基于卷积网络及协同过滤的分布式配电网电价调整方法技术

本发明专利技术提供一种基于卷积网络及协同过滤的分布式配电网电价调整方法，包括：1、根据配电网数据进行特征提取；2、评分矩阵构造；3、奇异值分解；4、相似程度计算；5、确认待推荐用户；6、根据其排序选取推荐用户。该发明专利技术采用卷积神经网络方法实现含分布式电源配电网出力预测，实现数据特征提取，预测含分布式电源配电网出力充沛时段，利用预测结果进行电价调整。还采用基于奇异值分解分解和模型的协同过滤方法对用户推送电价优惠信息，奇异值分解方法应用范围广泛，适用于大规模数据；基于模型的协同过滤方法能够提高协同过滤性能，更精准地筛选排序。根据用户与目标用户之间的相似度排序，确定最终推荐用户，降低非必要的信息传播成本。本。本。

【技术实现步骤摘要】
基于卷积网络及协同过滤的分布式配电网电价调整方法


[0001]本专利技术属于电力系统及其自动化
，涉及一种电价调整的软件计算方式，特别是一种基于卷积网络及协同过滤的分布式配电网电价调整方法。

技术介绍

[0002]随着国际能源供应紧张与大气污染导致环境变化，可再生能源的受重视程度日益提高，其中以风电、光伏为代表的清洁能源发展迅速。但分布式能源受天气条件和地理环境影响，功率输出具有随机性，故而难以调控，给配电网带来波动性，且分布式能源出力不能与用户侧用电高峰时间高度匹配。因此，通过储能设备进行电能削峰填谷，是良好的解决方案。然而，目前储能技术的发展尚未成熟，仍具有局限性。如抽水蓄能技术虽然较为完善，但其利用受地形条件的制约，同时防水涂层制备价格高昂，成本问题得不到解决，因而限制了其应用。考虑到储能技术尚待进一步发展，且储能过程中的能量转换本身会导致电能损耗，因此希望通过其他手段促进解决含分布式能源配电网中的电能消纳问题，从而提高电能的利用效率。目前在国内外研究中，关于配电网电价调整主要基于投资成本以及用户需求，与配电网本身发电量联系较弱，而在含分布式能源的配电网中，负荷处于高峰期时分布式电源出力不一定多，造成了大量弃风弃光现象。
[0003]传统的配电网电价调整方法主要有：1)平衡账户调整机制，根据平衡账户的盈亏开启电价调整工作，当平衡账户盈利大于一定幅度时，适量降低电价以还利于民，当平衡账户亏损一定幅度时，适量提高电价从而予以补偿。2)上下浮动比例电价调整机制，通过高峰用电量上浮比例以及低谷用电量下浮比例对平段电价予以加权，从而制定出高峰电价与低谷电价，对电价进行调整。3)阶梯电价调整机制，对不同领域产业耗能进行监控管制，对高耗能型产业采取差别电价，执行惩罚型电价，对居民电价制度予以调整，保证低收入人群基本生活。
[0004]卷积神经网络是一种深度学习的研究方向，通过学习输入数据样本的内在表达和规律层次从而提取出数据样本深层次的特征，目前在多个领域产业都开展了广泛应用。现有配电网电价调整机制的局限性为，基于负荷需求的电价机制不能很好地对电网出力做出正面反馈，导致两者联系较弱。

