低压分布式新能源数据监测方法、装置和计算机设备与流程

1.本技术涉及分布式新能源数据监测技术领域，特别是涉及一种低压分布式新能源数据监测方法、装置和计算机设备。


背景技术：

2.分布式新能源的大规模接入，不仅改变了电力系统原有的结构，而且将电力系统的配电系统从简单的受电网络变成了复杂的有源网络。由于分布式新能源供电具有随机性和波动性的特点，其对电力系统的可观可测能力带来了较大的挑战，因而亟需开展关于分布式新能源的数据监测技术的研究。
3.但现有大部分的低压分布式新能源的新能源数据难以监测到，因而不能对电力系统进行有效的可观可测研究。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够监测低压分布式新能源数据的低压分布式新能源数据监测方法、装置和计算机设备。
5.第一方面，本技术提供了一种低压分布式新能源数据监测方法。所述方法包括：
6.获取低压分布式新能源的低压新能源数据；
7.通过所述低压分布式新能源所处的新能源集群类别对应的网络模型，对所述低压新能源数据进行处理，获得所述低压分布式新能源的预设时间段功率数据；
8.其中，所述低压分布式新能源所处的新能源集群类别对应的网络模型，是通过所述新能源集群类别中的中高压分布式新能源的中高压新能源数据和预设时间段功率数据训练得到的。
9.在其中一个实施例中，所述低压分布式新能源所处的新能源集群类别的确定方式包括：
10.获取网络拓扑结构，所述网络拓扑结构的节点为分布式新能源，所述分布式新能源包括低压分布式新能源以及中高压分布式新能源，所述节点的节点属性包括所述分布式新能源的新能源属性；
11.根据所述节点的节点属性，对所述分布式新能源进行聚类，获得多个新能源集群，每个新能源集群对应一个新能源集群类别。
12.在其中一个实施例中，所述节点的节点属性包括所述分布式新能源接入所述网络拓扑结构的电压等级以及所述分布式新能源的气候数据；
13.所述根据所述节点的节点属性，对所述分布式新能源进行聚类，获得多个新能源集群，包括：
14.根据所述分布式新能源的电压等级，对所述分布式新能源进行聚类，得到多个初始新能源集群；
15.根据所述分布式新能源的气候数据，对多个所述初始新能源集群分别进行二次聚
类，得到多个新能源集群。
16.在其中一个实施例中，所述低压分布式新能源所处的新能源集群类别对应的网络模型包括电量功率网络模型，所述低压新能源数据包括所述低压分布式新能源的日电量数据；
17.所述通过所述低压分布式新能源所处的新能源集群类别对应的网络模型，对所述低压新能源数据进行处理，获得所述低压分布式新能源的预设时间段功率数据，包括：
18.通过所述低压分布式新能源所处的新能源集群类别对应的所述电量功率网络模型，对所述低压分布式新能源的日电量数据进行处理，得到第一预设时间段功率数据，所述低压分布式新能源的预设时间段功率数据包括所述第一预设时间段功率数据。
19.在其中一个实施例中，所述低压分布式新能源所处的新能源集群类别对应的网络模型包括气候功率网络模型，所述低压新能源数据包括所述低压分布式新能源的气候数据；
20.所述通过所述低压分布式新能源所处的新能源集群类别对应的网络模型，对所述低压新能源数据进行处理，获得所述低压分布式新能源的预设时间段功率数据，包括：
21.通过所述低压分布式新能源所处的新能源集群类别对应的所述气候功率网络模型，对所述低压分布式新能源的气候数据进行处理，得到第二预设时间段功率数据，所述低压分布式新能源的预设时间段功率数据包括所述第二预设时间段功率数据。
22.在其中一个实施例中，所述低压分布式新能源所处的新能源集群类别对应的网络模型包括电量功率网络模型以及气候功率网络模型，所述低压新能源数据包括所述低压分布式新能源的日电量数据以及气候数据；
23.所述通过所述低压分布式新能源所处的新能源集群类别对应的网络模型，对所述低压新能源数据进行处理，获得所述低压分布式新能源的预设时间段功率数据，包括：
24.通过所述低压分布式新能源所处的新能源集群类别对应的所述电量功率网络模型，对所述低压分布式新能源的日电量数据进行处理，得到第一预设时间段功率数据；
25.通过所述低压分布式新能源所处的新能源集群类别对应的所述气候功率网络模型，对所述低压分布式新能源的气候数据进行处理，得到第二预设时间段功率数据；
26.根据所述第一预设时间段功率数据和所述第二预设时间段功率数据，获得所述低压分布式新能源的预设时间段功率数据。
27.第二方面，本技术还提供了一种低压分布式新能源数据监测装置。所述装置包括：
28.数据获取模块，用于获取低压分布式新能源的低压新能源数据；
