[0001] 本发明涉及分布式能源管理技术领域，尤其涉及一种基于区域资源的能源分布管理方法。

[0002] 能源分布管理是指相对于传统的集中式供电方式而言的，将发电系统以小规模、小容量、模块化、分散式的方式布置在用户附近，可独立地输出电、热和冷能的系统。

[0003] 现有申请号为202311797020.1的中国发明专利公开了一种基于区域资源的能源分布管理方法及系统，根据区域的二维地图，划分单元格；根据平均日照时长，得到最大负载数；计算运输距离，基于运输距离以及最大负载数选择负载坐标的供电端；通过优化供电端选择，减少能源在传输过程中的损耗。

[0004] 但现有技术中仅通过计算运输距离以及最大负载数进行判断能源传输损耗，基于固定的单元地图格和阈值进行划分，无法准确反映实际的能源需求和发电潜力，导致在整体区域能源分布中产生损耗。

[0018] 为了便于理解本发明，下面将参照相关附图对本申请进行更全面的描述；附图中给出了本发明的较佳实施方式，但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施方式；相反地，提供这些实施方式的目的是使对本发明的公开内容理解的更加透彻全面。

[0019] 除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同；本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在限制本发明；本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。

[0020] 实施例一：如图1所示，一种基于区域资源的能源分布管理方法，所述方法包括：S100：获取区域的二维地图，建立平面直角坐标系，将二维地图进行缩放处理，按照预设的面积将区域初步划分为若干个等大的单元格并计算缩放后地图的面积，根据宏标准将区域划分为若干个宏观子区域。

[0021] 所述宏标准包括地理位置和光照时长两个划分标准，预先设定光照相似阈值和位置相似阈值，选择一个单元格作为初始聚类中心，将与其在光照时长和地理位置上均相似的单元格归入同一聚类形成一个宏观子区域。

[0022] 在划分等大的单元格过程中，对位于边缘的不足预设单元格大小的区域划定区域边界，进行标记为边缘格，判断边缘格的面积，再依次计算每一个边缘格与所有已存在聚类的相似度，将其归入最相似的聚类。

[0023] 根据GIS（Geographic Information System）地理信息系统获得的数据中的光照时长、地理位置等因素，将区域划分为若干个宏观子区域，每个宏观子区域具有相似的光照和地理位置特征。具体划分过程如下：在二维地图上建立平面直角坐标系，以地图的左下角为原点（0，0），X轴水平向右，Y轴垂直向上。将获取的二维地图按照预设的比例进行缩放，例如，将地图按照1：1000的比例进行缩放，即地图上的每1单位长度代表实际的1000单位长度。设缩放后的二维地图在X轴上的最大值为 ，最小值为 ；在Y轴上的最大值为 ，最小值为 。
则缩放后地图的面积 可以通过以下公式计算： 。
首先将缩放后的地图划分成等大的单元格，预先设定单元格划分的面积，以原点为起始点，将位于边缘的不足预设单元格大小的区域进行区域边界划分并标记为边缘格，对每一个边缘格的大小进行计算，并与预设的误差阈值进行比较，所述误差阈值是一个面积值，若边缘格的面积小于误差阈值，则直接归入与其距离最近的一个聚类；若边缘格的面积不小于误差阈值，则计算边缘格与所有已存在聚类的相似度，与预先设定的边缘相似度阈值进行比较，若存在相似度不小于边缘相似度阈值的，则将其归入相似度最高的聚类中；若均小于边缘相似度阈值，则创建一个新的聚类。

[0024] 利用GIS数据中的光照时长信息，计算每个单元格的平均日照时长 ，其中i和j分别代表单元格在X轴和Y轴上的索引；直接获取每个单元格的地理位置，即经纬度数据信息，通过设置等大的单元格是便于对比进而划分宏观子区域，选取距离原点最近的一个单元格作为起始单元格，以起始单元格作为起点，将所有单元格进行两两对比，基于预设的光照相似阈值和位置相似阈值得到光照时长相似度和地理位置相似度，若两个单元格的平均日照时长之差小于光照相似阈值，则认为它们在光照条件上相似；若两个单元格的纬度之差和经度之差均小于位置相似阈值，则认为它们在地理位置上相似。

