本发明涉及电能表，具体为一种电能表云端协同控制方法及系统。
背景技术：
1、电能表云端协同控制系统属于能源管理领域中的智能电网技术。智能电网是一个基于现代信息技术和通信技术的电力系统，实现了发电、输电、变电、配电和用电各个环节的智能化。具体而言，电能表云端协同控制系统是智能电网中的一个子系统，它通过实时采集电能数据、分布式能源数据和电价数据，进行数据处理和分析，从而优化电力调度和电能利用效率。
2、现阶段传统的电能管理系统存在数据采集不及时、数据处理能力不足、优化算法缺乏等问题。这些不足导致了电力资源的浪费和分布式能源利用效率低下。此外，电能数据和发电数据的存储和分析方法也较为单一，不易于有效识别和利用数据中的模式和规律，导致分布式能源的调度和管理缺乏科学依据，导致电力资源的浪费增加，电力成本上升，且用户难以获得及时的节能建议和优化措施。同时，缺乏的数据分析和优化算法，不易于实现电力系统的智能调度，进一步限制了分布式能源的高效利用。
技术实现思路
1、针对现有技术的不足，本发明提供了一种电能表云端协同控制方法及系统，解决了背景技术中提到的问题。
2、为实现以上目的，本发明通过以下技术方案予以实现：包括电能数据采集模块、数据处理与分析模块、优化算法模块、购电成本评估模块和用户反馈互动模块；
3、所述电能数据采集模块用于实时采集电能表的用电数据和分布式能源的发电数据，并对所采集到的用电数据和发电数据通过无线网络上传至云端服务器；
4、所述数据处理与分析模块用于将采集到的用电数据和发电数据，在云端服务器上建立数据库存储电能表和分布式能源的历史数据；
5、所述优化算法模块用于构建算法公式，依据用电数据和发电数据，进行计算获取用电能量euse和发电能量egen，并进行差值计算获取购电能量数值egrid，再进行预设购电评估阈值g进行对比评估分析购电需求；
6、所述购电成本评估模块用于计算t时间的总购电成本cost(t)，并进行预设调控阈值t与所获取的总购电成本cost(t)进行二次对比评估分析分布式系统运行的购电情况并生成优化措施；
7、所述用户反馈互动模块用于构建用户互动平台，展示实时的用电和发电情况，提供节能建议和分布式能源使用建议。
8、优选的，所述数据采集模块包括用电设备采集单元、发电数据采集单元、电价数据采集单元和数据传输单元；
9、所述用电设备采集单元用于在电能表的内部安装用电集成传感器组，每隔固定周期30分钟采集一次电能表的用电数据，所述集成传感器组包括电流传感器和电压传感器，所述用电数据包括电流i和电压v；
10、所述发电数据采集单元用于在分布式发电设备上安装发电集成传感器，每隔固定周期30分钟采集一次分布式发电设备的发电数据，所述发电集成传感器包括逆变器，所述发电数据包括直流电流idc、直流电压vdc和逆变器效率ninv；
11、所述电价数据采集单元通过电力公司提供的api应用程序接口，实时获取当前的电价cgrid，并依据历史电价cgrid记录使用移动时间序列平均法方法，识别电价数据中的长期趋势，并结合使用季节性stl分解将时间序列分解为趋势、季节性和残差部分，识别周期性的电价变化模式，进行预测t时刻的电价cgrid(t)；
12、所述数据传输单元用于6次采集到的用电数据和发电数据进行打包，并通过使用zigbee无线通信技术和modbus技术，将实时采集到的用电数据和发电数据传输到云端服务器中。
13、优选的，所述数据处理与分析模块包括数据存储单元、数据预处理单元和数据分析单元；
14、所述数据存储单元通过influxdb和timescaledb进行构建时序数据库，将实时采集到的用电数据和发电数据，以及历史用电数据和发电数据进行时间分类存储，并设置api应用程序查询接口，实时提取不同时间段相关用电数据和发电数据；
15、所述数据预处理单元用于对时序数据库中的用电数据和发电数据，使用统计方法和机器学习算法检测异常值，并根据实际情况进行修正，同时使用线性插值和多项式插值填补缺失的数据点；
16、所述数据分析单元用于使用聚类分析算法，分析用电数据和发电数据中的模式和数据之间的关联性，同时使用回归分析和神经网络为基础框架，进行构建预测模型和分类模型，针对历史数据进行趋势分析和周期性分析，预测未来的工厂的用电、发电以及电价趋势。
17、优选的，所述优化算法模块包括用电能量计算单元、发电能量计算单元和购电分析单元；