技术实现思路

[0005]本专利技术的目的是针对现有的技术存在上述问题，提出了一种通过卷积神经网络深度提取信息特征的特点，对配电网中各类传感器采集到的数据进行特征分析，预测出发电量充沛的时段，并对电价进行复合调控，配合协同过滤作为推荐合作机制，通过给予输入数据信息对应程度的回应达到筛选信息的基于卷积网络及协同过滤的分布式配电网电价调整方法。
[0006]本专利技术的目的可通过下列技术方案来实现：一种基于卷积网络及协同过滤的分布式配电网电价调整方法，包括以下步骤：
[0007]S1、根据配电网数据进行特征提取：
[0008]调取数据库数据，应用卷积神经网络对传感器数据、用电负荷数据以及时间数据进行特征提取，而后进行预测；
[0009]S2、评分矩阵构造：
[0010]将不同时段的电价量化，用评分矩阵P
a
×
b
(a≥b)表示用户对电价的评分，P
x,y
表示用户x对电价y的评分，表示用户x对不同电价评分的平均值；
[0011]S3、奇异值分解：
[0012]对P
a
×
b
进行奇异值分解，再求P
′
P的特征值，得到E；再计算P
′
P的特征向量，得到F；最后求取PP
′
的特征向量，得到D；
[0013]S4、相似程度计算：
[0014]通过相似度公式，获取用户和目标用户之间的相似程度，公式如下：
[0015][0016]若该计算公式数值越大，则说明用户和目标用户之间的差异性越大；反之，差异性越小；
[0017]S5、确认待推荐用户：
[0018]首次电价降价向所有用户推送，根据降价时段用户的用电量变化定位潜在电价敏感型用户，以潜在电价敏感型用户为基准，再通过相似程度计算结果为其他用户排序；
[0019]S6、根据其排序选取推荐用户：
[0020]根据排序结果，优先向排序靠前的用户发出电价降价推送，即优先向与基准潜在电价敏感型用户关联度高的用户发出电价降价推送，该类用户更可能在分布式能源发电充沛时多用电，从而达到合理用电、平稳电网波动、减少弃风弃光现象；而对非电价敏感型用户，则减少此类推送，以降低非必要的信息传播成本。
[0021]在上述的基于卷积网络及协同过滤的分布式配电网电价调整方法中，步骤S1中，1)、卷积层处理：
[0022]卷积层用于对输入数据和卷积核进行卷积运算，运算结果输出作为下一层的输入；卷积层相当于滤波器，可以减少参数数量，防止过拟合。输入的多维数据将直接从数据库调入，表达式为：
[0023][0024]其中，t是输入矩阵，t
c
是传感器数据序列，t
f
是用电负荷数据序列，t
s
是时间数据序列；卷积后输出特征值z的表达式为：
[0025][0026]其中，u＝1,2,
…
U，v＝1,2,
…
V，z
u,v
是输入矩阵进行卷积后的输出结果，u,v是数据坐标，w
m,n
代表卷积核，t
u+m
‑
1,v+n
‑1代表输入矩阵的第u+m
‑
1行，v+n
‑
1列数据元素；
[0027]卷积层的激活函数选取ReLU激活函数，Relu激活函数具有训练快，避免梯度消失，增加网络非线性与稀疏性的优点，它的函数公式为：
[0028]f(z)＝max{0,z}。
[0029]在上述的基于卷积网络及协同过滤的分布式配电网电价调整方法中，步骤S1中，2)、池化层泛化；
[0030]池化层又称下采样层，可用于压缩数据及参数数目，减小信息冗余程度，降低过拟合。
[0031]池化层与卷积层结构类似，差异在于池化层将输入矩阵分割为多个不重合的区域，区域内输出元素为相应区域的最大值或平均值(最大池化、平均池化)，池化层不经过反向传播修改，具有旋转和平移不变性，能有效提高模型的泛化能力。池化层的函数公式如下：
[0032][0033][0034]其中，D表示池化区域，E
D
表示池化面积。通过池化运算可以有效提升模型效率及精度，促进模型数据的深度挖掘。
[0035]在上述的基于卷积网络及协同过滤的分布式配电网电价调整方法中，步骤S1中，3)、全连接层平铺：
[0036]全连接层用于将卷积池化处理后输出的二维数据平铺为一维数据，从而显示各类数据核心特征与配电网出力之间的联系；全连接层的函数公式如下：
