【技術(shù)實(shí)現(xiàn)步驟摘要】
本申請(qǐng)涉及負(fù)荷調(diào)節(jié)，尤其涉及一種用于電力系統(tǒng)的負(fù)荷調(diào)節(jié)潛力評(píng)估方法、系統(tǒng)及介質(zhì)。
技術(shù)介紹
1、為了實(shí)現(xiàn)電力系統(tǒng)的低碳化轉(zhuǎn)型，需求側(cè)響應(yīng)在平衡電力供需、優(yōu)化資源配置中的作用日益顯著。為此，精準(zhǔn)評(píng)估需求側(cè)負(fù)荷的調(diào)節(jié)潛力對(duì)制定有效的電力削峰填谷策略，建設(shè)靈活、低碳、可靠電力系統(tǒng)具有指導(dǎo)意義。在準(zhǔn)確評(píng)估負(fù)荷調(diào)節(jié)能力后，通過(guò)分時(shí)電價(jià)、需求響應(yīng)激勵(lì)等手段，可以有效引導(dǎo)負(fù)荷用電行為，從而緩解電力供需不平衡。
2、在現(xiàn)有負(fù)荷調(diào)節(jié)潛力評(píng)估技術(shù)中，大致分為以下兩類(lèi)：1、模型驅(qū)動(dòng)的負(fù)荷潛力評(píng)估：建立可轉(zhuǎn)移、可中斷、可削減的負(fù)荷模型，并結(jié)合用戶(hù)實(shí)際用電曲線評(píng)估負(fù)荷調(diào)節(jié)潛力。2、數(shù)據(jù)驅(qū)動(dòng)的負(fù)荷潛力評(píng)估：基于大量歷史負(fù)荷數(shù)據(jù)，利用機(jī)器學(xué)習(xí)等數(shù)據(jù)分析方法評(píng)估負(fù)荷調(diào)節(jié)潛力。
3、但是，上述兩種傳統(tǒng)方法均存在局限性。1、模型驅(qū)動(dòng)方法由于缺乏數(shù)據(jù)支撐，評(píng)估結(jié)果的可信度較低，難以準(zhǔn)確刻畫(huà)電力負(fù)荷復(fù)雜的用電行為，特別是在工業(yè)行業(yè)中。2、數(shù)據(jù)驅(qū)動(dòng)方法依賴(lài)大量歷史數(shù)據(jù)，需要考慮多維度的外部影響因素，如時(shí)間、溫度、價(jià)格等，在數(shù)據(jù)不足或隱私保護(hù)嚴(yán)格的情況下，難以推廣應(yīng)用。
技術(shù)實(shí)現(xiàn)思路
1、針對(duì)現(xiàn)有技術(shù)的上述不足，本申請(qǐng)?zhí)峁┮环N用于電力系統(tǒng)的負(fù)荷調(diào)節(jié)潛力評(píng)估系統(tǒng)、方法及介質(zhì)，以解決現(xiàn)有的方法難以準(zhǔn)確刻畫(huà)電力負(fù)荷復(fù)雜的用電行為、在數(shù)據(jù)不足或隱私保護(hù)嚴(yán)格的情況下，難以推廣應(yīng)用的問(wèn)題。
2、第一方面，本申請(qǐng)?zhí)峁┝艘环N用于電力系統(tǒng)的負(fù)荷調(diào)節(jié)潛力評(píng)估方法，方法包括：
3、獲取任一評(píng)估主體在
4、本申請(qǐng)實(shí)施例提供的在線學(xué)習(xí)方法，通過(guò)系統(tǒng)聚類(lèi)分析，將評(píng)估主體預(yù)設(shè)歷史時(shí)間段內(nèi)的日負(fù)荷數(shù)據(jù)（日負(fù)荷曲線）作為特征，進(jìn)行歷史日負(fù)荷數(shù)據(jù)的一次聚類(lèi)；其次，使用k-means聚類(lèi)方法，選取日負(fù)荷率、日峰谷差率和日最大負(fù)荷利用時(shí)間等特征向量進(jìn)行二次聚類(lèi)分析，目的是捕捉用戶(hù)復(fù)雜的用電行為和習(xí)慣；然后，在聚類(lèi)分析基礎(chǔ)上，采用非線性自回歸神