18、所述用电能量计算单元用于构建用电能量计算公式，并将实时采集的用电数据集代入公式进行计算分析在当前工厂用电能量euse，进行分析工厂当前的用电情况；
19、所述用电能量euse通过以下用电能量计算公式计算获取：
20、
21、式中，t0表示初始时间，t表示结束时间，euse(t)表示时间t的用电能量euse，v(t)表示时间t的电压v，i(t)表示时间t的电流i，v(t)×i(t)表示用电功率，dt表示用电时间积分，将用电功率对时间进行积分计算在一段时间内的工程用电总能量。
22、优选的，所述发电能量计算单元用于构建发电能量计算公式，并将实时采集到的发电数据代入公式进行计算获取分布式发电设备的发电能量egen；
23、所述发电能量egen通过以下发电能量计算公式获取：
24、
25、式中，egen(t)表示t时刻的发电能量egen，vdc(t)表示t时刻的直流电压vdc，idc(t)表示t时刻的直流电流idc，dt表示发电时间积分，将发电功率对时间进行积分计算在一段时间内的工程用电总能量。
26、优选的，所述购电分析单元包括购电计算单元和购电评估单元；
27、所述购电计算单元用于依据所获取的同一时刻t的用电能量euse(t)和发电能量egen(t)，进行差值计算，获取购电能量数值egrid；
28、所述购电能量数值egrid通过以下计算公式获取；
29、egrid(t)＝euse(t)-egen(t)；
30、式中，egrid(t)表示t时刻的购电能量数值egrid；
31、所述购电评估单元用于基于工厂用电基线进行预设购电评估阈值g，再与所获取的t时刻的购电能量数值egrid(t)进行对比评估分析当前工厂需要购电能量；
32、具体评估方案如下：
33、当t时刻的购电能量数值egrid(t)≥购电评估阈值g时，表示当前购电需求量为零；
34、当t时刻的购电能量数值egrid(t)＜购电评估阈值g时，表示当前需要进行购电。
35、优选的，所述购电成本评估模块包括购电成本计算单元和效益评估优化单元；
36、所述购电成本计算单元用于依据所预测t时刻的电价cgrid(t)，结合t时刻的购电能量数值egrid(t)，进行相关联计算获取t时间的总购电成本cost(t)；
37、所述t时间的总购电成本cost(t)通过以下算法公式计算获取：
38、
39、式中，dt表示时间积分，将购电能量数值egrid对时间进行积分计算在一段时间内的工程用电总能量。
40、优选的，所述效益评估优化单元用于基于工厂用电平均效益进行预设调控阈值t，再与所获取的t时间的总购电成本cost(t)进行对比评估，分析工厂电表与分布式能源管理系统在t时间内的调控状况；
41、具体评估方案如下：
42、当t时间的总购电成本cost(t)＞调控阈值t时，表示在t时间段内，工厂系统购电总数超过平均效益，此时则通过电能表生成警报，提示相关工作人员分布式能源存在异常；
43、在该时间段内，系统购买了大量的电力来满足用户的需求，可能是由于分布式能源产生不足或者未能有效利用，导致系统依赖于电网购买更多的电力，这可能意味着系统在经济上的成本较高，需要进一步优化分布式能源的调度策略，减少对电网电力的依赖，从而降低成本；
44、当t时间的总购电成本cost(t)＞调控阈值t时，表示在t时间段内，工厂系统成功利用分布式能源，此时无需生成警报；
45、表示系统成功地利用了分布式能源，减少了对电网电力的购买量，因此购电成本较低，这表明系统在经济上更为高效，能够有效地利用可再生能源和自发能源，达到节能减排的目标。
46、优选的，所述用户反馈互动模块包括前端交互单元和建议优化单元；
47、所述前端交互单元用于设构建监控交互界面，以图表和实时数据更新的形式，对工厂的用电和分布式能源发电情况进行展示，具体包括用电功率实时曲线和分布式能源发电功率实时曲线，并与时序数据库进行集成，构建前端检索窗口，设置用户查询历史数据功能，具体功能为日期范围和时间粒度查看历史用电和发电情况；
48、所述建议优化单元用于集成数据分析单元对历史数据进行分析，识别工厂的用电模式和分布式能源的发电模式，基于分析结果生成节能建议和能源优化建议，并通过监控交互界面进行显示提醒，如高峰时段用电提醒和光伏系统维护建议。
49、一种电能表云端协同控制方法，包括以下步骤：
50、s1、首先实时采集电能表的用电数据和分布式能源的发电数据，并对所采集到的用电数据和发电数据通过无线网络上传至云端服务器；