[0025] S200：对每一个宏观子区域按照微标准划分为多个微观区域并设置唯一标识码进行标记；所述微标准包括负载密度和光伏发电潜力两个划分标准，对每一个宏观子区域内的所有单元格进行计算其负载密度和光伏发电潜力，形成负载潜力分布图，采用聚类分析方法，将负载潜力分为若干等级，根据不同等级进行划分为多个微观区域并调整边界。

[0026] 所述唯一标识码中包括微观区域所处的宏观子区域位置、所属等级以及在宏观子区域中的位置。

[0027] 在一些实施例中，收集每个宏观子区域内的历史用电数据，包括不同时间段（如日、周、月、年）的用电量、用电高峰时段等，收集每个宏观子区域内的光照时长数据，包括不同季节、不同天气条件下的光照情况，获取光伏发电机的额定功率和发电效率等数据，对收集到的数据进行清洗去除异常值和缺失值，对数据进行归一化处理，确保不同数据之间的可比性。利用历史用电数据，得到负载密度，具体是通过计算单位面积或单位人口数量的用电量得出，根据负载密度的分布情况，将宏观子区域划分为不同的负载密度等级；具体的，将历史用电数据按照空间位置进行整理，对于每一个宏观子区域内的单元格，计算其负载密度，即单位面积或单位人口数量的用电量，形成负载潜力分布图，根据负载潜力的分布情况，采用聚类分析方法，将负载潜力分为若干等级，例如，将负载潜力从低到高分为低密度区、中密度区、高密度区和极高密度区。

[0028] 在一些实施例中，结合光照时长数据和光伏发电机的额定功率，评估每个宏观子区域内的光伏发电潜力；根据负载密度和光伏发电潜力的计算结果，将宏观子区域初步划分为若干个微观区域。负载密度高的区域划分为更小的微观区域，负载密度低的区域则适当扩大微观区域的范围。初步划分之后，对每一个微观区域的边界进行识别，确定边界的位置和形状，获取边界的地理因素（如地形、地貌、区域规划等）和实际情况（如建筑物分布、道路方向等），对边界进行调整，其作用是保持边界的清晰性、连续性且尽可能与地理特征和实际情况相符合；对于边界不清晰或不合理的地方，利用GIS工具进行平滑处理，根据实际情况，对边界进行局部调整，确保微观区域的合理性和实用性。最终确定每个宏观子区域内的微观区域划分方案，对每一个微观区域进行唯一标记，根据所处的宏观子区域、微观区域的特征以及所处位置设置唯一标识码进行标记，例如A‑a‑1，其中A表示所处的宏观子区域，a表示微观区域的负载密度及光伏发电潜力，1表示微观区域所处方位。

[0029] S300：根据宏观子区域和微观区域设定初始供电端；根据每个微观区域的负载密度以及供电端覆盖范围计算所需供电端的总数量，选择设置供电端的微观区域，计算供电距离，生成初始设置报告；在一些实施例中，能够根据每个微观区域的负载用电量以及微观区域的面积大小得到每个微观区域的负载密度，进而根据负载用电量计算微观区域的总负载需求，计算得出所需供电端的总数量；具体公式为： ，其中， 表示负载密度， 表示每个微观区域i的负载用电量， 表示微观区域i的面积； ，其中， 表示总负载需求，
表示微观区域的总数量； ，其中， 表示每个供电端能提供固定的最大负载，表示所需供电端总数， 表示向上取整。

