(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211197518.X (22)申请日 2022.09.29 (71)申请人 电力规划总院有限公司 地址 100120 北京市西城区安德路6 5号 (72)发明人 利振彬　王鹏浩　陈俊杰　 (74)专利代理 机构 北京银龙知识产权代理有限 公司 11243 专利代理师 龚素素 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) (54)发明名称 一种基于源网荷储的单元状态主动感知及 预测分析系统 (57)摘要 本发明提供一种基于源网荷储的单元状态 主动感知及预测分析系统及方法， 所述系统包括 新能源层模块、 算力层模块、 负荷层模块和整合 模块； 新能源层模块， 用于获取第一参数组， 并依 据第一参数组确定第一预测数据； 算力层模块， 用于获取第二参数组， 并依据第二参数组确定第 二预测数据； 负荷层模块， 用于获取第三参数 组， 并依据第二参数组、 第二预测数据和第三参数组 确定第三预测数据； 整合模块， 用于整合第一预 测数据、 第二预测数据和第三预测数据并确定整 合信息， 所述整合信息用于确定对源网荷储的单 元的优化调度。 通过本发明实施例的特征可以提 高对于源网荷储中单 元的调度效果。 权利要求书3页 说明书12页 附图8页 CN 115481918 A 2022.12.16 CN 115481918 A 1.一种基于源网荷储的单元状态主动感知及预测分析系统， 其特征在于， 包括新能源 层模块、 算力层模块、 负荷 层模块和整合模块； 所述新能源层模块， 用于获取第 一参数组， 并依据 所述第一参数组确定第 一预测数据， 所述第一预测数据包括如下至少一项： 风光联合场站的发电功 率和风光联合集群的发电功 率； 其中， 所述第一 参数组包括如下至少一项： 气象数据、 发电衰减率和运维参数； 所述算力层模块， 用于获取第 二参数组， 并依据 所述第二参数组确定第 二预测数据， 所 述第二预测数据包括如下至少一项： 算力任务所需虚拟服务器对应中央处理器CPU的总核 数和物理服 务器负载率； 其中， 所述第二参数组包括如下至少一项： 算力任务所需虚拟服务器对应中央处理器 CPU总核数的历史数据以及物理服 务器负载率的历史数据； 所述负荷层模块， 用于获取第 三参数组， 并依据 所述第二参数组、 所述第 二预测数据和 所述第三参数组确定第三预测数据， 所述第三预测数据包括如下至少一项： 算力任务所需 电负荷、 制冷设施和充电设施对应的预测数据； 其中， 所述第三参数组包括如下至少一项： 服务器制冷设施、 机房制冷设施、 其他生产 生活制冷设施输入的用电负荷、 运行状态参数、 设备老化率、 环境温度、 充电设施供电负荷 与充放电衰减率的历史数据； 所述整合模块， 用于整合所述第一预测数据、 所述第二预测数据和所述第三预测数据 并确定整合信息， 所述整合信息用于确定对 源网荷储的单 元的优化调度。 2.根据权利要求1所述的系统， 其特征在于， 所述新 能源层模块包括风光联合场站长尺 度高精度功率预测分析单元和区域多风光场站集群的集中式功率监测分析及高精度预测 单元； 所述风光联合场站长尺度高精度功率预测分析单元用于将所述第 一参数组进行拟合， 得到第一拟合信息， 依据所述第一拟合信息预测单个风 光联合场站的发电功率； 所述区域多风光场站集群的集中式功率监测分析及高精度预测单元用于将所述第一 参数组进行拟合， 得到第二拟合信息， 依据所述第二拟合信息预测风光联合集群的发电功 率。 3.根据权利要求2所述的系统， 其特征在于， 所述风光联合场站长尺度高精度功率预测 分析子系统对应的所述第一拟合信息如下式所示： 其中， ya代表风光场站总发发电功率的历史及预测数据， xa代表不同气象参数的历史及 预测数据， x ′a代表不同运维参数的历史及预测数据， x ″a代表设备发电衰变率的历史及预测 数据。 4.根据权利要求2所述的系统， 其特征在于， 所述 区域多风光场站集群的集中式功率监 测分析及高精度预测子系统对应的所述第二拟合信息如下式所示： 其中， yb代表风光集群总发发电功率的历史及预测数据， xb代表不同气象参数的历史及 预测数据， x ′b代表不同运维参数的历史及预测数据， x ″b代表不同联合场站的历史时期和预权　利　要　求　书 1/3 页 2 CN 115481918 A 2期寿命数据， x ″ ′b代表设备发电衰变率的历史及预测数据。 5.根据权利要求1所述的系统， 其特征在于， 所述算力层模块包括数据中心算力任务预 测分析单元； 所述数据中心算力任务预测分析单元用于将所述第 二参数组进行拟合， 得到第 三拟合 信息， 依据所述第三拟合信息确定所述第二预测数据。 6.根据权利要求1所述的系统， 其特征在于， 所述负荷层模块包括互联网技术设备电力 负荷综合分析及预测分析单元、 数据中心制冷设施电力负荷综合分析及预测分析单元和数 据中心充电设施电力负荷预测分析 单元； 所述互联网技术设备电力负荷综合分析及预测分析单元用于将所述第二预测数据和 所述第二参数组进行拟合， 得到第四拟合信息， 依据所述第四拟合信息确定所述第三预测 数据； 所述数据中心制冷设施电力负荷综合分析及预测分析单元用于将所述第 二参数组、 所 述第三参数组和所述第二预测数据进行拟合， 得到第 五拟合信息， 依据所述第 五拟合信息 确定机房制冷设施、 其 他生产生活制冷设施的预测数据； 所述数据中心充电设施电力负荷预测分析单元用于将所述第 三参数组进行拟合， 得到 第六拟合信息， 依据所述第六拟合信息确定园区内充电设施的预测数据。 7.根据权利要求6所述的系统， 其特征在于， 所述互联网技术设备电力负荷综合分析及 预测分析子系统对应的所述第四拟合信息如下 所示： yf＝f(xf) yg＝f(xg) 其中yf、 yg分别代表短期、 中长期下单个算力任务、 所有算力任务所需用电负荷的历史 和预测数据， xf、 xg分别代表短期、 中长期单个算力任务、 所有算力任务 所需虚拟服务器的中 央处理器CPU总核数的历史和预测数据。 8.根据权利要求6所述的系统， 其特征在于， 所述数据中心制冷设施电力负荷综合分析 及预测分析子系统对应的所述第五拟合信息如下 所示： 其中yh、 yi分别代表机房制冷设施运行状态参数、 电力负荷的历 史及预测数据， yj、 yk分 别代表其他生产生活制冷设施运行状态参数、 电力负荷的历史及预测数据， th、 tj分别代表 运行状态参数对应的历史及预测时间段， xi、 xk分别代表机房制冷设施、 其他生产生活制冷 设施中设备老化率的历史及预测数据， x ′i、 x′k分别代表机房制冷设施、 其他生产生活制冷 设施对应的环境温度的历史及预测数据， x ″i代表物理服务器负载率的历史及预测数据。 9.根据权利要求6所述的系统， 其特征在于， 所述数据中心充电设施电力负荷预测分析 子系统对应的所述第六拟合信息如下 所示： yl＝f(tl)+f(xl) 其中， yl代表充电设施供电负荷的历史和预测数据， 考虑用户平均最高供电负荷、 特定权　利　要　求　书 2/3 页 3 CN 115481918 A 3