基于LSTM神经网络的区域电力负荷调控方法与流程

本发明属于电力负荷控制，尤其涉及基于lstm神经网络的区域电力负荷调控方法。

背景技术：

1、随着双碳目标的逐步落实，我国新能源快速发展，高比例新能源接入电网，发电侧灵活性资源难以保障电力系统的安全稳定，为适应新型电力系统建设新要求，电力负荷管理要发挥双重作用，一方面保障电网安全稳定运行、维护供用电秩序平稳，另一方面促进可再生能源消纳、提升用能效率。因此，我们应该加强地区电力负荷管理，提升负荷预测准确性，挖掘负荷侧可调潜力，推动电力系统由传统的“源随荷动”向“源荷互动”过渡转变，同时也是国家建设资源节约型社会的重要举措，在社会发展中具有重要的意义。

技术实现思路

1、为解决上述技术问题，本发明提出了基于lstm神经网络的区域电力负荷调控方法，通过对区域电力负荷的监测，获取区域电力负荷的历史数据，并通过lstm神经网络对区域负荷进行智能化预测，生成更加准确的调度报告，来控制区域用户用电的排程来减少用电压力，提高电力系统运行效率和可靠性。

2、为实现上述目的，本发明提供了基于lstm神经网络的区域电力负荷调控方法，包括以下步骤：

3、监测并采集区域电力负荷历史数据；

4、对采集的电力负荷历史数据进行修正处理；

5、依据修正处理后的电力负荷历史数据进行电力负荷未来趋势预测；

6、依据电力负荷趋势预测结果和电力负荷历史数据，生成调度报告，并将上述调度报告发送给电力用户，用户根据所述调度报告进行精准用电。

7、可选地，电力负荷历史数据包括：用户用电电力和电压等级。

8、可选地，对采集的电力负荷历史数据进行修正处理的方式包括：去除重复项、剔除异常值、拟合缺失值和将数据的时间分辨率统一处理。

9、可选地，根据处理后的电力负荷历史数据进行电力负荷未来趋势预测的方式为：

10、构建lstm神经网络，储存处理后的电力负荷历史数据；

11、根据处理后的电力负荷历史数据对lstm神经网络进行训练，基于训练后的lstm神经网络进行电力负荷未来趋势预测。

12、可选地，所述lstm神经网络包括：输入层、隐藏层与输出层；

13、其中，输入层用于输入处理后的所述历史数据，并按照时间顺序进行排序；隐藏层用于迭代学习时间序列数据的短程和长程语义特征；输出层用于输出预测结果；

14、所述lstm神经网络还包括相关参数：学习率、迭代次数与stepsize。

15、可选地，所述趋势预测还包括：用户用电电力趋势预测模型和电压等级趋势预测模型；

16、趋势预测模型用于进行未来趋势预测包括:短期趋势预测、中期趋势预测与长期趋势预测。

17、可选地，所述历史数据包括1天、7天或15天的单日用电数据。

18、可选地，所述方法还包括：通过电力用户的实际用电数据调整下次的电力负荷趋势预测结果及调度报告。

19、与现有技术相比，本发明具有如下优点和技术效果：

20、本发明通过对区域内电力负荷的监测并获取历史数据；将一段时间内收集的电力负荷数据作为训练数据，对lstm神经网络趋势预测模型进行训练，通过训练后的lstm神经网络模型对电力负荷的未来趋势进行预测，并生成调度报告，来指导用户实现精准用能，从而提高电网运行效率和可靠性。

技术特征：

1.基于lstm神经网络的区域电力负荷调控方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于lstm神经网络的区域电力负荷调控方法，其特征在于，所述历史数据包括：用户用电电力和电压等级。

3.根据权利要求1所述的基于lstm神经网络的区域电力负荷调控方法，其特征在于，对采集的所述历史数据进行处理的方式包括：去除重复项、剔除异常值、拟合缺失值和将数据的时间分辨率统一处理。

4.根据权利要求3所述的基于lstm神经网络的区域电力负荷调控方法，其特征在于，根据处理后的所述历史数据进行电力负荷未来趋势预测的方式为：

5.根据权利要求4所述的基于lstm神经网络的区域电力负荷调控方法，其特征在于，所述lstm神经网络包括：输入层、隐藏层与输出层；

6.根据权利要求5所述的基于lstm神经网络的区域电力负荷调控方法，其特征在于，所述趋势预测模型包括：用户用电规模趋势预测模型和电压等级趋势预测模型；

技术总结
本发明提供了基于LSTM神经网络的区域电力负荷调控方法，包括以下步骤：监测并采集区域电力负荷历史数据；对采集的电力负荷历史数据进行修正处理；依据修正处理后的电力负荷历史数据进行电力负荷未来趋势预测；依据电力负荷趋势预测结果和电力负荷历史数据，生成调度报告，并将上述调度报告发送给电力用户，用户根据所述调度报告进行精准用电。本发明通过监测并采集区域电力负荷数据，并对负荷数据的发展趋势进行智能化和实时的未来趋势预测，生成调度报告，来控制用户用电的排程来减少用电压力，提高电网运行效率和可靠性。

技术研发人员：董晓亮,刘敦楠,常新,李根柱,梁家豪,王瀚甫
受保护的技术使用者：北京电力交易中心有限公司
技术研发日：
技术公布日：2024/3/12