一种电力需求侧资源可调潜力预测方法与系统与流程

本发明涉及电力需求响应，特别是一种电力需求侧资源可调潜力预测方法，本申请还涉及电力需求侧资源可调潜力预测系统。

背景技术：

1、随着生活水平的不断提高大部分居民节能意识和节能需求不强，受自然环境、生活需求等非经济性因素影响较大，具有极大的负荷灵活调节空间，对电力需求响应资源进行可调潜力预测，对电网运营商制定科学的电价政策、激励政策和资源调度计划有指导性意义，有助于促进需求响应资源的综合优化配置，提升电网运行的灵活性。

2、现有技术中，电力需求侧资源可调潜力预测难以精确反映实际情况，常常存在偏差，难以精确指导电力用户合理安排参与需求响应的负荷响应量，形成科学的用电方式。

3、因此，如何提供一种电力需求侧资源可调潜力预测方法，其能够克服上述技术问题，提高电力需求侧资源可调潜力预测的精确性，已经成为本领域技术人员亟待解决的技术问题。

技术实现思路

1、为解决上述技术问题，本申请提供一种电力需求侧资源可调潜力预测方法，其能够克服上述技术问题，提高电力需求侧资源可调潜力预测的精确性。

2、本申请提供的一个技术方案如下：

3、本申请提供一种电力需求侧资源可调潜力预测方法，包括步骤：基于当前场景下电力用户历史负荷数据的特征要素取值生成多元场景特征隶属度计算模型；

4、根据多元场景特征隶属度计算模型计算不同需求响应场景下的特征要素的隶属度，并为每个特征要素赋予反映其对电力需求侧可调潜力重要性的权重；

5、采用k-means聚类算法对需求响应用户进行聚类，形成不同的用户类别并标签化用户负荷群，输出n可调负荷资源群；n为大于2的自然数；

6、对可调负荷资源群进行二级划分并获取负荷响应序列预测模型；

7、基于负荷响应序列预测模型输出电力需求侧资源可调潜力预测信息。

8、进一步地，在本发明一种优选的方式中，步骤“基于负荷响应序列预测模型输出电力需求侧资源可调潜力预测信息”包括：利用具备历史负荷数据和特定场景特征的负荷响应序列预测模型进行预测建模获得负荷响应序列预测模型：基于负荷响应序列预测模型输出不同时间段、不同负荷群的电力需求侧资源可调潜力的预测值与潜力的分布信息。

9、进一步地，在本发明一种优选的方式中，负荷响应序列预测模型包括：用于建模用户负荷在不同时间段内的趋势和季节性规律的sarima子模型；用于将用户负荷与相关的特征要素进行回归分析预测负荷响应的回归分析模型。

10、进一步地，在本发明一种优选的方式中，负荷响应序列预测模型还包括：用于捕捉用户负荷序列中的复杂关系和非线性模式的lstm模型。

11、进一步地，在本发明一种优选的方式中，步骤“对可调负荷资源群进行二级划分并获取负荷响应序列预测模型”具体为按照用户类型、用电行业、地理位置对每个可调负荷资源群进行二级划分，获取每个负荷群在不同时间段内的负荷响应序列，输出负荷的调整能力和响应速度。

12、进一步地，在本发明一种优选的方式中，步骤“基于当前场景下电力用户历史负荷数据的特征要素取值生成多元场景特征隶属度计算模型”包括：提取历史负荷数据中包括时间、季节、天气的关键特征要素；基于特征要素构建特征隶属度测算模型，根据不同特征要素的取值给出用户负荷在每个特征场景下的隶属度。

13、进一步地，在本发明一种优选的方式中，可调潜力评价因子包括：负荷响应成本、负荷响应速度、负荷响应容量和负荷响应时长。

14、进一步地，在本发明一种优选的方式中，基于季节性调峰场景、紧急负荷控制场景、经济削峰场景设置电力用户需求侧负荷的可调潜力评价因子。

15、此外，本发明还提供一种电力需求侧资源可调潜力预测系统，包括：隶属度计算模型构建模块，用于基于当前场景下电力用户历史负荷数据的特征要素取值生成多元场景特征隶属度计算模型；

16、权重计算模块，用于根据多元场景特征隶属度计算模型计算不同需求响应场景下的特征要素的隶属度，并为每个特征要素赋予反映其对电力需求侧可调潜力重要性的权重；

17、聚类模块，用于采用k-means聚类算法对需求响应用户进行聚类，形成不同的用户类别并标签化用户负荷群，输出n可调负荷资源群；n为大于2的自然数；

18、预测模型构建模块，用于对可调负荷资源群进行二级划分并获取负荷响应序列预测模型；

19、预测模块，用于基于负荷响应序列预测模型输出电力需求侧资源可调潜力预测信息。

20、进一步地，在本发明一种优选的方式中，负荷响应序列预测模型包括：用于建模用户负荷在不同时间段内的趋势和季节性规律的sarima子模型；以及用于将用户负荷与相关的特征要素进行回归分析预测负荷响应的回归分析模型。

