【技术实现步骤摘要】
一种基于用户用电特征的基线负荷预测修正方法
本专利技术涉及一种能源互联网场景下的应用优化技术,尤其是涉及一种基于用户用电特征的基线负荷预测修正方法。
技术介绍
“双碳”目标提出以及能源革命不断推进,建筑能耗约占社会总能耗的1/3,电力需求响应是为特定时间设计并执行的节电措施,通过填谷削峰需求弹性和市场经济杠杆的作用来调节电力供应与需求之间的矛盾。而在电力需求响应项目效果评价中,用户基线负荷为定量评价用户负荷削减程度提供了数据参考,通常受到用户用电行为因素的影响最大,目前,以平均值法和回归法为基础的,加以人工神经网络、聚类为代表的数据挖掘等不同的计算方法在不同的项目中得到广泛应用。然而,现有普遍对所有建筑用户均采用一样的基线负荷预测修正方法进行计算,一定程度上忽略了用户用电行为的各自特点,没有针对不同用户的用电负荷特征采用适用基线负荷预测修正方法,缺乏针对性、适配性,降低了负荷调控的精确度,因此,更合理、更精准的建筑基线负荷预测修正方法对虚拟电厂运营、建筑节能等双碳方案、措施推进具有重要作用。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于用户用电特征的基线负荷预测修正方法。本专利技术的目的可以通过以下技术方案来实现:一种基于用户用电特征的基线负荷预测修正方法,该方法包括如下步骤:S1、基于用户历史用电负荷数据进行用户特征分类,确定用户类别,包括:负荷平缓型:用电行为日夜无明显差异的用户,负荷波动型:用电行为日夜差别大的 ...
【技术保护点】
1.一种基于用户用电特征的基线负荷预测修正方法,其特征在于,该方法包括如下步骤:/nS1、基于用户历史用电负荷数据进行用户特征分类,确定用户类别,包括:/n负荷平缓型:用电行为日夜无明显差异的用户,/n负荷波动型:用电行为日夜差别大的用户,/n负荷逐级型:用电行为按照阶段式递增或递减的用户;/nS2、对各个类别的用户分别进行基线负荷预测:/na、若属于负荷平缓型用户,则通过分类方法确定预测日负荷曲线所属的负荷类别以及典型负荷曲线,基于与预测日邻近的临近日负荷数据以及典型负荷曲线预测修正用户基线负荷;/nb、若属于负荷波动型用户,则基于预测日负荷曲线选取相似日负荷数据,基于相似日负荷数据预测修正用户基线负荷;/nc、若属于负荷逐级型用户,则基于用户历史负荷数据预测修正用户基线负荷。/n
【技术特征摘要】
1.一种基于用户用电特征的基线负荷预测修正方法,其特征在于,该方法包括如下步骤:
S1、基于用户历史用电负荷数据进行用户特征分类,确定用户类别,包括:
负荷平缓型:用电行为日夜无明显差异的用户,
负荷波动型:用电行为日夜差别大的用户,
负荷逐级型:用电行为按照阶段式递增或递减的用户;
S2、对各个类别的用户分别进行基线负荷预测:
a、若属于负荷平缓型用户,则通过分类方法确定预测日负荷曲线所属的负荷类别以及典型负荷曲线,基于与预测日邻近的临近日负荷数据以及典型负荷曲线预测修正用户基线负荷;
b、若属于负荷波动型用户,则基于预测日负荷曲线选取相似日负荷数据,基于相似日负荷数据预测修正用户基线负荷;
c、若属于负荷逐级型用户,则基于用户历史负荷数据预测修正用户基线负荷。
2.根据权利要求1所述的一种基于用户用电特征的基线负荷预测修正方法,其特征在于,步骤S1采用聚类方法进行用户特征分类,所述的聚类方法包括K-means聚类算法。
3.根据权利要求2所述的一种基于用户用电特征的基线负荷预测修正方法,其特征在于,步骤S1采用K-means聚类算法进行用户特征分类的具体步骤包括:
选择从预测日向前N天的历史负荷数据,前N天中不包括双休、节假日;
将每天的历史负荷数据每15分钟一个点,每天96个负荷点作为样本集;
采用K-means聚类算法进行聚类,将用户划分为多个类别。
4.根据权利要求1所述的一种基于用户用电特征的基线负荷预测修正方法,其特征在于,对于负荷平缓型用户确定预测日负荷曲线所属的负荷类别以及典型负荷曲线的具体方法包括:
a1、历史数据选取与预处理:选取预测日前X天的历史负荷数据,对于缺失或异常数据,采用相邻两个时段负荷的平均值进行补齐或替换,X为常数,X≤60;
a2、构造日特征向量:包括日负荷数据、日最高温度、日平均温度、日平均湿度、星期类型,其中日负荷数据按照时间点选取形成若干个日负荷点,对日特征向量中的各类数据进行归一化处理;
a3、基于日特征向量对历史负荷数...
【专利技术属性】
技术研发人员:张皓,刘晓春,田英杰,吴裔,李凡,屠盛春,熊真真,黄福海,周银,张艳霞,陈雪梅,苏运,郭乃网,朱征,赵莹莹,时志雄,陈琰,杜习周,许唐云,
申请(专利权)人:上海腾天节能技术有限公司,国网上海市电力公司,
类型:发明
国别省市:上海;31
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。