29.数据处理模块，用于通过所述低压分布式新能源所处的新能源集群类别对应的网络模型，对所述低压新能源数据进行处理，获得所述低压分布式新能源的预设时间段功率数据；其中，所述低压分布式新能源所处的新能源集群类别对应的网络模型，是通过所述新能源集群类别中的中高压分布式新能源的中高压新能源数据和预设时间段功率数据训练得到的。
30.第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一实施例中的方法的步骤。
31.第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，
其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一实施例中的方法的步骤。
32.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一实施例中的方法的步骤。
33.上述低压分布式新能源数据监测方法、装置和计算机设备，通过获取新能源集群类别中的低压分布式新能源的低压新能源数据，通过新能源集群类别中的中高压分布式新能源的中高压新能源数据和预设时间段功率数据训练得到的网络模型，对低压新能源数据进行处理，获得低压分布式新能源的预设时间段功率数据。相对于传统技术中难以对低压分布式新能源数据进行监测而言，本技术运用中高压分布式新能源的中高压新能源数据和预设时间段功率数据训练得到网络模型，对低压分布式新能源的低压新能源数据进行处理，能够得到低压分布式新能源的预设时间段功率数据，实现了对低压分布式新能源数据进行监测。
附图说明
34.图1为本技术实施例中提供的低压分布式新能源数据监测方法的应用环境图；
35.图2为本技术实施例中提供的低压分布式新能源数据监测方法的流程示意图；
36.图3为一个实施例中的低压分布式新能源所处的新能源集群类别的确定方式的流程示意图；
37.图4为一个实施例中对分布式新能源进行聚类的流程示意图；
38.图5为一个实施例中网络拓扑结构的示意图；
39.图6为一个实施例中对低压新能源数据进行处理的流程示意图；
40.图7为一个实施例中网络模型的结构示意图；
41.图8为本技术实施例中提供的一个低压分布式新能源数据监测装置的结构框图；
42.图9为本技术实施例中提供的一个计算机设备的内部结构图；
43.图10为本技术实施例中提供的另一个计算机设备的内部结构图。
具体实施方式
44.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
45.本技术实施例提供的低压分布式新能源数据监测方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。通过终端102获取低压分布式新能源的低压新能源数据；将采集到的低压新能源数据上传至服务器104中利用训练好的网络模型，对低压新能源数据进行处理，获得低压分布式新能源的预设时间段功率数据。其中，终端102可以但不限于是接触式设备、便携式设备、电表装采集器、电压数据采集器。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
46.在本技术实施例提供的低压分布式新能源数据监测方法也可以应用于终端设备。
终端设备获取低压分布式新能源的低压新能源数据；利用训练好的网络模型，对低压新能源数据进行处理，获得低压分布式新能源的预设时间段功率数据。
47.该低压分布式新能源数据监测方法也可以应用于服务器，服务器获取低压分布式新能源的低压新能源数据；利用训练好的网络模型，对低压新能源数据进行处理，获得低压分布式新能源的预设时间段功率数据。其中，服务器可以从终端设备获得该低压新能源数据，也可以通过其它方式，例如从数据库或者其他服务器中获得该低压新能源数据。
48.图2为本技术的一个实施例中提供的低压分布式新能源数据监测方法的流程示意图，以该方法应用于终端设备或服务器为例进行说明，其包括以下步骤：
49.s201，获取低压分布式新能源的低压新能源数据。
50.其中，低压分布式新能源指的是电压处于10kv以下的分布式新能源。低压新能源数据为与低压分布式新能源相关的数据。
51.s202，通过低压分布式新能源所处的新能源集群类别对应的网络模型，对低压新能源数据进行处理，获得低压分布式新能源的预设时间段功率数据；其中，低压分布式新能源所处的新能源集群类别对应的网络模型，是通过新能源集群类别中的中高压分布式新能源的中高压新能源数据和预设时间段功率数据训练得到的。
52.其中，中高压分布式新能源指的是电压大于或者等于10kv的分布式新能源。中高压新能源数据为与中高压分布式新能源相关的数据。预设时间段功率数据通常取15分钟功率数据，可以为其他预设时间段的功率数据，在这里不作限定。
