工业企业的电力能耗需求响应方法和系统、存储介质技术方案

本发明专利技术提供一种工业企业的电力能耗需求响应方法和系统、存储介质，方法包括：采集工业企业中多个能耗设备在预设历史时间段内的负荷特性数据；采用预设神经网络进行深度学习，得到该能耗设备在预设未来时间段内的预测电力负荷；确定工业企业在预设未来时间段内的预测总电力负荷；进行工业企业‑电力公司的双方非合作博弈，得到电力公司对工业企业的期望需求负荷；对各个能耗设备各自的预测电力负荷进行调整，得到各个能耗设备各自在预设未来时间段内的优化电力负荷；根据各个能耗设备各自的优化电力负荷，确定工业企业的用电安排策略，并向电力公司进行需求响应。本发明专利技术能够打破工业企业和电力公司之间信息不对称的壁垒，尽量实现双方利益最大化。

Method and system for power demand response of industrial enterprises and storage medium

The invention provides a response method, a system and a storage medium for power consumption demand of an industrial enterprise. The method comprises: collecting load characteristic data of multiple energy consumption devices in an industrial enterprise in a predetermined historical period; using a preset neural network for in-depth learning to obtain the preset energy consumption device in a predetermined future period of time. Measure the power load; determine the total power load of the industrial enterprise in the preset future period; conduct the non-cooperative game between the industrial enterprise and the electric power company to get the expected demand load of the power company for the industrial enterprise; adjust the forecasted power load of each energy consumption equipment to get each energy consumption equipment. Optimize the power load from the preset future period; according to each energy consumption equipment to optimize the power load, determine the industrial enterprise power arrangement strategy, and to the power company demand response. The invention can break the barrier of information asymmetry between industrial enterprises and electric power companies, and maximize the interests of both parties.

