一种电力用户行为预测方法技术

本发明专利技术公开了一种电力用户行为预测方法，构建负荷聚合商模式下的激励型需求响应模型；根据激励型需求响应模型获取历史电力用户负荷量、激励价格；将历史电力用户负荷量、激励价格作为训练样本，对LSTM神经网络进行训练，得到训练后的LSTM神经网络；将已知的激励价格输入训练后的LSTM神经网络，预测出电力用户负荷量。本发明专利技术提供的一种电力用户行为预测方法，显著提高了电力用户行为的预测精度，能够准确预测负荷聚合商的响应行为。预测负荷聚合商的响应行为。预测负荷聚合商的响应行为。

【技术实现步骤摘要】
一种电力用户行为预测方法


[0001]本专利技术涉及一种电力用户行为预测方法，属于电力用户响应行为预测


技术介绍

[0002]随着需求响应激励政策的不断落实，电力用户参与电网调度的广度、深度也不断的提高。负荷资源作为需求侧资源之一，通过一系列途径，例如经济补贴手段、强制法律手段、宣传手段等调整用户负荷或者用电模式，引导用户科学合理的用电，提升电网灵活性，降低电网调峰压力。
[0003]但是，根据用户行为调整负荷资源具有很强的不确定性，限制了需求响应服务的发展。随着负荷类型与数量的不断发展，传统的电网侧集中调度用户使用负荷量面临极大挑战，负荷聚合商参与电力市场调度就显得尤为重要，目前大部分需求响应中的负荷预测侧重于对用户负载的预测，缺乏对用户在负荷聚合商模式下的用户行为的不确定性预测。因此，本领域技术人员急需要设计出新的负荷预测的方法，以提高电力市场调度精准度。

技术实现思路

[0004]目的：为了克服现有技术中存在的不足，本专利技术提供一种电力用户行为预测方法。
[0005]技术方案：为解决上述技术问题本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力用户行为预测方法，其特征在于：包括如下步骤：步骤S1、构建负荷聚合商模式下的激励型需求响应模型；步骤S2、根据激励型需求响应模型获取历史电力用户负荷量、激励价格；步骤S3、将历史电力用户负荷量、激励价格作为训练样本，对LSTM神经网络进行训练，得到训练后的LSTM神经网络；步骤S4、将已知的激励价格输入训练后的LSTM神经网络，预测出电力用户负荷量。2.根据权利要求1所述的一种电力用户行为预测方法，其特征在于：所述负荷聚合商模式下的激励型需求响应模型，包括：电力企业、负荷聚合商和可参与需求响应的电力用户；电力企业与负荷聚合商提前设定价格并签订合同，电力企业依据自身运行情况判断是否需要用户侧参与调节，若需要则提前向负荷聚合商下发负荷调节量指标；由于不同用户参与电网调节的成本各不相同，负荷聚合商根据自身利益调节电力用户负荷量并给与相应的激励价格。3.根据权利要求1所述的一种电力用户行为预测方法，其特征在于：所述电力用户负荷量包括：工业园区负荷、商业温控负荷、电动汽车、照明负荷、供热通风与空气调节负荷、家用负荷。4.根据权利要求1所述的一种电力用户行为预测方法，其特征在于：影响电力用户负荷量对不同激励价格的响应的因素，包括：(1)备选方案的可用性；(2)用户的当前负载状态；(3)用电支出占总支出的比例；(4)外部环境。5.根据权利要求1所述的一种电力用户行为预测方法，其特征在于：所述LSTM神经网络构建如下所示：LSTM通过3个控制门单元：遗忘门、输入门、输出门，选择保留或者丢弃信息。6.根据权利要求5所述的一种电力用户行为预测方法，其特征在于：所述遗忘门更新公式见式：f
t
＝σ(W

【专利技术属性】
技术研发人员：夏飞，汤铭，王鹏飞，杜元翰，王凌，胡游君，刘军，邱玉祥，张磊，刘赛，高雪，晁凯，杨勰，
申请(专利权)人：南京南瑞信息通信科技有限公司，
类型：发明
国别省市：