53.本实施例提供的低压分布式新能源数据监测方法，通过获取新能源集群类别中的低压分布式新能源的低压新能源数据，通过新能源集群类别中的中高压分布式新能源的中高压新能源数据和预设时间段功率数据训练得到的网络模型，对低压新能源数据进行处理，获得低压分布式新能源的预设时间段功率数据。相对于传统技术中难以对低压分布式新能源数据进行监测而言，本技术运用中高压分布式新能源的中高压新能源数据和预设时间段功率数据训练得到网络模型，对低压分布式新能源的低压新能源数据进行处理，能够得到低压分布式新能源的预设时间段功率数据，实现了对低压分布式新能源数据进行监测。
54.在一个实施例中，低压分布式新能源所处的新能源集群类别的确定方式的流程示意图，如图3所示，包括以下步骤：
55.s301，获取网络拓扑结构，网络拓扑结构的节点为分布式新能源，分布式新能源包括低压分布式新能源以及中高压分布式新能源，节点的节点属性包括分布式新能源的新能源属性。
56.在本实施例中，网路拓扑结构为所有分布式新能源接入网络拓扑结构节点的拓扑结构。节点的节点属性为与低压分布式新能源或中高压分布式新能源相关的新能源属性。
57.s302，根据节点的节点属性，对分布式新能源进行聚类，获得多个新能源集群，每个新能源集群对应一个新能源集群类别。
58.其中，所述新能源集群中可能为包括至少一个中高压分布式新能源和至少一个低压分布式新能源的集群，也可能为仅包括至少一个中高压分布式新能源的集群。
59.在一个实施例中，节点的节点属性包括分布式新能源接入网络拓扑结构的电压等级以及分布式新能源的气候数据；对分布式新能源进行聚类的流程示意图，如图4所示，其
中包括以下步骤：
60.s401，根据分布式新能源的电压等级，对分布式新能源进行聚类，得到多个初始新能源集群。
61.在本实施例中，根据分布式新能源的电压等级，对分布式新能源进行聚类可以是将处于同一电压等级的分布式新能源聚类得到多个初始新能源集群。具体的例如网络拓扑结构的示意图，如图5所示，在图5中，若以电压等级为110kv进行聚类，则得到一个初始新能源集群；若以电压等级为22kv进行聚类，则得到两个初始新能源集群；若以电压等级为10kv进行聚类，则得到四个初始新能源集群。聚类的方式可以是使用任一聚类算法对分布式新能源进行聚类，例如使用k-means聚类对分布式新能源进行聚类。
62.s402，根据分布式新能源的气候数据，对多个初始新能源集群分别进行二次聚类，得到多个新能源集群。
63.其中，分布式新能源的气候数据可以是辐照度、温度、湿度中的任意一种，或者两个及两个以上的组合。根据分布式新能源的气候数据，对多个初始新能源集群分别进行二次聚类可以是按照分布式新能源气候相近的方式对初始新能源集群进行二次聚类。以图5中电压等级为10kv进行聚类，得到四个初始新能源集群分别为a、b、c、d进行举例，对初始新能源集群a中辐照度相差2瓦每平方米范围的分布式新能源进行二次聚类得到多个新能源集群，按照同样的方式对初始新能源集群b、c、d进行二次聚类，得到多个新能源集群。聚类的方式可以是使用任一聚类算法对分布式新能源进行聚类，例如使用k-means聚类对分布式新能源进行聚类。
64.在一个实施例中，低压分布式新能源所处的新能源集群类别对应的网络模型包括电量功率网络模型，低压新能源数据包括低压分布式新能源的日电量数据；通过低压分布式新能源所处的新能源集群类别对应的网络模型，对低压新能源数据进行处理，获得低压分布式新能源的预设时间段功率数据，包括以下内容：
65.通过低压分布式新能源所处的新能源集群类别对应的电量功率网络模型，对低压分布式新能源的日电量数据进行处理，得到第一预设时间段功率数据，低压分布式新能源的预设时间段功率数据包括第一预设时间段功率数据。
66.在本实施例中，训练获得低压分布式新能源所处的新能源集群类别对应的电量功率网络模型的方式为获取新能源集群类别中的中高压分布式新能源的日电量数据，以及新能源集群类别中的中高压分布式新能源的预设时间段功率数据；将中高压分布式新能源的日电量数据作为输入，中高压分布式新能源的预设时间段功率数据作为输出，对初始电量功率网络模型进行训练，得到低压分布式新能源所处的新能源集群类别对应的电量功率网络模型。其中，日电量数据可以为用电时段的用电量的总和，用电时段包括高峰时段、平段时段、低谷时段、尖峰时段。电量功率网络模型可以为bpnn、lstm、blstm。
67.在一个实施例中，低压分布式新能源所处的新能源集群类别对应的网络模型包括气候功率网络模型，低压新能源数据包括低压分布式新能源的气候数据；通过低压分布式新能源所处的新能源集群类别对应的网络模型，对低压新能源数据进行处理，获得低压分布式新能源的预设时间段功率数据，包括以下内容：