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，主要采用歷史負(fù)荷數(shù)據(jù)與外部環(huán)境數(shù)據(jù)（如電價(jià)、天氣、生產(chǎn)計(jì)劃等）進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練；最后，為精確評(píng)估負(fù)荷調(diào)節(jié)潛力，計(jì)算預(yù)測(cè)日與聚類(lèi)中心的最優(yōu)匹配，根據(jù)匹配結(jié)果計(jì)算聚類(lèi)中心上下邊界與預(yù)測(cè)負(fù)荷的差值，進(jìn)而計(jì)算獲得負(fù)荷調(diào)節(jié)潛力（填谷能力和削峰能力）。
5、在本申請(qǐng)的一種實(shí)現(xiàn)方式中，日負(fù)荷曲線為96點(diǎn)日負(fù)荷曲線。
6、在本申請(qǐng)的一種實(shí)現(xiàn)方式中，利用預(yù)設(shè)聚類(lèi)算法、預(yù)設(shè)第一聚類(lèi)數(shù)h，將曲線樣本數(shù)據(jù)聚類(lèi)為預(yù)設(shè)聚類(lèi)數(shù)量個(gè)典型日聚類(lèi)中心，具體包括：
7、s1、基于公式：
8、，
9、計(jì)算兩兩曲線樣本數(shù)據(jù)的歐氏距離；其中，表示兩個(gè)曲線樣本數(shù)據(jù)中的一個(gè)，表示兩個(gè)曲線樣本數(shù)據(jù)中的另一個(gè)；t表示時(shí)間點(diǎn)，m=24小時(shí)/時(shí)間點(diǎn)之間的時(shí)間間隔；
10、s2、將歐氏距離最小的兩個(gè)類(lèi)合并為新類(lèi)，并執(zhí)行k=k-1操作；其中，k的初始值為曲線樣本數(shù)據(jù)的總天數(shù)；
11、s3、循環(huán)s1-s2，直至k=h。
12、在本申請(qǐng)的一種實(shí)現(xiàn)方式中，在利用訓(xùn)練好的非線性自回歸神經(jīng)網(wǎng)絡(luò)，基于預(yù)設(shè)時(shí)間段的歷史數(shù)據(jù)和當(dāng)日的外部環(huán)境數(shù)據(jù)，擬合獲得當(dāng)日預(yù)測(cè)負(fù)荷曲線之前，方法還包括：
13、獲取非線性自回歸神經(jīng)網(wǎng)絡(luò)的關(guān)鍵參數(shù)：訓(xùn)練步長(zhǎng)、傳遞函數(shù)g（）、輸出層期望值y、隱藏層期望值h、和學(xué)習(xí)率；
14、通過(guò)公式：
15、，
16、計(jì)算獲得隱藏層輸出預(yù)測(cè)值；其中，為輸入層到隱藏層的權(quán)重矩陣，為隱藏層的閾值；表示輸入的歷史數(shù)據(jù)；
17、通過(guò)公式：
18、；
19、計(jì)算隱藏層誤差，進(jìn)而利用公式：
20、，更新；
21、其中，δ表示傳遞函數(shù)的導(dǎo)數(shù)；
22、通過(guò)公式：
23、，
24、計(jì)算獲得輸出層輸出預(yù)測(cè)值；其中，為隱藏層到輸出層的權(quán)重矩陣，為輸出層的閾值；
25、通過(guò)公式：
26、；
27、計(jì)算輸出層誤差，進(jìn)而利用公式：
28、，更新；
29、非線性自回歸神經(jīng)網(wǎng)絡(luò)迭代直至和達(dá)到預(yù)設(shè)誤差閾值。
30、在本申請(qǐng)的一種實(shí)現(xiàn)方式中，利用k-means?聚類(lèi)、預(yù)設(shè)第二聚類(lèi)數(shù)t，基于日負(fù)荷率、日峰谷差率和日最大負(fù)荷利用時(shí)間三個(gè)維度的特征，對(duì)曲線樣本數(shù)據(jù)進(jìn)行二次聚類(lèi)，具體包括：
