[發明專利]一種基于負荷預測的可參與需求響應負荷辨識方法及系統

在審

• 申請號: 202210295886.1
• 申請日: 2022-03-24
• 公開（公告）號: CN114662761A
• 公開（公告）日: 2022-06-24
• 發明（設計）人: 林林;傅靖;胡新雨;殷俊;林亞陽;郁海彭;王嘉楠;潘靜娟;袁松;蘇偉偉;曹鑫楠;丁西春
• 申請（專利權）人: 國網江蘇省電力有限公司南通供電分公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/08;G06N3/04;G06K9/62;H02J3/00
• 代理公司: 北京智繪未來專利代理事務所(普通合伙) 11689
• 代理人: 張紅蓮

1.一種基于負荷預測的可參與需求響應負荷辨識方法，其特征在于，所述方法包括以下步驟：

步驟1，采集居民歷史用電數據，進行數據預處理；

步驟2，構建用于預測居民用電數據的深度學習網絡模型；

步驟3，基于聚類算法建立典型居民負荷用電模型，使用步驟1的數據聚類出的功率數值作為該負荷的模型；將所有負荷的模型構成負荷模型庫；

步驟4，使用步驟2的深度學習網絡模型對居民用電數據進行預測，將需求響應施行當日的居民負荷預測值與需求響應當日實際負荷值進行作差得到參與需求響應負荷總量，并基于步驟3建立的負荷模型庫對預測出的參與需求響應負荷總量進行分解，得到最終辨識結果。

2.根據權利要求1所述的一種基于負荷預測的可參與需求響應負荷辨識方法，其特征在于，

在所述步驟1中，采集居民用戶智能電表電流數據，包括5分鐘一個點的電流、功率、電壓數值；

采集頻率為5分鐘一次，每個點對應半小時內的6維數據。

3.根據權利要求1或2所述的一種基于負荷預測的可參與需求響應負荷辨識方法，其特征在于，

在所述步驟1中，進行數據預處理包括對數據缺失值進行填補，對異常值進行剔除；

缺失值填補方法為：

m(td+7,i)為數據在第d+7天第i時刻的缺失值，m(t_d,i)為數據在第d天第i時刻的缺失值，NaN指空或缺失值；

異常值刪除方法為：

對數據進行聚類，剔除各類中與聚類中心的距離大于10％的數據。

4.根據權利要求1所述的一種基于負荷預測的可參與需求響應負荷辨識方法，其特征在于，

在所述步驟2中，使用長短記憶神經網絡模型對居民用電數據進行預測，以60天為單位，前50天數據用于訓練，后10天數據用于測試，輸入維度為(50，48，6)，其中50是輸入數據條目數，48是數據長度，6為數據維度。

5.根據權利要求1所述的一種基于負荷預測的可參與需求響應負荷辨識方法，其特征在于，

在所述步驟3中，所用聚類算法包括以下步驟：

步驟3.1，從采集的用電數據中隨機選取一個點C1作為初始聚類中心；

步驟3.2，計算所有點到C1聚類中心的距離；

步驟3.3，從未被指定類的數據中以一定概率選取聚類中心c_j；

步驟3.4，計算每個點到所有聚類中心的距離；

步驟3.5，將每個點分到距離最近的聚類中心所在的類中；

步驟3.6，重復步驟3.3至步驟3.5直到指定數目的聚類中心被選好。

6.根據權利要求5所述的一種基于負荷預測的可參與需求響應負荷辨識方法，其特征在于，

在所述步驟3.2中，距離計算公式為：

為第m類樣本第α維，β表示數據的維度總數，為第m類聚類中心的第α維數據；x_m為第m類樣本；c_m為第m類聚類中心。

7.根據權利要求5所述的一種基于負荷預測的可參與需求響應負荷辨識方法，其特征在于，

在所述步驟3.3中，該聚類中心選取的概率為：

D(x_m)為點x_m與所有聚類中心的最小距離，N代表點的個數，D(x_n)為任意一點x_n與所有聚類中心的最小距離。