公变台区需求响应成效预测模型构建方法及装置制造方法及图纸

本发明专利技术属于供电需求管理技术领域，公开了一种公变台区需求响应成效预测模型构建方法及装置，结合历史需求响应开展情况，分析影响需求响应效果的因素，确定输入量和输出量；基于改进PSO算法和SVR模型搭建改进PSO

Construction method and device of demand response effect prediction model in public transformer substation area

【技术实现步骤摘要】
公变台区需求响应成效预测模型构建方法及装置


[0001]本专利技术属于供电需求管理
，具体涉及一种公变台区需求响应成效预测模型构建方法及装置。

技术介绍

[0002]随着全球经济发展和用电量的快速攀升，电力行业面临化石燃料短缺和生态保护压力日益增大。仅考虑电源侧的调节资源已难以满足电力系统安全高效的运行需求，亟需释放需求侧资源的灵活性调节能力。需求响应作为电力需求侧管理一种重要手段，即通过电价调整或给予用户激励，促使用户调整特定时间段用能行为，从而改变负荷曲线，促使电网供需平衡，发挥削峰填谷的作用。需求响应资源作为一种高效灵活的可调节资源，相比于建设发电厂和储能电厂，在经济型和调节速度上由具有一定优势。随着人民生活质量不断提升，公变台区季节性尖峰负荷矛盾突出，台区过载、重载比例持续增加，针对公变台区开展需求响应有较为紧迫的需求，亟需需求响应效果预测模型辅助电网公司在公变台区开展需求响应，从而解决台区重过载问题，为需求响应方案设计提供数据支撑。