31、s1、從曲線樣本數(shù)據(jù)中提取日負(fù)荷率、日峰谷差率和日最大負(fù)荷利用時(shí)間；
32、進(jìn)而構(gòu)造若干三維向量樣本：；其中，i表示第i個(gè)樣本；i∈[0,l]，l表示總樣本數(shù)；表示第i個(gè)樣本的日負(fù)荷率，表示第i個(gè)樣本的日峰谷差率，表示第i個(gè)樣本的日最大負(fù)荷利用時(shí)間；
33、s2、隨機(jī)選擇t個(gè)樣本作為初始聚類(lèi)中心；
34、s3、采用公式：
35、，
36、計(jì)算每個(gè)樣本到聚類(lèi)中心的距離，進(jìn)而將分配到距離最近的聚類(lèi)中心；
37、其中，表示第j個(gè)聚類(lèi)中心，j∈[0,t]；
38、s4、通過(guò)公式：
39、，
40、重新計(jì)算每一個(gè)聚類(lèi)中心；其中，表示當(dāng)前第j個(gè)聚類(lèi)中心包含的樣本數(shù)量；
41、s5、重復(fù)s3-s4，直至聚類(lèi)中心不再發(fā)生變化或達(dá)到預(yù)設(shè)的迭代次數(shù)。
42、在本申請(qǐng)的一種實(shí)現(xiàn)方式中，基于預(yù)測(cè)負(fù)荷曲線、預(yù)測(cè)負(fù)荷曲線對(duì)應(yīng)的典型日聚類(lèi)中心中負(fù)荷功率的最大值曲線、最小值曲線、預(yù)留百分比，計(jì)算獲得評(píng)估主體的填谷能力和削峰能力，具體包括：
43、將最大值曲線上調(diào)預(yù)留百分比，獲得最終最大值曲線；其中，最大值曲線為典型日聚類(lèi)中心中各個(gè)采集時(shí)間點(diǎn)的最大值組成的曲線；
44、將最小值曲線下調(diào)預(yù)留百分比，獲得最終最小值曲線；其中，最大值曲線為典型日聚類(lèi)中心中各個(gè)采集時(shí)間點(diǎn)的最小值組成的曲線；
45、通過(guò)公式：
46、，計(jì)算獲得預(yù)測(cè)當(dāng)日在各個(gè)采集時(shí)間本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種用于電力系統(tǒng)的負(fù)荷調(diào)節(jié)潛力評(píng)估方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的用于電力系統(tǒng)的負(fù)荷調(diào)節(jié)潛力評(píng)估方法，其特征在于，所述日負(fù)荷曲線為96點(diǎn)日負(fù)荷曲線。
3.根據(jù)權(quán)利要求1所述的用于電力系統(tǒng)的負(fù)荷調(diào)節(jié)潛力評(píng)估方法，其特征在于，利用預(yù)設(shè)聚類(lèi)算法、預(yù)設(shè)第一聚類(lèi)數(shù)H，將曲線樣本數(shù)據(jù)聚類(lèi)為預(yù)設(shè)聚類(lèi)數(shù)量個(gè)典型日聚類(lèi)中心，具體包括：
4.根據(jù)權(quán)利要求1所述的用于電力系統(tǒng)的負(fù)荷調(diào)節(jié)潛力評(píng)估方法，其特征在于，在利用訓(xùn)練好的非線性自回歸神經(jīng)網(wǎng)絡(luò)，基于預(yù)設(shè)時(shí)間段的歷史數(shù)據(jù)和當(dāng)日的外部環(huán)境數(shù)據(jù)，擬合獲得當(dāng)日預(yù)測(cè)負(fù)荷曲線之前，所述方法還包括：
5.?根據(jù)權(quán)利要求1所述的用于電力系統(tǒng)的負(fù)荷調(diào)節(jié)潛力評(píng)估方法，其特征在于，利用K-means?聚類(lèi)、預(yù)設(shè)第二聚類(lèi)數(shù)T，基于日負(fù)荷率、日峰谷差率和日最大負(fù)荷利用時(shí)間三個(gè)維度的特征，對(duì)曲線樣本數(shù)據(jù)進(jìn)行二次聚類(lèi)，具體包括：