【技术实现步骤摘要】
工业企业的电力能耗需求响应方法和系统、存储介质
本专利技术涉及用电
，具体涉及一种工业企业的电力能耗需求响应方法和系统、存储介质。
技术介绍
目前，电力系统的安全运行与经济运行面临着多种风险，而拉闸限电等传统的控制方法除了影响正常的生活之外，还大大增加了发电企业的机组启停成本，并且对用电主体—工业企业的生产具有一定影响。我国目前大部分的发电系统仍然以火力发电为主，为了满足电网高峰负荷的需求并且保证电力系统稳定，如果仅对电力系统进行改进，需要付出巨大的重复建设成本以响应用电高峰负荷，但在用电低谷负荷期间，这部分电能又白白浪费。因此仅仅通过对发电侧的各项资源进行调整与优化的途径并不能从根本上解决上述问题。由于工业企业是用电主体，驱动工业企业积极进行电力需求响应可以有效缓解电网压力，而调动工业企业用电积极性的途径之一便是使工业企业成本降低，效益提高。可见，对需求侧的管理和优化变得至关重要。在此背景下，为工业企业建立行之有效的电力能耗需求响应方案显得尤为重要。
技术实现思路
(一)解决的技术问题针对现有技术的不足，本专利技术提供了一种工业企业的电力能耗需求响应方法和系统、存储介质，能够打破两者之间信息不对称的壁垒，尽量实现工业企业和电力公司双方利益的最大化。(二)技术方案为实现以上目的，本专利技术通过以下技术方案予以实现：第一方面，本专利技术实施例提供一种工业企业的电力能耗需求响应方法，该方法包括：采集所述工业企业中多个能耗设备在预设历史时间段内的负荷特性数据；根据每一个能耗设备的负荷特性数据，采用预设神经网络进行深度学习，得到该能耗设备在预设未来时间段内的预测电力负荷；根据各个能耗设备的所述预测电力负荷，确定所述工业企业在所述预设未来时间段内的预测总电力负荷；根据所述工业企业的所述预测总电力负荷和电力公司的供电策略，进行工业企业-电力公司的双方非合作博弈，得到所述电力公司对所述工业企业的期望需求负荷；根据所述期望需求负荷，对各个能耗设备各自的所述预测电力负荷进行调整，得到各个能耗设备各自在所述预设未来时间段内的优化电力负荷；根据各个能耗设备各自的优化电力负荷，确定所述工业企业的用电安排策略，并根据所述用电安排策略向所述电力公司进行需求响应。第二方面，本专利技术实施例提供一种工业企业电力能耗需求响应系统，该系统包括：数据采集模块，用于采集所述工业企业中多个能耗设备在预设历史时间段内的负荷特性数据；负荷预测模块，用于根据每一个能耗设备的负荷特性数据，采用预设神经网络进行深度学习，得到该能耗设备在预设未来时间段内的预测电力负荷；负荷整合模块，用于根据各个能耗设备的所述预测电力负荷，确定所述工业企业在所述预设未来时间段内的预测总电力负荷；非合作博弈模块，根据所述工业企业的所述预测总电力负荷和电力公司的供电策略，进行工业企业-电力公司的双方非合作博弈，得到所述电力公司对所述工业企业的期望需求负荷；负荷调整模块，用于根据所述期望需求负荷，对各个能耗设备各自的所述预测电力负荷进行调整，得到各个能耗设备各自在所述预设未来时间段内的优化电力负荷；需求响应模块，用于根据各个能耗设备各自的优化电力负荷，确定所述工业企业的用电安排策略，并根据所述用电安排策略向所述电力公司进行需求响应。第三方面，本专利技术实施例提供一种计算机可读存储介质，该介质上存储有计算机程序，在处理器执行所述计算机程序时可实现上述方法。(三)有益效果本专利技术实施例提供了一种工业企业的电力能耗需求响应方法和系统、存储介质，具备以下有益效果：本专利技术实施例采用神经网络对工业企业的能耗设备的负荷特性数据进行深度学习，得到预测电力负荷，进而对各个能耗设备的预测电力负荷进行整合，得到工业企业的预测总电力负荷，然后将工业企业与电力公司进行非合作博弈得到期望需求负荷，然后结合期望需求负荷对预测电力负荷进行调整，进而得到优化电力负荷，进而依据优化电力负荷对制定用电安排策略，进而依据该用电安排策略向电力公司进行响应。该方法不仅保证了预测电力负荷的有效性和实用性，也加强了工业企业与电力公司的联系，打破两者之间信息不对称的壁垒，使得工业企业认识到积极对电力公司进行需求响应能够为企业带来效益的提升，调动了工业企业对电力公司电力政策响应的积极性；更能够有效减轻电网高峰负荷，提高空余用电时段电能利用率，实现电力能源利用率最大化，从而尽量实现电力公司和工业企业双方利益的最大化。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1示出了本专利技术实施例中工业企业的电力能耗需求响应方法的流程示意图；图2示出了本专利技术实施例中工业企业电力能耗需求响应系统的结构框图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。第一方面，本专利技术实施例提供一种工业企业的电力能耗需求响应方法，如图1所示，该方法包括：S100、采集所述工业企业中多个能耗设备在预设历史时间段内的负荷特性数据；可理解的是，不同的工业企业，其能耗设备同。例如，空压机设备、风机设备、电机设备、过程加热设备、泵设备以及蒸汽设备等。其中某些设备若有的工业企业未拥有，则在采集数据时可以用零或零向量表示。所谓的负荷特性数据，是指能体现能耗设备负荷行为的属性、特征等参数数据，例如：负荷的日属性、周属性以及年属性；电力负荷时的天气温度；节假日频数；PPI指数(即生产价格指数，ProducerPriceIndex)、CPI指数(即居民消费价格指数，consumerpriceindex)；员工人数；工业企业季度效益。可理解的是，预设历史时间段，可以根据需要设定，例如，一个月、一个星期等。在具体实施时，还可以对采集的负荷特性数据进行预处理，清除异常数据。当对工业企业内的各个能耗设备采集好负荷特性数据并对其进行预处理之后，可以将得到的数据存储至数据库，以便后续使用。S200、根据每一个能耗设备的负荷特性数据，采用预设神经网络进行深度学习，得到该能耗设备在预设未来时间段内的预测电力负荷；可理解的是，针对每一个能耗设备，通过步骤S200中深度学习的方式对其在未来时间段内的电力负荷进行预测，得到的预测电力负荷是对这一能耗设备在未来时间段内的电力负荷的预测结果。其中深度学习所采用的神经网络模型可以根据需要选择，例如，采用循环神经网络模型RNN。下面介绍一种针对某一个能耗设备进行深度学习的方式：S201、根据电力公司的电力价格波动情况，确定所采集的负荷特性数据的输入步骤：用矩阵Xt表示第t步输入的负荷特性数据，t由所采集的数据对应的时间向量中第t个元素处理得到，Xt＝[d1t，d2t，d3t，......]。S202、将负荷特性数据输入后经过RNN神经网络处理进入隐藏层后得到St:St＝f(UXt+WSt-1)其本文档来自技高网...

