′_j>priority_j。再重新檢測發(fā)電量是否滿足用電量需求。若滿足，則不再進行電力配置操作；否則重復(fù)上述步驟，直至發(fā)電量滿足供電需求為止。

本發(fā)明提供了一種基于大數(shù)據(jù)的電力優(yōu)化配置方法，具體實現(xiàn)該技術(shù)方案的方法和途徑很多，以上所述僅是本發(fā)明的優(yōu)選實施方式，應(yīng)當指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應(yīng)視為本發(fā)明的保護范圍。本實施例中未明確的各組成部分均可用現(xiàn)有技術(shù)加以實現(xiàn)。