68.通过低压分布式新能源所处的新能源集群类别对应的气候功率网络模型，对低压分布式新能源的气候数据进行处理，得到第二预设时间段功率数据，低压分布式新能源的
预设时间段功率数据包括第二预设时间段功率数据。
69.在本实施例中，训练获得低压分布式新能源所处的新能源集群类别对应的气候功率网络模型的方式为获取新能源集群类别中的中高压分布式新能源的气候数据，以及新能源集群类别中的中高压分布式新能源的预设时间段功率数据；将中高压分布式新能源的气候数据作为输入，中高压分布式新能源的预设时间段功率数据作为输出，对初始气候功率网络模型进行训练，得到低压分布式新能源所处的新能源集群类别对应的气候功率网络模型。其中，气候数据包括辐照度、温度、湿度。气候功率网络模型可以为bpnn、lstm、blstm。
70.在一个实施例中，低压分布式新能源所处的新能源集群类别对应的网络模型包括电量功率网络模型以及气候功率网络模型，低压新能源数据包括低压分布式新能源的日电量数据以及气候数据；通过低压分布式新能源所处的新能源集群类别对应的网络模型，对低压新能源数据进行处理的流程示意图，如图6所示，包括以下步骤：
71.s601，通过低压分布式新能源所处的新能源集群类别对应的电量功率网络模型，对低压分布式新能源的日电量数据进行处理，得到第一预设时间段功率数据。
72.其中，得到第一预设时间段功率数据的方式在上述实施例中已经说明，在此不再赘述。
73.s602，通过低压分布式新能源所处的新能源集群类别对应的气候功率网络模型，对低压分布式新能源的气候数据进行处理，得到第二预设时间段功率数据。
74.其中，得到第二预设时间段功率数据的方式在上述实施例中已经说明，在此不再赘述。
75.s603，根据第一预设时间段功率数据和第二预设时间段功率数据，获得低压分布式新能源的预设时间段功率数据。
76.在本实施例中，可以通过第一预设时间段功率数据和第二预设时间段功率数据相加取平均值的方式获得低压分布式新能源的预设时间段功率数据。也可以通过第一预设时间段功率数据和第二预设时间段功率数据乘以不同权重的方式获得低压分布式新能源的预设时间段功率数据。采用该方式得到的低压分布式新能源的预设时间段功率数据更加准确。
77.其中，网络模型的结构示意图，如图7所示，网络结构包括电量功率网络模型和气候功率网络模型，电量功率网络模型和气候功率网络模型可以相同，也可以不同。
78.在这里对获得低压分布式新能源的预设时间段功率数据的过程进行说明：
79.首先，获取分布式新能源的网络拓扑结构，使用k-means聚类对分布式新能源进行聚类，聚类方式为将处于同一电压等级的分布式新能源聚类得到多个初始新能源集群，按照分布式新能源气候相近的方式对初始新能源集群进行二次聚类，得到多个新能源集群，这些新能源集群里包括低压分布式新能源，也包括中高压分布式新能源，每个新能源集群对应一个新能源集群类别；
80.每一新能源集群类别对应一个电量功率网络模型和气候功率网络模型，采集某一新能源集群类别中的中高压分布式新能源的日电量数据和气候数据，以及中高压分布式新能源的预设时间段功率数据，使用中高压分布式新能源的日电量数据和预设时间段功率数据对初始电量功率网络模型进行训练，得到电量功率网络模型；使用中高压分布式新能源的气候数据和预设时间段功率数据对初始气候功率网络模型进行训练，得到气候功率网络
模型；
81.获取低压分布式新能源的日电量数据和气候数据，选择与该低压分布式新能源所处新能源集群类别对应的电量功率网络模型和气候功率网络模型，使用电量功率网络模型对低压分布式新能源的日电量数据进行处理，得到第一预设时间段功率数据；使用气候功率网络模型对低压分布式新能源的气候数据进行处理，得到第二预设时间段功率数据；
82.将第一预设时间段功率数据和第二预设时间段功率数据相加取平均值，得到低压分布式新能源的预设时间段功率数据。
83.应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
84.基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的低压分布式新能源数据监测方法的低压分布式新能源数据监测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个低压分布式新能源数据监测装置实施例中的具体限定可以参见上文中对于低压分布式新能源数据监测方法的限定，在此不再赘述。