6.根據(jù)權(quán)利要求1所述的用于電力系統(tǒng)的負(fù)荷調(diào)節(jié)潛力評(píng)估方法，其特征在于，基于預(yù)測(cè)負(fù)荷曲線、預(yù)測(cè)負(fù)荷曲線對(duì)應(yīng)的典型日聚類(lèi)中心中負(fù)荷功率的最大值曲線、最小值曲線、預(yù)留百
7.一種用于電力系統(tǒng)的負(fù)荷調(diào)節(jié)潛力評(píng)估系統(tǒng)，其特征在于，所述系統(tǒng)包括：
8.根據(jù)權(quán)利要求7所述的用于電力系統(tǒng)的負(fù)荷調(diào)節(jié)潛力評(píng)估系統(tǒng)，其特征在于，擬合模塊包括訓(xùn)練單元，
9.根據(jù)權(quán)利要求7所述的用于電力系統(tǒng)的負(fù)荷調(diào)節(jié)潛力評(píng)估系統(tǒng)，其特征在于，計(jì)算模塊包括計(jì)算單元，
10.一種非易失性計(jì)算機(jī)存儲(chǔ)介質(zhì)，其特征在于，其上存儲(chǔ)有計(jì)算機(jī)指令，所述計(jì)算機(jī)指令在被執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-6任一項(xiàng)所述的一種用于電力系統(tǒng)的負(fù)荷調(diào)節(jié)潛力評(píng)估方法。
...【技術(shù)特征摘要】
1.一種用于電力系統(tǒng)的負(fù)荷調(diào)節(jié)潛力評(píng)估方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的用于電力系統(tǒng)的負(fù)荷調(diào)節(jié)潛力評(píng)估方法，其特征在于，所述日負(fù)荷曲線為96點(diǎn)日負(fù)荷曲線。
3.根據(jù)權(quán)利要求1所述的用于電力系統(tǒng)的負(fù)荷調(diào)節(jié)潛力評(píng)估方法，其特征在于，利用預(yù)設(shè)聚類(lèi)算法、預(yù)設(shè)第一聚類(lèi)數(shù)h，將曲線樣本數(shù)據(jù)聚類(lèi)為預(yù)設(shè)聚類(lèi)數(shù)量個(gè)典型日聚類(lèi)中心，具體包括：
4.根據(jù)權(quán)利要求1所述的用于電力系統(tǒng)的負(fù)荷調(diào)節(jié)潛力評(píng)估方法，其特征在于，在利用訓(xùn)練好的非線性自回歸神經(jīng)網(wǎng)絡(luò)，基于預(yù)設(shè)時(shí)間段的歷史數(shù)據(jù)和當(dāng)日的外部環(huán)境數(shù)據(jù)，擬合獲得當(dāng)日預(yù)測(cè)負(fù)荷曲線之前，所述方法還包括：
5.?根據(jù)權(quán)利要求1所述的用于電力系統(tǒng)的負(fù)荷調(diào)節(jié)潛力評(píng)估方法，其特征在于，利用k-means?聚類(lèi)、預(yù)設(shè)第二聚類(lèi)數(shù)t，基于日負(fù)荷率、日峰谷差率和日最大負(fù)荷利用時(shí)間三...
【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：王念欣，楚世豪，高志濱，曾暉，欒吉益，陳萬(wàn)福，王興，李海峰，
申請(qǐng)(專(zhuān)利權(quán))人：山東鋼鐵股份有限公司，
類(lèi)型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。