[發(fā)明專利]基于BP神經(jīng)網(wǎng)絡(luò)的專變用戶有功無功碳排放預測方法

有效

• 申請?zhí)枺?/td>: 202210846396.6
• 申請日: 2022-07-19
• 公開（公告）號: CN115099522B
• 公開（公告）日: 2023-04-18
• 發(fā)明（設(shè)計）人: 劉盼盼;章銳;周吉;錢俊良;邰偉
• 申請（專利權(quán)）人: 東南大學溧陽研究院;南京東博智慧能源研究院有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04;G06N3/084;H02J3/00;G01D21/02
• 代理公司: 南京鑫之航知識產(chǎn)權(quán)代理事務所(特殊普通合伙) 32410
• 代理人: 姚蘭蘭

本發(fā)明公開了一種基于BP神經(jīng)網(wǎng)絡(luò)的專變用戶有功無功碳排放預測方法，本發(fā)明面向?qū)Ｗ冇脩簦岢龌贐P神經(jīng)網(wǎng)絡(luò)的專變用戶有功/無功碳排放預測技術(shù)；本發(fā)明主要采用基于傳感裝置的專變用戶電碳和環(huán)境信息采集技術(shù)，歸一化處理，構(gòu)建訓練得到基于BP神經(jīng)網(wǎng)絡(luò)的專變用戶有功負荷/無功負荷預測模型以及有功/無功綜合碳排放因子預測模型，最終實現(xiàn)對專變用戶有功、無功碳排放量的有效預測；本發(fā)明克服了有功、無功交互影響，專變用戶內(nèi)部碳排放難以有效計算的技術(shù)難題；本發(fā)明提高預測計算結(jié)果，實現(xiàn)對趨勢預測，有利于給出專變用戶碳排放規(guī)律，為專變用戶掌握自身碳排放趨勢，制定專變用戶低碳用能策略，助理電網(wǎng)碳減排，具有重要意義。

技術(shù)領(lǐng)域

本發(fā)明涉及電力系統(tǒng)領(lǐng)域，具體是基于BP神經(jīng)網(wǎng)絡(luò)的專變用戶有功無功碳排放預測技術(shù)。

背景技術(shù)

電網(wǎng)公司以新型電力系統(tǒng)為方向，加快推進能源互聯(lián)網(wǎng)企業(yè)建設(shè)，以更高站位、更寬視野、更實舉措，推動電源側(cè)、電網(wǎng)側(cè)、用戶側(cè)協(xié)同發(fā)力。近年來，專變用戶數(shù)量逐漸增多，專變用戶可控性好是碳減排的主戰(zhàn)場。

但受有功、無功交互影響，專變用戶內(nèi)部碳排放難以有效計算。在電網(wǎng)碳排放計算過程中，由于受無功的影響，消耗相同有功量的兩個用戶，其碳排放不一定相同，二者的消耗的無功也不一定相同，因此二者碳排放量不一定相同。且專變用戶碳排放規(guī)律尚不明確，挖掘?qū)Ｗ冇脩籼寂欧乓?guī)律，支撐電網(wǎng)調(diào)控，對促進電網(wǎng)碳減排具有重要意義。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是受有功、無功交互影響，專變用戶內(nèi)部碳排放難以有效計算；

本發(fā)明面向?qū)Ｗ冇脩簦瑸闇p低專變用戶碳排放，需要挖掘并掌握專變用戶碳排放規(guī)律，助力電網(wǎng)碳減排，提出基于BP神經(jīng)網(wǎng)絡(luò)的專變用戶有功/無功碳排放預測技術(shù)；

主要包括：基于傳感裝置的專變用戶電-碳信息采集技術(shù)，專變用戶多源信息歸一化預處理技術(shù)，基于BP神經(jīng)網(wǎng)絡(luò)的專變用戶有功負荷/無功負荷預測模型，基于BP神經(jīng)網(wǎng)絡(luò)的專變用戶有功/無功綜合碳排放因子預測模型，最終實現(xiàn)對專變用戶有功、無功碳排放量的有效預測；

本發(fā)明提供如下技術(shù)方案：

基于BP神經(jīng)網(wǎng)絡(luò)的專變用戶有功無功碳排放預測方法，包括如下步驟：

S1.采集專變用戶的電碳信息數(shù)據(jù)以及環(huán)境信息數(shù)據(jù)，形成基礎(chǔ)數(shù)據(jù)庫；

S2.歸一化預處理S1中基礎(chǔ)數(shù)據(jù)庫的電碳信息數(shù)據(jù)以及環(huán)境信息數(shù)據(jù)，構(gòu)建用于負荷、碳排放因子預測的訓練和測試集；用于負荷預測的訓練和測試集劃分為有功負荷以及無功負荷；

碳排放因子預測的訓練和測試集劃分為有功集以及無功集；

S3.構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的專變用戶有功/無功負荷預測模型，并利用S2中相應的訓練和測試集，進行訓練和測試得到專變用戶有功/無功負荷預測模型；

S4.構(gòu)建專變用戶綜合有功/無功碳排放因子模型，利用S2中電碳信息數(shù)據(jù)計算獲得專變用戶綜合有功和無功碳排放因子數(shù)據(jù)集，并劃分為訓練和測試樣本；

構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的專變用戶綜合有功/無功碳排放因子預測模型，利用S2中相應的訓練和測試集以及上述專變用戶綜合有功和無功碳排放因子數(shù)據(jù)集，進行訓練和測試得到專變用戶綜合有功/無功碳排放因子預測模型；

S5.基于S3中得到的專變用戶有功/無功負荷預測模型和S4中得到的專變用戶綜合有功/無功碳排放因子預測模型，預測得到專變用戶的有功和無功負荷以及綜合有功和無功碳排放因子；并據(jù)此計算專變用戶有功和無功源碳排放量，并實現(xiàn)對其趨勢預測。

優(yōu)選的，所述S1中利用基于傳感裝置的采集技術(shù)，利用傳感裝置和物聯(lián)網(wǎng)技術(shù)對專變用戶的電碳信息和環(huán)境信息進行采集，電碳信息包括進線單位有功、無功碳排放因子、專變用戶有功負荷、無功負荷；環(huán)境信息包括天氣溫度、光照強度以及風速信息；