85.参见图8，图8为本技术实施例中提供的一种低压分布式新能源数据监测装置的结构框图，该装置800包括：数据获取模块801和数据处理模块802，其中：
86.数据获取模块801，用于获取低压分布式新能源的低压新能源数据；
87.数据处理模块802，用于通过低压分布式新能源所处的新能源集群类别对应的网络模型，对低压新能源数据进行处理，获得低压分布式新能源的预设时间段功率数据；其中，低压分布式新能源所处的新能源集群类别对应的网络模型，是通过新能源集群类别中的中高压分布式新能源的中高压新能源数据和预设时间段功率数据训练得到的。
88.本实施例提供的低压分布式新能源数据监测装置，通过获取新能源集群类别中的低压分布式新能源的低压新能源数据，通过新能源集群类别中的中高压分布式新能源的中高压新能源数据和预设时间段功率数据训练得到的网络模型，对低压新能源数据进行处理，获得低压分布式新能源的预设时间段功率数据。相对于传统技术中难以对低压分布式新能源数据进行监测而言，本技术运用中高压分布式新能源的中高压新能源数据和预设时间段功率数据训练得到网络模型，对低压分布式新能源的低压新能源数据进行处理，能够得到低压分布式新能源的预设时间段功率数据，实现了对低压分布式新能源数据进行监测。
89.可选的，该装置800还包括：
90.拓扑结构获取模块，用于获取网络拓扑结构，网络拓扑结构的节点为分布式新能源，分布式新能源包括低压分布式新能源以及中高压分布式新能源，节点的节点属性包括分布式新能源的新能源属性；
91.聚类模块，用于根据节点的节点属性，对分布式新能源进行聚类，获得多个新能源
集群，每个新能源集群对应一个新能源集群类别。
92.可选的，节点的节点属性包括分布式新能源接入网络拓扑结构的电压等级以及分布式新能源的气候数据；聚类模块包括：
93.初始聚类单元，用于根据分布式新能源的电压等级，对分布式新能源进行聚类，得到多个初始新能源集群；
94.二次聚类单元，用于根据分布式新能源的气候数据，对多个初始新能源集群分别进行二次聚类，得到多个新能源集群。
95.可选的，低压分布式新能源所处的新能源集群类别对应的网络模型包括电量功率网络模型，低压新能源数据包括低压分布式新能源的日电量数据；数据处理模块802包括：
96.第一数据处理单元，用于通过低压分布式新能源所处的新能源集群类别对应的电量功率网络模型，对低压分布式新能源的日电量数据进行处理，得到第一预设时间段功率数据，低压分布式新能源的预设时间段功率数据包括第一预设时间段功率数据。
97.可选的，低压分布式新能源所处的新能源集群类别对应的网络模型包括气候功率网络模型，低压新能源数据包括低压分布式新能源的气候数据；数据处理模块802包括：
98.第二数据处理单元，用于通过低压分布式新能源所处的新能源集群类别对应的气候功率网络模型，对低压分布式新能源的气候数据进行处理，得到第二预设时间段功率数据，低压分布式新能源的预设时间段功率数据包括第二预设时间段功率数据。
99.可选的，低压分布式新能源所处的新能源集群类别对应的网络模型包括电量功率网络模型以及气候功率网络模型，低压新能源数据包括低压分布式新能源的日电量数据以及气候数据；数据处理模块802包括：
100.第一功率数据获取单元，用于通过低压分布式新能源所处的新能源集群类别对应的电量功率网络模型，对低压分布式新能源的日电量数据进行处理，得到第一预设时间段功率数据；
101.第二功率数据获取单元，用于通过低压分布式新能源所处的新能源集群类别对应的气候功率网络模型，对低压分布式新能源的气候数据进行处理，得到第二预设时间段功率数据；
102.低压功率数据获取单元，用于根据第一预设时间段功率数据和第二预设时间段功率数据，获得低压分布式新能源的预设时间段功率数据。
103.上述低压分布式新能源数据监测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
104.在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储低压分布式新能源的新能源数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种低压分布式新能源数
据监测方法。
105.在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种低压分布式新能源数据监测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
106.本领域技术人员可以理解，图9和图10中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