技术实现思路

[0003]本专利技术的目的在于提供一种公变台区需求响应成效预测模型构建方法及装置，以解决上述
技术介绍
中提出的问题。
[0004]为实现上述目的，本专利技术采用的技术方案如下：公变台区需求响应成效预测模型构建方法，包括以下步骤：步骤1、结合历史需求响应开展情况，分析影响需求响应效果的因素，确定改进PSO
‑
SVM需求响应效果预测模型的输入量和输出量；步骤2、基于改进PSO算法和SVR模型搭建改进PSO
‑r/>SVR需求响应效果预测模型；步骤3、向改进PSO
‑
SVR需求响应效果预测模型输入训练数据进行参数寻优，确定最优的惩罚函数和最优核参数；步骤4、构建最优改进PSO
‑
SVR需求响应效果预测模型并进行训练和预测：基于最优的惩罚函数和最优核参数，构建最优改进PSO
‑
SVR需求响应效果预测模型，并使用历史数据对最优改进PSO
‑
SVR需求响应效果预测模型进行训练；向训练后的最优改进PSO
‑
SVR需求响应效果预测模型输入用户需预测的数据，最优改进PSO
‑
SVR需求响应效果预测模型输出预测结果。
[0005]进一步优选，步骤2中的改进PSO算法为：
式中，为学习因子；为0到1之间相互独立的随机值；为惯性权重因子，通常为非负常数；表示第个粒子下一时刻的速度；表示第个粒子当前时刻的速度；为当前粒子最优最优解；为种群最优解；为自然常数，为当前迭代次数，为最大迭代次数，代表第个粒子的位置。
[0006]进一步优选，步骤2中所述SVR模型选用核函数为径向基核函数：式中为两个特征向量之间的平方的欧几里得距离，为输入特征向量，为核参数中心值，为径向基核函数，为核参数；SVR模型的损失度函数公式如下：式中，和是超平面的参数，为偏差常量，是的超平面，T表示矩阵转置；所述SVR模型如下所示：式中，为第个第一容忍因子，为第个第二容忍因子，n为样本数量，为惩罚函数。
[0007]进一步优选，所述输入量为温度、湿度、风速、日期属性、活动开展时长、节电量补贴单价、活动推广方式、需求响应活动参与率、居民用户多时段负荷特征量、用户用电行为特征量；所述输出量为用户需求响应节电量。
[0008]进一步优选，步骤3具体过程如下：步骤3.1，设置寻优问题数量、惩罚函数和核参数的取值范围、最大迭代次数，完成改进PSO
‑
SVR需求响应效果预测模型初始化，输入量为温度、湿度、风速、日期属性、活动开展时长、节电量补贴单价、活动推广方式、需求响应活动参与率、居民用户多时段负荷特征量、用户用电行为特征量；输出量选取为用户需求响应节电量；步骤3.2，数据集拆分：将全部需求响应数据拆分为测试数据集、训练数据集；步骤3.3，输入训练数据集对改进PSO
‑
SVR需求响应效果预测模型进行训练；步骤3.4，对步骤3.3中训练完成的改进PSO
‑
SVR需求响应效果预测模型，输入测试数据集对改进PSO
‑
SVR需求响应效果预测模型进行验证；采用决定系数R2作为改进PSO
‑
SVR需求响应效果预测模型评价指标，式中，为第i个预测值，为第i个实际值，为实际值均值，记录本次迭代决定系数对应的惩罚函数和核参数；步骤3.5，采用公式（1）更新更新粒子位置，并重复执行训练步骤3.3
‑
步骤3.4；步骤3.6，判断；若满足终止条件，转步骤3.7，不满足转步骤3.3；步骤3.7，根据不同核参数和惩罚函数下决定系数，选取最优决定系数对应的惩罚函数和最优核参数作为最优改进PSO
‑
SVR需求响应效果预测模型的参数。
[0009]本专利技术还提供一种公变台区需求响应成效预测装置，包括用电数据导入模块、外部信息采集模块、历史需求响应导入模块、需求响应方案导入模块、指标计算模块、训练模块、预测模块，所述用电数据导入模块导入用户的历史用电数据，用于计算用户的用电特征。外部信息采集模块收集需求开展日的温度、湿度、风速、日期类型等数据。历史需求响应导入模块负责导入用户历史需求响应数据。如基准量、节电量等数据。需求响应方案导入模块用于导入各次需求响应的方案数据，如各用户补贴单价、邀约方式等。指标计算模块基于用电数据导入模块、外部信息采集模块、历史需求响应导入模块、需求响应方案导入模块中的数据，计算各输入指标的值。训练模块用于参数寻优、构建最优的改进PSO
‑
SVR需求响应效果预测模型。预测模块用于对用户需求响应效果进行预测。
[0010]本专利技术还提供一种用于实现公变台区需求响应成效预测的电子设备，包括处理器、存储器、输入装置和输出装置，处理器负责对输入装置的数据计算各输入量的值；负责进行改进PSO
‑
SVR需求响应效果预测模型的训练、测试、参数寻优。并保存至存储器中，存储器负责所有数据的存储。输入装置负责从需求响应系统、营销业务系统、用电信息采集系统中导入需求响应历史数据、用电数据、外部数据等。输出装置负责输出最终的预测数据。
[0011]本专利技术的有益效果是：相较于传统的负荷预测，本专利技术在考虑外部环境因素、用户负荷特征的基础上，额外考虑了需求响应方案对居民用户需求响应成效的影响，使预测模型更加适用需求响应。使用改进PSO算法对SVR模型关键参数寻优，该算法将学习因子和惯性权重因子动态化，在收敛速度和寻优效果均有提升。
附图说明
[0012]图1为本专利技术的流程图。
[0013]图2为公变台区需求响应成效预测装置的模块组成示意图。
[0014]图3为本专利技术实施例提供的电子设备的结构示意图。
[0015]图4为某一用户的预测效果图。
具体实施方式
[0016]以下结合附图对本专利技术的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本专利技术，并不用于限定本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.公变台区需求响应成效预测模型构建方法，其特征在于，包括以下步骤：步骤1、结合历史需求响应开展情况，分析影响需求响应效果的因素，确定改进PSO
‑
SVM需求响应效果预测模型的输入量和输出量；步骤2、基于改进PSO算法和SVR模型搭建改进PSO
‑
SVR需求响应效果预测模型；步骤3、向改进PSO
‑
SVR需求响应效果预测模型输入训练数据进行参数寻优，确定最优的惩罚函数和最优核参数；步骤4、构建最优改进PSO
‑
SVR需求响应效果预测模型并进行训练和预测：基于最优的惩罚函数和最优核参数，构建最优改进PSO
‑
SVR需求响应效果预测模型，并使用历史数据对最优改进PSO
‑
SVR需求响应效果预测模型进行训练；向训练后的最优改进PSO
‑
SVR需求响应效果预测模型输入用户需预测的数据，最优改进PSO
‑
SVR需求响应效果预测模型输出预测结果。2.根据权利要求1所述的公变台区需求响应成效预测模型构建方法，其特征在于，步骤2中的改进PSO算法为：式中，、为学习因子；、为0到1之间相互独立的随机值；为惯性权重因子，通常为非负常数；表示第个粒子下一时刻的速度；表示第个粒子当前时刻的速度；为当前粒子最优最优解；为种群最优解；为自然常数，为当前迭代次数，为最大迭代次数，代表第个粒子的位置。3.根据权利要求2所述的公变台区需求响应成效预测模型构建方法，其特征在于，步骤2中所述SVR模型选用核函数为径向基核函数：式中为两个特征向量之间的平方的欧几里得距离，为输入特征向量，为核参数中心值，为径向基核函数，为核参数；SVR模型的损失度函数公式如下：
式中，和是超平面的参数，为偏差常量，是的超平面，T表示矩阵转置；所述SVR模型如下所示：式中，为第个第一容忍因子，为第个第二容忍因子，n为样本数量，为惩罚函数。4.根据权利要求1所述的公变台区需求响应成效预测模型构建方法，其特征在于，所述输入量为温度、湿度、风速、日期属性、活动开展时长、节电量补贴单价、活动推广方式、需求响应活动参与率、居民用户多时段负荷特征量、用户用电行为特征量；所述输出量为用户需求响应节电量。5.根据权利要求2所述的公变台区需求响应成效预测模型构建方法，其特征在于，步骤3具体过程如下：步骤3.1，设置寻优问题数量、惩罚函数和核参数的取值范围、最大迭代次数，完成改进PSO
‑
SVR需求响应效果预测模型初始化，输入量为温度、湿度、风速、日期属性、活动开展时长、节电量补贴单价、活动推广方式、需求响应活动参与率、居民用户多时段负荷特征量、用户用电行为特征量；输出量选取为用户需求响应节电量；步骤3.2，数据集拆分：将全部需求响...

【专利技术属性】
技术研发人员：康兵，张亚楠，丁贵立，王宗耀，许志浩，韩威，肖辉，周俊，
申请(专利权)人：南昌工程学院，
类型：发明
国别省市：