主动需求响应潜力分析方法、装置、设备以及存储介质制造方法及图纸

本申请涉及一种主动需求响应潜力分析方法、装置、计算机设备和存储介质，本申请通过非侵入式的负荷识别对需求侧各个电器的实时用电数据进行识别，而后进行需求响应分析，以获取实时负荷数据以及需求响应潜力数据，并基于实时负荷数据以及需求响应潜力数据获取电力补偿信号，而后基于该电力补偿信号以及用户的实时用电数据来生成并推送补偿奖励信息给到用户端，通过补偿奖励来进行用户端的用电管理。通过非侵入式的负荷识别，有效提高对需求侧的能源监测能力以及需求侧用电数据的数据源质量，同时通过在用电管理中向用户补偿奖励信息来调节用户对电器的使用，可以有效提高用户对于用电管理的参与度，进一步提高根据需求响应来进行用电管理的效率。

Active demand response potential analysis methods, devices, equipment and storage media

【技术实现步骤摘要】
主动需求响应潜力分析方法、装置、设备以及存储介质
本申请涉及计算机
，特别是涉及一种主动需求响应潜力分析方法、装置、设备以及存储介质。
技术介绍
需求侧管理是提高电能利用效率的方法之一。然而现有的需求侧管理存在多个问题。一是需求侧能源使用模式的探测识别与精准预测；二是在电力市场环境下能源互联网用户侧实施过程中的最优决策管理，三是用户可持续性参与能源互联网需求侧的成本，四是能源互联网商业模式的可持续性。其中需求响应是实现能源互联网的关键技术。需求响应是电力需求响应的简称，是指当电力批发市场价格升高或系统可靠性受威胁时，电力用户接收到供电方发出的诱导性减少负荷的直接补偿通知或者电力价格上升信号后，改变其固有的习惯用电模式，达到减少或者推移某时段的用电负荷而响应电力供应，从而保障电网稳定，并抑制电价上升的短期行为。目前已有通过采用深度强化学习来进行需求响应分析的方法，然而这些方案基本都是在本地运行服务器运行执行，这种执行方式并不能满足需求响应方案在实际运行中的时效性要求。
技术实现思路
基于此，有必要针对传统的方案不能满足需求响应方案在实际运行中的时效性要求的问题，提供一种能够有效缩短延时的主动需求响应潜力分析方法、装置、计算机设备以及存储介质。一种主动需求响应潜力分析方法，所述方法包括：获取用户用电的用电参数，通过非侵入式负荷识别，获取所述用电参数对应用户的用电行为数据；将所述用电行为数据输入预设需求响应分析模型，通过协同边缘计算，获取预估用户响应行为数据，所述预设需求响应分析模型通过用户历史行为数据对初始因子图模型进行训练获取；将所述预估用户响应行为数据输入预设行为决策模型，通过协同边缘计算，获取用户响应交互数据，将所述用户响应交互数据反馈至所述用户，所述预设行为决策模型基于深度强化学习与机器说服技术构建；获取用户根据所述用户响应交互数据生成的主动响应数据；根据所述用户响应交互数据与所述主动响应数据，获取所述用户对应的主动需求响应潜力分析数据。在其中一个实施例中，所述获取用户用电的用电参数，通过非侵入式负荷识别，获取所述用电参数对应用户的用电行为数据包括：获取用户用电的用电参数；获取所述用电参数对应的负荷变化数据；根据所述负荷变化数据获取负荷事件探测数据；提取所述负荷事件探测数据对应的电力信号特征；对所述电力信号特征进行负荷识别，获取所述用户的每个用电设备的用电数据；根据所述用电数据获取所述用户的用电行为数据。在其中一个实施例中，所述将所述用电行为数据输入预设需求响应分析模型，通过协同边缘计算，获取预估用户响应行为数据之前，包括：获取用户对应的时间特征数据、历史用户行为数据、历史负荷状态数据以及历史响应频率特征数据；通过初始因子图模型整合所述时间特征数据、所述历史用户行为数据、所述历史负荷状态数据以及所述历史响应频率特征数据；通过置信度传播算法对整合后的所述因子图模型进行训练，获得预设需求响应分析模型。在其中一个实施例中，所述获取用户根据所述用户响应交互数据生成的主动响应数据包括：获取反馈所述用户响应交互数据之后预设响应时间段内用户的用电行为数据；将所述预设响应时间段内用户的用电行为数据输入预设用户行为检测模型，获取用户行为数据，所述预设用户行为检测模型基于候选区域的深度学习目标检测算法构建；根据所述用户行为数据以及所述用户响应交互数据，获取主动响应数据。在其中一个实施例中，所述根据所述用户响应交互数据与所述主动响应数据，获取所述用户对应的主动需求响应潜力分析数据包括：根据所述主动响应数据与所述用户响应交互数据，获取所述用户对应的主动响应频率数据；通过所述主动响应频率数据获取主动需求响应潜力分析数据。在其中一个实施例中，所述根据所述用户响应交互数据与所述主动响应数据，获取所述用户对应的主动需求响应潜力分析数据之后，还包括：获取预设分析区域内所有用户各用电设备对应的主动需求响应潜力分析数据；根据所述用电设备对应的预设电压级别对所述主动需求响应潜力分析数据进行数据分级处理，获取各预设电压级别对应的主动需求响应潜力分析数据；根据所述各预设电压级别对应的主动需求响应潜力分析数据，获取所述预设分析区域对应的主动需求响应潜力分析数据。一种主动需求响应潜力分析装置，包括：用电数据获取模块，用于获取用户用电的用电参数，通过非侵入式负荷识别，获取所述用电参数对应用户的用电行为数据；响应预估模块，用于将所述用电行为数据输入预设需求响应分析模型，通过协同边缘计算，获取预估用户响应行为数据，所述预设需求响应分析模型通过用户历史行为数据对初始因子图模型进行训练获取；行为预测模块，用于将所述预估用户响应行为数据输入预设行为决策模型，通过协同边缘计算，获取用户响应交互数据，将所述用户响应交互数据反馈至所述用户，所述预设行为决策模型基于深度强化学习与机器说服技术构建；响应预估模块，用于获取用户根据所述用户响应交互数据生成的主动响应数据；潜力分析模块，用于根据所述用户响应交互数据与所述主动响应数据，获取所述用户对应的主动需求响应潜力分析数据。在其中一个实施例中，所述用电数据获取模块用于：获取用户用电的用电参数；获取所述用电参数对应的负荷变化数据；根据所述负荷变化数据获取负荷事件探测数据；提取所述负荷事件探测数据对应的电力信号特征；对所述电力信号特征进行负荷识别，获取所述用户的每个用电设备的用电数据；根据所述用电数据获取所述用户的用电行为数据。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取用户用电的用电参数，通过非侵入式负荷识别，获取所述用电参数对应用户的用电行为数据；将所述用电行为数据输入预设需求响应分析模型，通过协同边缘计算，获取预估用户响应行为数据，所述预设需求响应分析模型通过用户历史行为数据对初始因子图模型进行训练获取；将所述预估用户响应行为数据输入预设行为决策模型，通过协同边缘计算，获取用户响应交互数据，将所述用户响应交互数据反馈至所述用户，所述预设行为决策模型基于深度强化学习与机器说服技术构建；获取用户根据所述用户响应交互数据生成的主动响应数据；根据所述用户响应交互数据与所述主动响应数据，获取所述用户对应的主动需求响应潜力分析数据。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取用户用电的用电参数，通过非侵入式负荷识别，获取所述用电参数对应用户的用电行为数据；将所述用电行为数据输入预设需求响应分析模型，通过协同边缘计算，获取预估用户响应行为数据，所述预设需求响应分析模型通过用户历史行为数据对初始因子图模型进行训练获取；将所述预估用户本文档来自技高网...