107.在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述实施例提供的低压分布式新能源数据监测方法的步骤：
108.获取低压分布式新能源的低压新能源数据；
109.通过低压分布式新能源所处的新能源集群类别对应的网络模型，对低压新能源数据进行处理，获得低压分布式新能源的预设时间段功率数据；
110.其中，低压分布式新能源所处的新能源集群类别对应的网络模型，是通过新能源集群类别中的中高压分布式新能源的中高压新能源数据和预设时间段功率数据训练得到的。
111.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
112.获取网络拓扑结构，网络拓扑结构的节点为分布式新能源，分布式新能源包括低压分布式新能源以及中高压分布式新能源，节点的节点属性包括分布式新能源的新能源属性；
113.根据节点的节点属性，对分布式新能源进行聚类，获得多个新能源集群，每个新能源集群对应一个新能源集群类别。
114.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
115.根据分布式新能源的电压等级，对分布式新能源进行聚类，得到多个初始新能源集群；
116.根据分布式新能源的气候数据，对多个初始新能源集群分别进行二次聚类，得到多个新能源集群。
117.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
118.通过低压分布式新能源所处的新能源集群类别对应的电量功率网络模型，对低压分布式新能源的日电量数据进行处理，得到第一预设时间段功率数据，低压分布式新能源的预设时间段功率数据包括第一预设时间段功率数据。
119.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
120.通过低压分布式新能源所处的新能源集群类别对应的气候功率网络模型，对低压分布式新能源的气候数据进行处理，得到第二预设时间段功率数据，低压分布式新能源的预设时间段功率数据包括第二预设时间段功率数据。
121.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
122.通过低压分布式新能源所处的新能源集群类别对应的电量功率网络模型，对低压分布式新能源的日电量数据进行处理，得到第一预设时间段功率数据；
123.通过低压分布式新能源所处的新能源集群类别对应的气候功率网络模型，对低压分布式新能源的气候数据进行处理，得到第二预设时间段功率数据；
124.根据第一预设时间段功率数据和第二预设时间段功率数据，获得低压分布式新能源的预设时间段功率数据。
125.上述实施例的实现原理和技术效果与上述方法实施例类似，在此不再赘述。
126.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例提供的低压分布式新能源数据监测方法的步骤：
127.获取低压分布式新能源的低压新能源数据；
128.通过低压分布式新能源所处的新能源集群类别对应的网络模型，对低压新能源数据进行处理，获得低压分布式新能源的预设时间段功率数据；
129.其中，低压分布式新能源所处的新能源集群类别对应的网络模型，是通过新能源集群类别中的中高压分布式新能源的中高压新能源数据和预设时间段功率数据训练得到的。
130.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
131.获取网络拓扑结构，网络拓扑结构的节点为分布式新能源，分布式新能源包括低压分布式新能源以及中高压分布式新能源，节点的节点属性包括分布式新能源的新能源属性；
132.根据节点的节点属性，对分布式新能源进行聚类，获得多个新能源集群，每个新能源集群对应一个新能源集群类别。
133.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
134.根据分布式新能源的电压等级，对分布式新能源进行聚类，得到多个初始新能源集群；
135.根据分布式新能源的气候数据，对多个初始新能源集群分别进行二次聚类，得到多个新能源集群。
136.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
137.通过低压分布式新能源所处的新能源集群类别对应的电量功率网络模型，对低压分布式新能源的日电量数据进行处理，得到第一预设时间段功率数据，低压分布式新能源的预设时间段功率数据包括第一预设时间段功率数据。