[0030] 在一些实施例中，在S300中还包括：将所有微观区域按负载密度从高到低排序，设定择选比例，所述择选比例是根据所需供电端的总数量以及具体负载密度进行设置，根据择选比例按照顺序确定微观区域的数量；在初步选定的微观区域中心位置作为潜在供电端位置，使用欧几里得距离公式计算每个微观区域最远边界点到潜在供电端位置的距离，具体公式为： ，其中， 表示微观区域i的最远边界点坐标， 表示潜在供电端j的坐标。

[0031] 在一些实施例中，根据计算得到的负载密度、供电距离以及建设成本核算确定供电端具体位置，并生成初始设置报告，所述初始设置报告中包括生成初始选址图，在二维地图上标注初步选定的供电端位置，同时标注各微观区域的负载中心和道路信息，并在每个供电端位置标注覆盖范围和最远传输距离。

[0032] 本实施例中，利用GIS地理信息系统获取的光照时长和地理位置数据，设定光照相似阈值和位置相似阈值，通过聚类方法将区域划分为具有相似光照和地理位置特征的宏观子区域；在宏观子区域基础上，根据负载密度和光伏发电潜力两个微标准，进一步细分为微观区域，并设置唯一标识码进行标记；根据微观区域的负载密度和供电端覆盖范围，计算所需供电端的总数量，并通过排序和择选比例确定供电端的潜在位置，进一步通过计算供电距离和建设成本核算，确定最终的供电端位置。

[0033] 上述本申请实施例中的技术方案，至少具有如下的技术效果或优点：本申请通过宏观和微观的区域划分，实现了对区域资源的精细管理，提高了能源分布的合理性和效率，通过精确的区域划分和供电端设置，实现了精准地匹配需求、提升整体的能源利用效率、减少能源损耗的效果。

[0034] 实施例二：在实施例一中，通过宏观和微观的区域划分，实现了对区域资源的精细管理，本实施例在上述基础上做进一步的改进。

[0035] 所述方法还包括：S400：建立传输损耗模型，根据不同边界点的坐标位置计算不同传输路径下的实际损耗值，对比分析不同边界点的传输损耗得到损耗差异，设定差异阈值，标记损耗差异大于差异阈值的边界点，调整微观区域边界并重新评估供电端的位置。

[0036] 所述传输损耗模型是计算均匀导线为传输线路时产生的电阻损耗和变压器损耗，在建立过程中忽略外部因素对传输损耗的影响，并设置恒定的电阻率和导线横截面积。

[0037] 在一些实施例中，所述传输损耗模型获得的实际损耗值是忽略外部因素对传输损耗的影响，并假设传输线路为均匀导线，其电阻率以及导线横截面积恒定的情况下进行建立，在计算传输损耗过程中，主要包括线路电阻损耗和可能的变压器损耗，其线路电阻损耗的计算公式为： ，其中， 表示线路电阻损耗，是传输电流， 是单位长度线路电阻， 是供电端到微观区域边界点的实际传输距离； ，其中， 是导线的电阻率，是导线的横截面积；变压器损耗的计算公式为： ，其中， 是变
压器损耗， 和 是经验系数，是传输电流， 是变压器容量； ，其中， 是微观区域的负载需求， 是供电端输出电压；计算得出总传输损耗为： ，其
中， 表示误差因素，根据历史实验数据进行设定，为节省计算量，可以选择忽略不计。

[0038] 在一些实施例中，随机选取微观区域若干个不同位置的边界点坐标，并计算边界点与供电端的实际传输距离，根据传输损耗模型，计算不同传输路径下的实际损耗值，对比分析不同边界点的传输损耗得到损耗差异，预先设定差异阈值，标记损耗差异大于差异阈值的边界点，并记录坐标位置，计算该坐标位置与其余供电端的实际传输损耗，将该坐标位置划分到传输损耗最低的供电端的微观区域中，调整微观区域边界并根据若干个不同边界点的实际传输损耗情况重新评估供电端的位置，选择损耗更小、覆盖更广的位置作为新的供电端。