21、本发明提供的一种电力需求侧资源可调潜力预测方法，与现有技术相比，包括步骤：设置电力用户需求侧负荷的可调潜力评价因子；基于当前场景下电力用户历史负荷数据的特征要素取值生成多元场景特征隶属度计算模型；根据多元场景特征隶属度计算模型计算不同需求响应场景下的特征要素的隶属度，并为每个特征要素赋予反映其对电力需求侧可调潜力重要性的权重；采用k-means聚类算法对需求响应用户进行聚类，形成不同的用户类别并标签化用户负荷群，输出n可调负荷资源群；对可调负荷资源群进行二级划分并获取负荷响应序列预测模型；基于负荷响应序列预测模型输出电力需求侧资源可调潜力预测信息，本申请提供的电力需求侧资源可调潜力预测方法，相较于现有技术而言，其能够克服上述技术问题，提高电力需求侧资源可调潜力预测的精确性，具有显著的技术效果。此外，本申请还涉及一种电力需求侧资源可调潜力预测系统，同样具有上述有益效果。

技术特征：

1.一种电力需求侧资源可调潜力预测方法，其特征在于，包括步骤：

2.根据权利要求1所述的电力需求侧资源可调潜力预测方法，其特征在于，基于负荷响应序列预测模型输出电力需求侧资源可调潜力预测信息，包括：利用具备历史负荷数据和特定场景特征的负荷响应序列预测模型进行预测建模获得负荷响应序列预测模型：基于负荷响应序列预测模型输出不同时间段、不同负荷群的电力需求侧资源可调潜力的预测值与潜力的分布信息。

3.根据权利要求1所述的电力需求侧资源可调潜力预测方法，其特征在于，负荷响应序列预测模型包括：用于建模用户负荷在不同时间段内的趋势和季节性规律的sarima子模型；以及用于将用户负荷与相关的特征要素进行回归分析预测负荷响应的回归分析模型。

4.根据权利要求3所述的电力需求侧资源可调潜力预测方法，其特征在于，负荷响应序列预测模型还包括：用于捕捉用户负荷序列中的复杂关系和非线性模式的lstm模型。

5.根据权利要求4所述的电力需求侧资源可调潜力预测方法，其特征在于，基于负荷响应序列预测模型输出电力需求侧资源可调潜力预测信息对可调负荷资源群进行二级划分并获取负荷响应序列预测模型，具体为按照用户类型、用电行业、地理位置对每个可调负荷资源群进行二级划分，获取每个负荷群在不同时间段内的负荷响应序列，输出负荷的调整能力和响应速度。

6.根据权利要求1所述的电力需求侧资源可调潜力预测方法，其特征在于，基于当前场景下电力用户历史负荷数据的特征要素取值生成多元场景特征隶属度计算模型，包括：提取历史负荷数据中包括时间、季节、天气的关键特征要素；基于特征要素构建特征隶属度测算模型，根据不同特征要素的取值给出用户负荷在每个特征场景下的隶属度。

7.根据权利要求6所述电力需求侧资源可调潜力预测方法，其特征在于，可调潜力评价因子包括：负荷响应成本、负荷响应速度、负荷响应容量和负荷响应时长。

8.根据权利要求7所述电力需求侧资源可调潜力预测方法，其特征在于，基于季节性调峰场景、紧急负荷控制场景、经济削峰场景设置电力用户需求侧负荷的可调潜力评价因子。

9.一种电力需求侧资源可调潜力预测系统，其特征在于，包括：

10.根据权利要求9所述的电力需求侧资源可调潜力预测系统，其特征在于，负荷响应序列预测模型包括：用于建模用户负荷在不同时间段内的趋势和季节性规律的sarima子模型；以及用于将用户负荷与相关的特征要素进行回归分析预测负荷响应的回归分析模型。

技术总结
本申请公开一种电力需求侧资源可调潜力预测方法，包括步骤：设置电力用户需求侧负荷的可调潜力评价因子；基于当前场景下电力用户历史负荷数据的特征要素取值生成多元场景特征隶属度计算模型；根据多元场景特征隶属度计算模型计算不同需求响应场景下的特征要素的隶属度；采用K‑means聚类算法对需求响应用户进行聚类；对可调负荷资源群进行二级划分并获取负荷响应序列预测模型；基于负荷响应序列预测模型输出电力需求侧资源可调潜力预测信息，本申请提供的电力需求侧资源可调潜力预测方法可提高电力需求侧资源可调潜力预测的精确性，具有显著的技术效果。此外，本申请还涉及一种电力需求侧资源可调潜力预测系统，同样具有上述有益效果。

技术研发人员：马恒瑞,宫建锋,徐文涛,王波,马富齐,王红霞,张嘉鑫,张迎晨,罗鹏,王雷雄,刘萌
受保护的技术使用者：国网宁夏电力有限公司
技术研发日：
技术公布日：2024/2/19