138.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
139.通过低压分布式新能源所处的新能源集群类别对应的气候功率网络模型，对低压分布式新能源的气候数据进行处理，得到第二预设时间段功率数据，低压分布式新能源的预设时间段功率数据包括第二预设时间段功率数据。
140.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
141.通过低压分布式新能源所处的新能源集群类别对应的电量功率网络模型，对低压分布式新能源的日电量数据进行处理，得到第一预设时间段功率数据；
142.通过低压分布式新能源所处的新能源集群类别对应的气候功率网络模型，对低压分布式新能源的气候数据进行处理，得到第二预设时间段功率数据；
143.根据第一预设时间段功率数据和第二预设时间段功率数据，获得低压分布式新能源的预设时间段功率数据。
144.上述实施例的实现原理和技术效果与上述方法实施例类似，在此不再赘述。
145.在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述实施例提供的低压分布式新能源数据监测方法的步骤：
146.获取低压分布式新能源的低压新能源数据；
147.通过低压分布式新能源所处的新能源集群类别对应的网络模型，对低压新能源数据进行处理，获得低压分布式新能源的预设时间段功率数据；
148.其中，低压分布式新能源所处的新能源集群类别对应的网络模型，是通过新能源集群类别中的中高压分布式新能源的中高压新能源数据和预设时间段功率数据训练得到的。
149.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
150.获取网络拓扑结构，网络拓扑结构的节点为分布式新能源，分布式新能源包括低压分布式新能源以及中高压分布式新能源，节点的节点属性包括分布式新能源的新能源属性；
151.根据节点的节点属性，对分布式新能源进行聚类，获得多个新能源集群，每个新能源集群对应一个新能源集群类别。
152.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
153.根据分布式新能源的电压等级，对分布式新能源进行聚类，得到多个初始新能源集群；
154.根据分布式新能源的气候数据，对多个初始新能源集群分别进行二次聚类，得到多个新能源集群。
155.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
156.通过低压分布式新能源所处的新能源集群类别对应的电量功率网络模型，对低压分布式新能源的日电量数据进行处理，得到第一预设时间段功率数据，低压分布式新能源的预设时间段功率数据包括第一预设时间段功率数据。
157.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
158.通过低压分布式新能源所处的新能源集群类别对应的气候功率网络模型，对低压分布式新能源的气候数据进行处理，得到第二预设时间段功率数据，低压分布式新能源的预设时间段功率数据包括第二预设时间段功率数据。
159.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
160.通过低压分布式新能源所处的新能源集群类别对应的电量功率网络模型，对低压分布式新能源的日电量数据进行处理，得到第一预设时间段功率数据；
161.通过低压分布式新能源所处的新能源集群类别对应的气候功率网络模型，对低压
分布式新能源的气候数据进行处理，得到第二预设时间段功率数据；
162.根据第一预设时间段功率数据和第二预设时间段功率数据，获得低压分布式新能源的预设时间段功率数据。
163.上述实施例的实现原理和技术效果与上述方法实施例类似，在此不再赘述。
164.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
165.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
166.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。

技术特征：