[0039] 在一些实施例中，对比不同边界点的传输损耗，找到损耗差异显著的坐标点，同时也要分析损耗差异的原因，根据损耗分析结果，对微观区域的边界进行调整，例如，将损耗较大的区域划入相邻的微观区域，或缩小边界以减少传输距离；重复上述迭代优化微观区域边界和供电端位置，预先设定停止条件，如最大迭代次数、损耗减少比例等，当满足条件时，输出最终的微观区域划分和供电端位置方案。

[0040] 本实施例中，建立传输损耗模型计算实际传输损耗，随机选取微观区域内的若干个不同位置的边界点坐标，并计算这些边界点与供电端的实际传输距离，利用传输损耗模型，计算不同传输路径下的实际损耗值，对比分析不同边界点的传输损耗，得到损耗差异；设定一个差异阈值，标记那些损耗差异大于差异阈值的边界点；根据损耗差异的分析结果，调整微观区域的边界，重新评估供电端的位置，选择损耗更小、覆盖更广的位置作为新的供电端。

[0041] 上述本申请实施例中的技术方案，至少具有如下的技术效果或优点：本申请通过精确计算不同传输路径下的实际损耗值，并对比分析损耗差异，根据损耗差异的分析结果，对微观区域的边界进行了调整，实现了进一步减少传输损耗的效果；
同时，重新评估划定微观区域边界，实现了合理划分区域动态调整供电端的效果。

[0042] 实施例三：在上述实施例中，建立传输损耗模型计算实际传输损耗，调整微观区域的边界，重新评估供电端的位置，选择损耗更小、覆盖更广的位置作为新的供电端，本实施例在上述基础上做进一步的改进。

[0043] 所述方法还包括：S500：根据宏观子区域中所有微观区域的实际损耗值得到损耗稳定值，设置二级识别标签对所述微观区域进行区分标记；根据所述损耗稳定值对每个微观区域的实际损耗值进行对比得到损耗水平特征值，根据所述损耗水平特征值、损耗水平和负载特性，设定分类标准，得到二级识别标签。

[0044] 在一些实施例中，步骤S500中还包括：建立预测模型，用于预测微观区域未来一段时间内的光伏发电量和负载用电量，根据预测结果，形成三级识别标签；根据所述三级识别标签设计冗余备份机制；所述冗余备份机制是基于每个微观区域的三级识别标签进行对比评估，选取微观区域形成互补组，作为备选供电端。

[0045] 在一些实施例中，根据微观区域的所有实际损耗值得到损耗稳定值，所述损耗稳定值采用每个宏观子区域中所有微观区域的实际损耗值的加权平均值，预先根据微观区域的面积、负载、所处位置的重要性进行设定，例如，若某个微观区域是关键负载区域，则给予更高的权重，假设有n个微观区域，每个区域的权重为 。对于每个微观区域i，其实际损耗值为 ，加权平均值 的计算公式如下：

[0046] 其中， 是所有权重的总和。

[0047] 在一些实施例中，所述损耗稳定值还可以直接使用中位数，将所有实际损耗值按大小进行排序后选择位于中间位置的数字，如果损耗值数量为奇数，则中位数是中间那个数；如果为偶数，则中位数是中间两个数的平均值；中位数对于异常值不敏感，在选择损耗稳定值时可以以中位数作为一个更简单的方法。

[0048] 在一些实施例中，所述损耗稳定值是指一个宏观子区域内的标准稳定值，根据宏观子区域的损耗稳定值对每个微观区域的实际损耗值进行对比得到损耗水平特征值，即所述损耗水平特征值是实际损耗值比损耗稳定值得到的比值。根据损耗水平特征值、损耗水平和负载特性，设定分类标准，得到二级识别标签，将损耗水平和负载特性分为高、中、低三个等级，形成九种组合，所述二级识别标签是包含损耗水平和负载特征的字符串或数字代码，例如，对于高损耗高负载的微观区域，其二级识别标签设置为A‑G‑G‑1，其中，A表示所处的宏观子区域，G‑G表示高损耗高负载，1表示微观区域所处方位。

