CN119539444B 多负荷设备能耗管理方法、装置及计算机设备 （浙江正泰仪器仪表有限责任公司）

备2采用预设多任务学习模型预测用电设备未来预设时间段基于用电设备优先级、负荷需求和电价数据生成多目标优化模实时获取用电设备的负荷需求和外部环境，并基于负所述基于用电设备优先级、负荷需求和电价数据生成多目标优化模型基于负荷需求和用电设备数量确定峰值目标函数；峰值目标函数用于控制负荷峰值，基于用电设备优先级、负荷需求和电价数据确定成本目标函数基于所述多目标优化模型生成用电设备的动态功率分所述基于电价高峰时段、负荷高峰时段和多将优化控制运行成本方案和优化负荷峰值方案组合形成动态功率分配将需要能耗数据和运行状态保持稳定且不允许间隔性停机的用电设备划分为高优先3获取用电设备多维时间序列数据，所述多维时采用预设多任务学习模型从所述多维时间序列数据中提取用电设备的负荷变化趋势基于用电设备的负荷变化趋势时序特征、预设损失函数和预设优基于负荷预测模型预测用电设备未来预设时间;r为优化时间段的总时长；D为用电设备总数量；;;若外部环境的光伏发电量增加时，优先使用光伏发电量为用电4动态功率分配方案生成模块，用于基于用电设备优先级、所述基于用电设备优先级、负荷需求和电价数据生成多目标优化模型基于负荷需求和用电设备数量确定峰值目标函数；峰值目标函数用于控制负荷峰值，基于用电设备优先级、负荷需求和电价数据确定成本目标函数基于所述多目标优化模型生成用电设备的动态功率分所述基于电价高峰时段、负荷高峰时段和多将优化控制运行成本方案和优化负荷峰值方案组合形成动态功率分配存储器和处理器，所述存储器和所述处理器之间互相通信连接5[0012]将需要能耗数据和运行状态保持稳定且不允许间隔性停机的用电设备划分为高6[0018]采用预设多任务学习模型从多维时间序列数据中提取用电设备的负荷变化趋势78上述第一方面或其对应的任一实施方式的多负荷使计算机执行上述第一方面或其对应的任一实施方式的多负荷在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并9设备。照明系统和充电桩可以根据电价数据波动和负荷状况灵活调整运行时间和功率输多目标优化模型生成用电设备的动态功率分配方案指的是对用电设备进行负荷峰值目标[0083]步骤S2011，将需要能耗数据和运行状态保持稳定且不允许间隔性停机的用电设[0085]步骤S2012，将需要基于运行时间运行且负荷需求动态调节的用电设备划分为中[0087]步骤S2013，将需要基于电价数据波动和负荷需求动态调节的用电设备划分为低[0093]步骤S2022，采用预设多任务学习模型从多维时间序列数据中提取用电设备的负于多目标优化模型生成用电设备的动态功率分配方案。详细请参见图1所示实施例的步骤[0108]步骤S302，采用预设多任务学习模型预测用电设备未来预设时间段的负荷需[0128]对第一权重和第二权重的动态调整使电力系统能够灵活应对不同的运行[0144]步骤b23，将优化控制运行成本方案和优化负荷峰值方案组合形成动态功率分配[0196]负荷需求预测模块502，用于采用预设多任务学习模型预测用电设备未来预设时[0232]本发明实施例还提供一种计算机设备，具有上述图5所示的多负荷设备能耗管理主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处本发明实施例还提供了一种计算机可读存储介质，上述根据本发明实施例的方法可在硬远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码，该计算机读取并执行该指令，或者该计算机读取并安装该指令后再执行对应的安装后程