一种虚拟电厂需求预测方法、系统及可读存储介质与流程

本发明涉及分布式供电，尤其涉及一种虚拟电厂需求预测方法、系统及可读存储介质。

背景技术：

1、虚拟电厂是多种分布式资源的聚合，可通过先进的控制、通信、计量技术，将分布式电源、储能、柔性负荷等众多可调节资源聚合起来，作为一个整体对外参与电网统一调度，充分利用分布式资源调节特性的协调互补性，实现资源的合理优化配置及利用。

2、虚拟电厂对外作为一个特殊的发电厂运行，呈现传统发电厂的整体功能与效果，可像传统发电厂一样对其进行控制管理，包括向电网提交发电计划、参与电力市场交易及调峰调频等辅助服务；对内作为一个综合的能源管理系统，拥有自我协调、自我管理、自我控制等多重功能。

3、目前，由于用户侧存在弹性能力弱、调节能力不足等问题，为真正实现需求侧响应的目标，使虚拟电厂成为新型电力系统的重要组成部分，仍有一些技术难题亟需解决，如何准确的预测用电需求，目前的用电需求预测方式是结合历史用电数据，形成用电曲线，结合用电曲线预测用电需求，但是，用电需求的影响因素存在多种，仅结合历史用电数据的预测方法并不能准确的预测用电需求。因此，本申请提出了一种虚拟电厂需求预测方法、系统及可读存储介质。

技术实现思路

1、本发明的目的在于提供一种虚拟电厂需求预测方法、系统及可读存储介质，以解决目前的虚拟电厂供电区域内用电需求预测准确度低的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、一种虚拟电厂需求预测方法，包括以下步骤：

4、获取预测时间、区域以及该地点在预测时间段内的预计温度、预计天气和预估用户数量，记为第一信息；

5、将第一信息输入预测模型，所述预测模型输出用电需求，其中，所述预测模型以历史时间、地点、历史温度、历史天气和历史用户数量作为自变量，以历史用电量作为因变量并基于人工神经网络生成。

6、优选的，所述预测模型的生成方法包括以下步骤：

7、获取虚拟电厂负载区域内的历史用电数据以及气象数据，其中，所述历史用电数据包括用电时间、用户数量以及历史用电量，所述气象数据包括天气数据和温度数据；

8、将历史用电量作为输出层的数据，以用电时间、用户数量以及气象数据作为输入层的数据；

9、对输出层数据和输入层数据进行归一化；

10、按照预设比例将归一化后的数据分成训练集和预测集，将训练集的数据输入到搭建的神经网络中，选择激励函数，运行神经网络，得到第一模型；

11、通过预测集评价第一模型，基于评价结果优化第一模型，得到预测模型。

12、优选的，所述用电时间以工作日和非工作日分类，在以用电时间作为输入层时，按照工作日和非工作日的分类分别生成预测模型，同时在预测模型生成后设置选择程序以根据新的日期选择不同的预测模型。

13、优选的，对气象数据归一化的方法包括以下步骤：

14、对不同的气象类型赋值；

15、通过sigmoid函数对赋值的气象数据归一化。

16、优选的，对用电时间归一化的方法包括以下步骤：

17、用电时间以月份和日份组成的数字作为时间输入数据；

18、通过sigmoid函数对时间输入数据归一化。

19、优选的，对历史用电量归一化方法包括以下步骤：

20、设定历史用电量的分级范围，并按照分级范围对历史用电量分级；

21、通过sigmoid函数对分级后的历史用电量归一化。

22、优选的，评价第一模型的方法包括以下步骤：

23、将预测集内的数据归一化后，将输入层数据输入第一模型；

24、获取第一模型的输出结果；

25、将输出结果与归一化后的输出层数据对比，与对应的输出层数据相同的输出结果评价为优，与对应的输出层数据不同的输出结果评价为差；

26、计算评价为优的输出结果占总输出结果的比例，当评价为优的输出结果占总输出结果的比例超过第一阈值时，评价第一模型为有效，记为预测模型，当评价为优的输出结果占总输出结果的比例低于第一阈值时，评价第一模型为无效。