【技术保护点】
1.一种主动需求响应潜力分析方法，所述方法包括：/n获取用户用电的用电参数，通过非侵入式负荷识别，获取所述用电参数对应用户的用电行为数据；/n将所述用电行为数据输入预设需求响应分析模型，通过协同边缘计算，获取预估用户响应行为数据，所述预设需求响应分析模型通过用户历史行为数据对初始因子图模型进行训练获取；/n将所述预估用户响应行为数据输入预设行为决策模型，通过协同边缘计算，获取用户响应交互数据，将所述用户响应交互数据反馈至所述用户，所述预设行为决策模型基于深度强化学习与机器说服技术构建；/n获取用户根据所述用户响应交互数据生成的主动响应数据；/n根据所述用户响应交互数据与所述主动响应数据，获取所述用户对应的主动需求响应潜力分析数据。/n

【技术特征摘要】
1.一种主动需求响应潜力分析方法，所述方法包括：
获取用户用电的用电参数，通过非侵入式负荷识别，获取所述用电参数对应用户的用电行为数据；
将所述用电行为数据输入预设需求响应分析模型，通过协同边缘计算，获取预估用户响应行为数据，所述预设需求响应分析模型通过用户历史行为数据对初始因子图模型进行训练获取；
将所述预估用户响应行为数据输入预设行为决策模型，通过协同边缘计算，获取用户响应交互数据，将所述用户响应交互数据反馈至所述用户，所述预设行为决策模型基于深度强化学习与机器说服技术构建；
获取用户根据所述用户响应交互数据生成的主动响应数据；
根据所述用户响应交互数据与所述主动响应数据，获取所述用户对应的主动需求响应潜力分析数据。


2.根据权利要求1所述的方法，其特征在于，所述获取用户用电的用电参数，通过非侵入式负荷识别，获取所述用电参数对应用户的用电行为数据包括：
获取用户用电的用电参数；
获取所述用电参数对应的负荷变化数据；
根据所述负荷变化数据获取负荷事件探测数据；
提取所述负荷事件探测数据对应的电力信号特征；
对所述电力信号特征进行负荷识别，获取所述用户的每个用电设备的用电数据；
根据所述用电数据获取所述用户的用电行为数据。


3.根据权利要求1所述的方法，其特征在于，所述将所述用电行为数据输入预设需求响应分析模型，通过协同边缘计算，获取预估用户响应行为数据之前，包括：
获取用户对应的时间特征数据、历史用户行为数据、历史负荷状态数据以及历史响应频率特征数据；
通过初始因子图模型整合所述时间特征数据、所述历史用户行为数据、所述历史负荷状态数据以及所述历史响应频率特征数据；
通过置信度传播算法对整合后的所述因子图模型进行训练，获得预设需求响应分析模型。


4.根据权利要求1所述的方法，其特征在于，所述获取用户根据所述用户响应交互数据生成的主动响应数据包括：
获取反馈所述用户响应交互数据之后预设响应时间段内用户的用电行为数据；
将所述预设响应时间段内用户的用电行为数据输入预设用户行为检测模型，获取用户行为数据，所述预设用户行为检测模型基于候选区域的深度学习目标检测算法构建；
根据所述用户行为数据以及所述用户响应交互数据，获取主动响应数据。


5.根据权利要求1所述的方法，其特征在于，所述根据所述用户响应交互数据与所述主动响应数据，获取所述用户对应的主动需求响应潜力分...

【专利技术属性】
技术研发人员：唐猛，杨文伟，王如发，李祖毅，其他发明人请求不公开姓名，
申请(专利权)人：深圳能源售电有限公司，深圳市芝电能源科技有限公司，
类型：发明
国别省市：广东;44