[0037][0038]其中，k表示权重，d表示w维输入向量，b表示偏置，z为输出，即所求特征值。
[0039]在上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积网络及协同过滤的分布式配电网电价调整方法，其特征在于，包括以下步骤：S1、根据配电网数据进行特征提取：调取数据库数据，应用卷积神经网络对传感器数据、用电负荷数据以及时间数据进行特征提取，而后进行预测；S2、评分矩阵构造：将不同时段的电价量化，用评分矩阵P
a
×
b
(a≥b)表示用户对电价的评分，P
x,y
表示用户x对电价y的评分，表示用户x对不同电价评分的平均值；S3、奇异值分解：对P
a
×
b
进行奇异值分解，再求P
′
P的特征值，得到E；再计算P
′
P的特征向量，得到F；最后求取PP
′
的特征向量，得到D；S4、相似程度计算：通过相似度公式，获取用户和目标用户之间的相似程度，公式如下：若该计算公式数值越大，则说明用户和目标用户之间的差异性越大；反之，差异性越小；S5、确认待推荐用户：首次电价降价向所有用户推送，根据降价时段用户的用电量变化定位潜在电价敏感型用户，以潜在电价敏感型用户为基准，再通过相似程度计算结果为其他用户排序；S6、根据其排序选取推荐用户：根据排序结果，优先向排序靠前的用户发出电价降价推送，即优先向与基准潜在电价敏感型用户关联度高的用户发出电价降价推送，该类用户更可能在分布式能源发电充沛时多用电，从而达到合理用电、平稳电网波动、减少弃风弃光现象；而对非电价敏感型用户，则减少此类推送，以降低非必要的信息传播成本。2.如权利要求1所述的基于卷积网络及协同过滤的分布式配电网电价调整方法，其特征在于，步骤S1中，1)、卷积层处理：卷积层用于对输入数据和卷积核进行卷积运算，运算结果输出作为下一层的输入；输入的多维数据将直接从数据库调入，表达式为：其中，t是输入矩阵，t
c
是传感器数据序列，t
f
是用电负荷数据序列，t
s
是时间数据序列；卷积后输出特征值z的表达式为：
其中，u＝1,2,
…
U，v＝1,2,
…
V，z
u,v
是输入矩阵进行卷积后的输出结果，u,v是数据坐标，w
m,n
代表卷积核，t
u+m
‑
1,v+n
‑1代表输入矩阵的第u+m
‑
1行，v+n
‑
1列数据元素；卷积层的激活函数选取ReLU激活函数，它的函数公式为：f(z)＝max{0,z}。3.如权利要求2所述的基于卷积网络及协同过滤的分布式配电网电价调整方法，其特征在于，步骤S1中，2)、池化层泛化；池化层与卷积层结构类似，差异在于池化层将输入矩阵分割为多个不重合的区域，区域内输出元素为相应区域的最大值或平均值，池化层的函数公式如下：元素为相应区域的最大值或平均值，池化层的函数公式如下：其中，D表示池化区域，E
D
表示池化面积。4.如权利要求3所述的基于卷积网络及协同过滤的分布式配电网电价调整方法，其特征在于，步骤S1中，3)、全连接层平铺：全连接层用于将卷积池化处理后输出的二维数据平铺为一维数据，从而显示各类数据核心特征与配电网出力之间的联系；全连接层的函数公式如下：其中，k表示权重，d表示w维输入向量，b表示偏置，z为输出，即所求特征值。5.如权利要求1所述的基于卷积网络及协同过滤的分布式配电网电价调整方法，其特征在于，步骤S3中，1)、对评分矩阵奇异值分解：对P
a
×
b
进行奇异值分解，分解矩阵为D、E、F，它们满足如下关系：P＝D
×
E
×
F
′
其中，D为左奇异矩阵的列向量，F为右奇异矩阵的行向量，E称为奇异值。6.如权利要求5所述的基于卷积网络及协同过滤的分布式配电网电价调整方法，其特征在于，步骤S3中，2)、求P
′
P的特征值：按照从大到小的顺序进行开方运算，得到E；再进一步计算P
′
P的特征向量，将P
′
P的特征值按照从大到小的顺序排列，再对特征向量做正交化，得到F；最后求取PP
′
的特征向量，将PP
′
...

【专利技术属性】
技术研发人员：李兴，谢继冉，罗国敏，张世伟，王笛，段清天，孙汉林，郑彦文，李永赞，
申请(专利权)人：山东翰林科技有限公司，
类型：发明
国别省市：