51、s2、再将采集到的用电数据和发电数据，在云端服务器上建立数据库存储电能表和分布式能源的历史数据；
52、s3、通过构建算法公式，依据用电数据和发电数据，进行计算获取用电能量euse和发电能量egen，并进行差值计算获取购电能量数值egrid，再进行预设购电评估阈值g进行对比评估分析购电需求；
53、s4、再计算t时间的总购电成本cost(t)，并进行预设调控阈值t与所获取的总购电成本cost(t)进行二次对比评估分析分布式系统运行的购电情况并生成优化措施；
54、s5、最后构建用户互动平台，展示实时的用电和发电情况，提供节能建议和分布式能源使用建议。
55、本发明提供了一种电能表云端协同控制方法及系统。具备以下有益效果：
56、(1)该系统通过实时采集和分析用电数据和发电数据，精准计算工厂在特定时间段内的用电能量euse和发电能量egen，并通过实时评估购电能量egrid和总购电成本cost，有效识别购电需求和成本优化空间。电能数据采集模块利用传感器和无线通信技术，确保数据的准确性和实时性。数据处理与分析模块通过时序数据库和机器学习算法，高效存储、预处理和分析数据，识别用电和发电模式的长期趋势和短期波动。优化算法模块构建复杂算法公式，综合计算实时用电和发电数据，获取用电能量euse和发电能量egen，并计算购电能量egrid。通过对比购电能量egrid与预设阈值g，系统识别购电需求的紧迫性，生成警报和优化建议。购电成本评估模块结合预测电价cgrid(t)通过调控阈值t，对总购电成本cost(t)进行二次对比评估，分析系统运行情况并制定优化措施。效益评估优化单元评估特定时间段内的购电成本，生成节能优化建议和系统调控策略。
57、(2)该系统通过使用统计方法、机器学习算法和聚类分析，系统能够检测数据中的异常值和填补缺失数据，并分析用电数据和发电数据中的模式和关联性。基于这些分析，系统能够构建预测模型，准确预测未来的用电、发电和电价趋势，从而实现智能化管理和优化调度。随着分布式能源的不断发展，该系统不仅能够提升工厂的能源管理水平，还能够促进可再生能源的高效利用，推动能源系统向智能化和可持续方向发展。
58、(3)该系统通过用户反馈互动模块提供了直观的监控交互界面，展示实时的用电功率曲线和分布式能源发电功率曲线，并支持用户查询历史数据。基于数据分析单元生成的节能和优化建议，通过前端交互界面实时显示，帮助用户了解工厂的用电模式和发电模式，及时采取措施优化能源使用。这不仅提高了用户对能源使用情况的透明度，还增强了用户的参与度和节能意识。
1.一种电能表云端协同控制系统，其特征在于：包括电能数据采集模块、数据处理与分析模块、优化算法模块、购电成本评估模块和用户反馈互动模块；
2.根据权利要求1所述的一种电能表云端协同控制系统，其特征在于：所述数据采集模块包括用电设备采集单元、发电数据采集单元、电价数据采集单元和数据传输单元；
3.根据权利要求2所述的一种电能表云端协同控制系统，其特征在于：所述数据处理与分析模块包括数据存储单元、数据预处理单元和数据分析单元；
4.根据权利要求2所述的一种电能表云端协同控制系统，其特征在于：所述优化算法模块包括用电能量计算单元、发电能量计算单元和购电分析单元；
5.根据权利要求4所述的一种电能表云端协同控制系统，其特征在于：所述发电能量计算单元用于构建发电能量计算公式，并将实时采集到的发电数据代入公式以进行计算获取分布式发电设备的发电能量egen；
6.根据权利要求4所述的一种电能表云端协同控制系统，其特征在于：所述购电分析单元包括购电计算单元和购电评估单元；
7.根据权利要求6所述的一种电能表云端协同控制系统，其特征在于：所述购电成本评估模块包括购电成本计算单元和效益评估优化单元；
8.根据权利要求7所述的一种电能表云端协同控制系统，其特征在于：所述效益评估优化单元用于基于工厂用电平均效益进行预设调控阈值t，再与所获取的t时间的总购电成本cost(t)进行对比评估，分析工厂电表与分布式能源管理系统在t时间内的调控状况；
9.根据权利要求1所述的一种电能表云端协同控制系统，其特征在于：所述用户反馈互动模块包括前端交互单元和建议优化单元；
10.一种电能表云端协同控制方法，应用于权利要求1-9任一项所述的一种电能表云端协同控制系统，其特征在于：包括以下步骤：