[0049] 在一些实施例中，建立预测模型是用于预测未来一段时间内的光伏发电量和负载用电量，进而在对应关键节点和路径上设计冗余备份，增强供电端的灵活性和可扩展性，应对未来出现的变化和需求增长；收集历史数据、气象数据和季节变化数据，对收集到的数据进行清洗，去除异常值和缺失值，进行归一化处理，使不同量纲的数据具有可比性和可融合性，所述历史数据可以从能源管理系统中收集每个微观区域的历史光伏发电量、负载用电量数据，时间跨度要足够长，至少要在一年以上，以捕捉季节性和周期性变化；所述气象数据可以从气象数据API中收集历史以及未来一段时间内的气象报告，包括日照强度、温度、湿度等影响光伏发电量的因素；所述季节性数据是通过整理历史数据中的季节性变化模式，识别不同季节对光伏发电量和负载用电量的影响。基于领域知识和相关性分析，选择与光伏发电量和负载用电量高度相关的特征，如时间（小时、天、周、月）、天气条件（日照强度、温度、湿度）、季节等。根据上述实施例的内容，构造反映微观区域损耗水平和负载特性的特征，如损耗稳定值、负载波动率等。选择长短期记忆网络（LSTM）机器学习模型，将预处理后的数据划分为训练集和测试集，使用训练集数据对模型进行训练，调整模型参数以优化预测性能。使用测试集数据对训练好的模型进行性能评估，评估指标包括均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）等。根据评估结果，对模型进行调优，如调整模型参数、增加特征、改变模型结构等，以提高预测精度。使用训练好的模型对未来一段时间内的光伏发电量和负载用电量进行预测。

[0050] 在一些实施例中，对于每个微观区域的预测结果进行解析，提取未来一段时间内的光伏发电量和负载用电量预测值，基于预测值，计算每个微观区域的预期损耗水平和负载特性，并对预期损耗水平和负载特性进行评估，预先制定明确的评估标准，如损耗率阈值和负载稳定性指数等，根据实际情况和历史数据设定，根据评估标准对每一个微观区域进行评估，根据评估结果，结合原先的二级识别标签生成三级识别标签，所述三级识别标签是在二级识别标签的基础上标识该微观区域的预测结果，光伏发电量和负载用电量是存在明显的增幅还是明显的下降，以及损耗水平和负载特征有没有出现明显的变化。通过评估，能够及时发现微观区域中存在的损耗过高、负载不稳定等问题，能够提前进行优化，如调整设备运行策略、改善线路条件、增加储能设备等；通过降低损耗和稳定负载，提高整个系统的运行效率和可靠性。

[0051] 在一些实施例中，所述冗余备份机制是基于每个微观区域的三级识别标签进行对比评估，在生成的三级识别标签中能够明确微观区域在未来一段时间内的用电量、发电量的具体变化，根据地理位置优选相近的微观区域进行两两对比，评估两个微观区域的互补性，互补性是指：用电量和发电量的互补程度、负荷特性的匹配度等，如果两个微观区域的用电量和发电量变化趋势相反（如一个增长、一个下降），且负荷特性能够相互匹配，即增长的量足够满足下降的量，则认为具有较高的互补性，则选取微观区域形成互补组，互补组中增长的一方微观区域作为备选供电端；如果两个微观区域不能完全互补，则继续寻找附近的第三个微观区域，以形成更完善的互补组。定期对预测结果进行评估，根据用电量和发电量的实际变化情况，动态调整互补组的成员和配置。