【技术保护点】
1.一种工业企业的电力能耗需求响应方法，其特征在于，包括：采集所述工业企业中多个能耗设备在预设历史时间段内的负荷特性数据；根据每一个能耗设备的负荷特性数据，采用预设神经网络进行深度学习，得到该能耗设备在预设未来时间段内的预测电力负荷；根据各个能耗设备的所述预测电力负荷，确定所述工业企业在所述预设未来时间段内的预测总电力负荷；根据所述工业企业的所述预测总电力负荷和电力公司的供电策略，进行工业企业‑电力公司的双方非合作博弈，得到所述电力公司对所述工业企业的期望需求负荷；根据所述期望需求负荷，对各个能耗设备各自的所述预测电力负荷进行调整，得到各个能耗设备各自在所述预设未来时间段内的优化电力负荷；根据各个能耗设备各自的优化电力负荷，确定所述工业企业的用电安排策略，并根据所述用电安排策略向所述电力公司进行需求响应。

【技术特征摘要】
1.一种工业企业的电力能耗需求响应方法，其特征在于，包括：采集所述工业企业中多个能耗设备在预设历史时间段内的负荷特性数据；根据每一个能耗设备的负荷特性数据，采用预设神经网络进行深度学习，得到该能耗设备在预设未来时间段内的预测电力负荷；根据各个能耗设备的所述预测电力负荷，确定所述工业企业在所述预设未来时间段内的预测总电力负荷；根据所述工业企业的所述预测总电力负荷和电力公司的供电策略，进行工业企业-电力公司的双方非合作博弈，得到所述电力公司对所述工业企业的期望需求负荷；根据所述期望需求负荷，对各个能耗设备各自的所述预测电力负荷进行调整，得到各个能耗设备各自在所述预设未来时间段内的优化电力负荷；根据各个能耗设备各自的优化电力负荷，确定所述工业企业的用电安排策略，并根据所述用电安排策略向所述电力公司进行需求响应。2.根据权利要求1所述的方法，其特征在于，所述采用预设神经网络进行深度学习之前，所述方法还包括：将采集到的负荷特性数据进行归一化。3.根据权利要求1所述的方法，其特征在于，所述根据所述工业企业的所述预测总电力负荷和电力公司的供电策略，进行工业企业-电力公司的双方非合作博弈，包括：根据所述预测总电力负荷和电力公司的供电策略，确定所述工业企业的收益数据和所述电力公司的收益数据；对所述工业企业的收益数据和所述电力公司的收益数据进行纳什均衡博弈，得到所述期望需求负荷。4.根据权利要求3所述的方法，其特征在于，所述确定所述工业企业的收益数据，包括：根据所述电力公司的单位价格向量和所述工业企业的总电力负荷向量，确定所述工业企业需向所述电力公司支付的成本矩阵；其中，所述单位价格向量为所述电力公司在时间向量中的各个时间点的单位电价所形成的向量，所述总电力负荷向量为所述工业企业在所述各个时间点的所述预测总电力负荷所形成的向量，所述时间向量为所述预设未来时间段内的多个时间点所形成的向量，所述供电策略包括所述单位价格向量；根据所述工业企业的所述总电力负荷向量和各个能耗设备的效用参数，确定所述工业企业的效用矩阵；根据所述工业企业的所述成本矩阵和所述效用矩阵，确定所述工业企业的收益矩阵。5.根据权利要求4所述的方法，其特征在于，采用第一公式确定所述工业企业需向所述电力公司支付的成本矩阵，所述第一...

【专利技术属性】
技术研发人员：周开乐，卫书宇，温露露，陆信辉，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽,34