[發(fā)明專利]一種基于深度學習算法的企業(yè)新能源消納責任判斷方法

在審

• 申請?zhí)枺?/td>: 202110453913.9
• 申請日: 2021-04-26
• 公開（公告）號: CN113191620A
• 公開（公告）日: 2021-07-30
• 發(fā)明（設(shè)計）人: 毛志斌;周俊;萬偉江;王威力
• 申請（專利權(quán)）人: 國網(wǎng)（衢州）綜合能源服務(wù)有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/04;G06Q50/26
• 代理公司: 北京棘龍知識產(chǎn)權(quán)代理有限公司 11740
• 代理人: 李改平

1.一種基于深度學習算法的企業(yè)新能源消納責任判斷方法，其特征在于，主要包括以下步驟：

步驟S1：計算地市級最低總量消納責任權(quán)重；

步驟S2：企業(yè)完成的可再生能源電力消納責任權(quán)重計算；

步驟S3：對比兩個權(quán)重值，判定企業(yè)的新能源消納情況；

步驟S4：根據(jù)企業(yè)的新能源消納情況作出未來規(guī)劃。

2.根據(jù)權(quán)利要求1所述的一種基于深度學習算法的企業(yè)新能源消納責任判斷方法，其特征在于，所述步驟S1中，結(jié)合參考其他省份的實施方案和國家出臺的相關(guān)政策文獻，獲知目前大部分的省級是根據(jù)企業(yè)的用電量或者年購電量來確定企業(yè)的消納份額，規(guī)定地市級區(qū)域承擔與其年用電量相對應(yīng)的消納責任權(quán)重：地市級最低總量消納責任權(quán)重＝(預計地市級生產(chǎn)且消納年可再生能源電量+預計年凈輸入可再生能源電量)÷預計地市級年全社會用電量。

3.根據(jù)權(quán)利要求2所述的一種基于深度學習算法的企業(yè)新能源消納責任判斷方法，其特征在于，所述步驟S1還包括：將測算出的地市級最低總量消納責任權(quán)重與國家下達的市級最低總量消納責任權(quán)重進行對比，對比方法包括以下算法方程式：

若地市級最低總量消納責任權(quán)重＜市級最低總量消納責任權(quán)重，則地市級最低總量消納責任權(quán)重可選擇采用市級最低總量消納責任權(quán)重；

若地市級最低總量消納責任權(quán)重＞市級最低總量消納責任權(quán)重，則地市級最低總量消納責任權(quán)重采用實際測算出的權(quán)重值。

4.根據(jù)權(quán)利要求1所述的一種基于深度學習算法的企業(yè)新能源消納責任判斷方法，其特征在于，所述步驟S2中，根據(jù)國家出臺的相關(guān)政策文獻，其中明確提出了各省級行政區(qū)域年度整體完成的消納責任權(quán)重計算公式，即，按照國家規(guī)定豁免消納責任權(quán)重考核的農(nóng)業(yè)用電和專用計量的供暖電量在消納責任權(quán)重核算公式的分子和分母中均予以扣除，免于考核電量對應(yīng)的可再生能源電量等于免于考核電量乘以區(qū)域最低消納責任權(quán)重。

5.根據(jù)權(quán)利要求1所述的一種基于深度學習算法的企業(yè)新能源消納責任判斷方法，其特征在于，所述步驟S2包括借鑒省級行政區(qū)域年度整體完成的消納責任權(quán)重計算公式，帶入企業(yè)的電力數(shù)據(jù)，用于確認企業(yè)完成的可再生能源電力消納責任權(quán)重：企業(yè)完成消納責任權(quán)重＝(企業(yè)內(nèi)生產(chǎn)且消納的可再生能源電量+企業(yè)外輸入的可再生能源電量+其他企業(yè)消納量凈受讓量之和+綠證認購量之和-免于考核電量對應(yīng)的可再生能源電量)÷(企業(yè)用電量-免于考核電量)。

6.根據(jù)權(quán)利要求1所述的一種基于深度學習算法的企業(yè)新能源消納責任判斷方法，其特征在于，所述步驟S3中，將所得的企業(yè)完成消納責任權(quán)重與某地級市的可再生能源電力消納責任權(quán)重進行對比，對比方法包括以下算法方程式：

若企業(yè)完成消納責任權(quán)重＜地市級的可再生能源電力消納責任權(quán)重，則企業(yè)未達標；

若企業(yè)完成消納責任權(quán)重＞地市級的可再生能源電力消納責任權(quán)重，則企業(yè)達標。

7.根據(jù)權(quán)利要求1所述的一種基于深度學習算法的企業(yè)新能源消納責任判斷方法，其特征在于，所述步驟S4包括：

步驟S41：從地級市區(qū)域內(nèi)抽取一定數(shù)量的企業(yè)，并采集該部分企業(yè)的數(shù)據(jù)信息，隨后將所獲取的數(shù)據(jù)信息傳輸至新能源大數(shù)據(jù)中心進行下一步處理；

步驟S42：根據(jù)所收集到的數(shù)據(jù)進行分類、存儲和備份，然后進行數(shù)據(jù)預測，并根據(jù)過去兩年的負荷數(shù)據(jù)以及新能源消納數(shù)據(jù)預測未來一年的負荷數(shù)據(jù)以及新能源消納數(shù)據(jù)，然后根據(jù)新能源消納計算公式計算新能源預測出力數(shù)據(jù)；

步驟S43：能源大數(shù)據(jù)中心通過新能源預測出力數(shù)據(jù)以減少燃料成本和啟停費用設(shè)計實時燃料發(fā)電設(shè)備的調(diào)控方案；

步驟S44：新能源大數(shù)據(jù)中心根據(jù)實時調(diào)控方案對各個企業(yè)下達指令，各個企業(yè)根據(jù)指令調(diào)控運行燃料發(fā)電設(shè)備。

8.根據(jù)權(quán)利要求7所述的一種基于深度學習算法的企業(yè)新能源消納責任判斷方法，其特征在于，所述步驟S41中的數(shù)據(jù)信息包括新能源實時出力信息、聯(lián)絡(luò)線外送電力數(shù)據(jù)以及用電負荷數(shù)據(jù)。