[0052] 在一些实施例中，在每个互补组内，选择一个或多个关键节点作为备选供电端，备选供电端应具备一定的冗余容量，以应对突发情况；对于互补性较强的互补组，能够在组内设置共享储能设备（如蓄电池、抽水蓄能电站等），以进一步提高能源供应的可靠性和灵活性。同时设计自动切换机制，当主供电端出现增长或下降时，能够迅速将负载转移到备选供电端或共享储能设备上。能够考虑未来增长的可能性，确保在较长一段时间内能够满足能源供应的需求。

[0053] 本实施例中，根据宏观子区域中所有微观区域的实际损耗值计算损耗稳定值，使用损耗稳定值对每个微观区域的实际损耗值进行对比，得到损耗水平特征值；结合损耗水平特征值、损耗水平和负载特性，设定分类标准，为微观区域分配二级识别标签；建立预测模型，预测微观区域未来一段时间内的光伏发电量和负载用电量，根据预测结果，为微观区域分配三级识别标签，标识预测的光伏发电量、负载用电量和损耗水平的变化趋势；根据三级识别标签，评估微观区域的互补性，形成互补组，在互补组内选择备选供电端，并设置共享储能设备和自动切换机制。

[0054] 上述本申请实施例中的技术方案，至少具有如下的技术效果或优点：本申请通过引入二级和三级识别标签，实现了对微观区域的精细化管理的效果；
通过设计冗余备份机制和自动切换机制，增强了供电端的灵活性和可靠性，根据预测结果和互补性评估，动态调整互补组的成员和配置，实现了优化能源配置的效果。

[0055] 实施例四：在上述实施例中，通过预测模型能够提前预测未来一段时间内的负载变化，并通过评估对比生成互补组，但两个区域间的临界区，其负载特性会产生较大差异，故本实施例在上述实施例的基础上做进一步的改进。

[0056] 步骤S500中还包括：获取互补组中每个微观区域在不同边界点的实际损耗值，预先设定临界阈值，将实际损耗值大于临界阈值的边界点进行标记，将标记点进行连接形成临界区，将临界区的一部分负载转移到相邻的非临界区，根据负载转移的结果，重新划定微观区域的边界，根据实时监测数据，动态调整微观区域的边界。

[0057] 在一些实施例中，收集各个微观区域的负载数据、电压水平、能源损耗等，通过数据分析，识别出性能低下或负载过重的区域，设定临界阈值（如负载率超过80%、电压波动超过5%等），将实际损耗值大于临界阈值的边界点进行标记，将标记点进行连接形成临界区，将临界区的一部分负载转移到相邻的非临界区，或者增加新的供电端以分担负载，并建立实时监测，对重新调整的区域进行评估，根据负载转移的结果，重新划定微观区域的边界。通过多次迭代，逐步优化边界，直到达到预定的负载均衡和能源效率目标，其目标是最小化能源损耗和负载均衡。根据实时监测数据，动态调整微观区域的边界。例如，当某个区域负载迅速增加接近临界值时，自动将部分负载转移到相邻区域。

[0058] 本实施例中，通过在互补组内，获取每个微观区域在不同边界点的实际损耗值，预先设定临界阈值（如负载率超过80%、电压波动超过5%等），将实际损耗值大于临界阈值的边界点进行标记，将标记点连接形成临界区，明确负载特性差异较大的区域范围，将临界区的一部分负载转移到相邻的非临界区，或者增加新的供电端以分担负载，根据负载转移的结果，重新划定微观区域的边界，以实现更均衡的负载分布，建立实时监测机制，收集各个微观区域的负载数据、电压水平、能源损耗等信息，根据实时监测数据，动态调整微观区域的边界，以应对负载变化和能源需求的变化。

[0059] 上述本申请实施例中的技术方案，至少具有如下的技术效果或优点：本申请通过对互补组进行分析对比，标记边界点，识别边界区，进而实现负载转移和边界调整，实现了动态边界、均衡负载的效果，同时动态重新划定边界，调整供电端，实现了进一步降低整体能源损耗的效果。

[0060] 以上所述仅为本发明的优选实施方式，并不用于限制本发明，对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明精神和原则内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。