This invention proposes a power production configuration method and device based on user model self learning. It sets up a power user load forecasting model for a certain industry under different scenarios. According to the result of load forecasting, the production plan of each power plant is best configured. In the future, when the load may exceed the power generation capacity, the intelligent output is advanced. The strategy of power limiting, this method is flexible in selection, can carry out load evaluation and set user priority weight according to different scenes and different industries, and does not need to change the current power communication network. Only by adding simple software and computing hardware to realize data collection and calculation, the cost is low, and the appropriate cost is low. Batch deployment.
【技术实现步骤摘要】
一种基于用户模型自学习的电力生产配置方法和装置
本专利技术涉及电力资源配置领域,尤其涉及是一种基于用户模型自学习的电力生产配置方法和装置。
技术介绍
电力在国民经济资源中占据着重要的地位,电力数据的处理和分析对发电、输电和配电等环节有着至关重要的作用。随着社会高速发展,用电量出现了前所未有的增长,伴随着电力发展出现了智能电网等新技术,随着而来的是电力数据的井喷式增长。这也为升级传统电力生产配置,提高电力生产效率提供了保障。目前,对于电力生产的配置主要依据近期的社会生产电力负荷需要,提前指定生产计划,并按照计划进行生产。当前,对负荷特性的现状、影响负荷特性的关键因素和未来负荷预测趋势都进行了一定程度的分析和研究,也得出了一些对电力规划和电网运行具有参考价值和作业指导的结果,但是缺乏对电力用户模型的建立,没有对用户的需求画像。但在一定程度上,对于特定用户对象来说(目标对象可以是小区、工厂、写字楼、商场等),影响电力需求负荷的原因有两点:第一点是时间因素,相同时间中不同时间段的电力负荷不同,如目标用户为企业或者厂房时,白天负荷值大,夜晚负荷值小;目标用户为小区时,早晨和傍晚负荷值大,日间和夜间负荷值小;对于不同的城市、地区来讲,电力负荷都与统一日期中不同时间有着强关联。第二是经济发展趋势、温度和天气:如在夏天和冬天,由于气温的过高和过低,均会产生空调、暖通设备的负荷,导致目标用户电力负荷的激增或者骤降;由于经济发展水平不同,也会导致目标对象的电力负荷发生变化。受限于数据处理能力和条件限制,在现有的系统中都没有考虑经济发展形势、地区气候条件、行业潮汐效应等因素对电 ...
【技术保护点】
1.一种基于用户模型自学习的电力生产配置方法,主要包括以下步骤:步骤一,获取预测场景下电网用户历史用电数据,以及用户行业数据,经济发展数据,气候数据,建立预测场景下的不同行业的用户负荷预测模型,包括场景用户负荷预测模型F和行业用户负荷预测模型C;步骤二,确定并选择负荷的预测评估区域,获得该区域的电力用户,调用出所述电力用户的场景用户负荷预测模型F和行业用户负荷预测模型C,其中设定选择的用户数量为N;步骤三,将场景用户负荷预测模型F结合行业用户负荷预测模型C并行快速处理,分别计算各电力用户未来预测时间段T2内的负荷预测曲线;步骤四,将未来预测时间段T2内的全部电力用户预测曲线进行叠加,得到所述预测评估区域总负荷预测曲线,计为C(t),则C(t)的计算公式如下:
【技术特征摘要】
1.一种基于用户模型自学习的电力生产配置方法,主要包括以下步骤:步骤一,获取预测场景下电网用户历史用电数据,以及用户行业数据,经济发展数据,气候数据,建立预测场景下的不同行业的用户负荷预测模型,包括场景用户负荷预测模型F和行业用户负荷预测模型C;步骤二,确定并选择负荷的预测评估区域,获得该区域的电力用户,调用出所述电力用户的场景用户负荷预测模型F和行业用户负荷预测模型C,其中设定选择的用户数量为N;步骤三,将场景用户负荷预测模型F结合行业用户负荷预测模型C并行快速处理,分别计算各电力用户未来预测时间段T2内的负荷预测曲线;步骤四,将未来预测时间段T2内的全部电力用户预测曲线进行叠加,得到所述预测评估区域总负荷预测曲线,计为C(t),则C(t)的计算公式如下:其中,pi(t)表示第i个用户在时间段T2内的负荷预测曲线;步骤五,根据所述预测评估区域的总负荷预测曲线C(t),动态规划各发电厂电力生产配置计划,使其在满足所述预测评估区域电力负荷的情况下,不造成多余产能的消耗;步骤六,检查所述预测评估区域的总负荷预测曲线C(t)是否超过各发电厂的总装机容量,如果超过,系统智能输出电力管控策略。2.如权利要求1所述的方法,其中在步骤一中,主要包括三个步骤:第一步,确定目标区域电力负荷场景,并给出不同场景的用户负荷预测模型,使用S代表不同的场景,使用F向量代表场景用户负荷预测模型,即不同场景S下,其对应着不同的F向量,F=(X1,X2),其中X1表示不同场景地区的GDP增长率,X2表示GDP与电力消耗之间的比值;第二步,挖掘较长一段时间内全部电网用户用电数据,根据这些用户用电数据,对不同行业进行打标签,采用C表示行业用户负荷预测模型,C=(Y1,Y2,Y3,Y4,Y5,Y6),其中,Y1表示一天的忙时占比,Y2表示忙时开始时间,Y3表示行业发展增速,Y4表示用户每增加单位产量需消耗电能系数,Y5表示用户忙时气温每增加1度需增加的电能消耗系数,Y6表示用户闲时气温每增加1度需增加的电能消耗系数;第三步,在确定用户行业的基础上,建立当前场景下行业用户的负荷预测模型,将用户一天24小时分成两个状态时间,分别是忙时Tbusy和闲事Tid...
【专利技术属性】
技术研发人员:郭子健,吴俊阳,郑熙,陈祯,商金来,胡习,
申请(专利权)人:深圳库博能源科技有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。