1.一种低压分布式新能源数据监测方法，其特征在于，所述方法包括：获取低压分布式新能源的低压新能源数据；通过所述低压分布式新能源所处的新能源集群类别对应的网络模型，对所述低压新能源数据进行处理，获得所述低压分布式新能源的预设时间段功率数据；其中，所述低压分布式新能源所处的新能源集群类别对应的网络模型，是通过所述新能源集群类别中的中高压分布式新能源的中高压新能源数据和预设时间段功率数据训练得到的。2.根据权利要求1所述的方法，其特征在于，所述低压分布式新能源所处的新能源集群类别的确定方式包括：获取网络拓扑结构，所述网络拓扑结构的节点为分布式新能源，所述分布式新能源包括低压分布式新能源以及中高压分布式新能源，所述节点的节点属性包括所述分布式新能源的新能源属性；根据所述节点的节点属性，对所述分布式新能源进行聚类，获得多个新能源集群，每个新能源集群对应一个新能源集群类别。3.根据权利要求2所述的方法，其特征在于，所述节点的节点属性包括所述分布式新能源接入所述网络拓扑结构的电压等级以及所述分布式新能源的气候数据；所述根据所述节点的节点属性，对所述分布式新能源进行聚类，获得多个新能源集群，包括：根据所述分布式新能源的电压等级，对所述分布式新能源进行聚类，得到多个初始新能源集群；根据所述分布式新能源的气候数据，对多个所述初始新能源集群分别进行二次聚类，得到多个新能源集群。4.根据权利要求1-3任一项所述的方法，其特征在于，所述低压分布式新能源所处的新能源集群类别对应的网络模型包括电量功率网络模型，所述低压新能源数据包括所述低压分布式新能源的日电量数据；所述通过所述低压分布式新能源所处的新能源集群类别对应的网络模型，对所述低压新能源数据进行处理，获得所述低压分布式新能源的预设时间段功率数据，包括：通过所述低压分布式新能源所处的新能源集群类别对应的所述电量功率网络模型，对所述低压分布式新能源的日电量数据进行处理，得到第一预设时间段功率数据，所述低压分布式新能源的预设时间段功率数据包括所述第一预设时间段功率数据。5.根据权利要求1-3任一项所述的方法，其特征在于，所述低压分布式新能源所处的新能源集群类别对应的网络模型包括气候功率网络模型，所述低压新能源数据包括所述低压分布式新能源的气候数据；所述通过所述低压分布式新能源所处的新能源集群类别对应的网络模型，对所述低压新能源数据进行处理，获得所述低压分布式新能源的预设时间段功率数据，包括：通过所述低压分布式新能源所处的新能源集群类别对应的所述气候功率网络模型，对所述低压分布式新能源的气候数据进行处理，得到第二预设时间段功率数据，所述低压分布式新能源的预设时间段功率数据包括所述第二预设时间段功率数据。6.根据权利要求1-3任一项所述的方法，其特征在于，所述低压分布式新能源所处的新
能源集群类别对应的网络模型包括电量功率网络模型以及气候功率网络模型，所述低压新能源数据包括所述低压分布式新能源的日电量数据以及气候数据；所述通过所述低压分布式新能源所处的新能源集群类别对应的网络模型，对所述低压新能源数据进行处理，获得所述低压分布式新能源的预设时间段功率数据，包括：通过所述低压分布式新能源所处的新能源集群类别对应的所述电量功率网络模型，对所述低压分布式新能源的日电量数据进行处理，得到第一预设时间段功率数据；通过所述低压分布式新能源所处的新能源集群类别对应的所述气候功率网络模型，对所述低压分布式新能源的气候数据进行处理，得到第二预设时间段功率数据；根据所述第一预设时间段功率数据和所述第二预设时间段功率数据，获得所述低压分布式新能源的预设时间段功率数据。7.一种低压分布式新能源数据监测装置，其特征在于，所述装置包括：数据获取模块，用于获取低压分布式新能源的低压新能源数据；数据处理模块，用于通过所述低压分布式新能源所处的新能源集群类别对应的网络模型，对所述低压新能源数据进行处理，获得所述低压分布式新能源的预设时间段功率数据；其中，所述低压分布式新能源所处的新能源集群类别对应的网络模型，是通过所述新能源集群类别中的中高压分布式新能源的中高压新能源数据和预设时间段功率数据训练得到的。8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

技术总结
本申请涉及一种低压分布式新能源数据监测方法、装置和计算机设备。所述方法包括：获取低压分布式新能源的低压新能源数据；通过所述低压分布式新能源所处的新能源集群类别对应的网络模型，对所述低压新能源数据进行处理，获得所述低压分布式新能源的预设时间段功率数据；其中，所述低压分布式新能源所处的新能源集群类别对应的网络模型，是通过所述新能源集群类别中的中高压分布式新能源的中高压新能源数据和预设时间段功率数据训练得到的。采用本方法能够监测到低压分布式新能源数据。用本方法能够监测到低压分布式新能源数据。用本方法能够监测到低压分布式新能源数据。


技术研发人员：刘显茁 王皓怀 邓韦斯 马溪原 程凯 周长城 陈炎森 包涛
受保护的技术使用者：中国南方电网有限责任公司
技术研发日：2022.10.25
技术公布日：2023/1/6