27、本发明还公开了一种虚拟电厂负载预测系统，用于预测区域内用电需求，在运行时实现上述任意一项所述的虚拟电厂预测方法，包括：

28、获取单元，用于获取预测时间、区域以及该地点在预测时间段内的预计温度、预计天气和预估用户数量；

29、模型单元，用于承载预测模型，其中预测模型基于获取单元生成区域在预测时间内的用电需求；

30、输出单元，用于输出用电需求。

31、进一步的，所述获取单元还用于获取历史数据，所述模型单元包括：

32、预测模型，用于根据获取单元生成区域在预测时间内的用电需求；

33、模型训练单元，基于历史数据更新预测模型，其中，历史数据包括区域内的历史用电数据以及气象数据。

34、本发明还公开了一种可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器在运行计算机程序时实现如上述任意一项所述的虚拟电厂需求预测方法。

35、综上所述，本发明与现有技术相比具有以下有益效果：

36、本发明实施例公开的虚拟电厂预测方法通过引入历史用电时间以及历史气象数据作为训练数据训练预测模型，并通过预测未来的气象数据结合预测时间预测虚拟电厂的用电需求，相对于现有技术，可以提高用电需求的预测准确度。

技术特征：

1.一种虚拟电厂需求预测方法，用于预测预设时间内的用电需求，其特征在于，包括以下步骤：

2.根据权利要求1所述的虚拟电厂需求预测方法，其特征在于，所述预测模型的生成方法包括以下步骤：

3.根据权利要求2所述的虚拟电厂需求预测方法，其特征在于，所述用电时间以工作日和非工作日分类，在以用电时间作为输入层时，按照工作日和非工作日的分类分别生成预测模型，同时在预测模型生成后设置选择程序以根据新的日期选择不同的预测模型。

4.根据权利要求2所述的虚拟电厂需求预测方法，其特征在于，对气象数据归一化的方法包括以下步骤：

5.根据权利要求2所述的虚拟电厂需求预测方法其特征在于，对用电时间归一化的方法包括以下步骤：

6.根据权利要求2所述的虚拟电厂需求预测方法，其特征在于，对历史用电量归一化方法包括以下步骤：

7.根据权利要求6所述的虚拟电厂需求预测方法，其特征在于，评价第一模型的方法包括以下步骤：

8.一种虚拟电厂负载预测系统，用于预测区域内用电需求，其特征在于，在运行时实现权利要求1-7任意一项所述的虚拟电厂预测方法，包括：

9.根据权利要求8所述的虚拟电厂负载预测系统，其特征在于，所述获取单元还用于获取历史数据，所述模型单元包括：

10.一种可读存储介质，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，使得所述处理器在运行计算机程序时实现如权利要求1-7任意一项所述的虚拟电厂需求预测方法。

技术总结
本发明涉及分布式供电技术领域，具体提供了一种虚拟电厂需求预测方法、系统及可读存储介质，其中，所述方法包括以下步骤：获取预测时间、区域以及该地点在预测时间段内的预计温度、预计天气和预估用户数量，记为第一信息；将第一信息输入预测模型，所述预测模型输出用电需求，其中，所述预测模型以历史时间、地点、历史温度、历史天气和历史用户数量作为自变量，以历史用电需求作为因变量并基于人工神经网络生成；发明实施例公开的虚拟电厂预测方法通过引入历史用电时间以及历史气象数据作为训练数据训练预测模型，并通过预测未来的气象数据结合预测时间预测虚拟电厂的用电需求，相对于现有技术，可以提高用电需求的预测准确度。

技术研发人员：崔勇,吴贵烘,张叶青,徐律军,陈文彬,吴颖骢,杨磊,刘承鲁,张书盈,刘宇韬,周欣佳,李瑞尧,周笛青,何振恺,史鉴来,许晓勇,吴昌昊,何正鑫
受保护的技术使用者：国网上海市电力公司
技术研发日：
技术公布日：2024/1/14