一种电力零售用户的可调容量预测方法及系统技术方案

本申请公开了一种电力零售用户的可调容量预测方法及系统，从历史数据中获取电力零售用户的电力负荷样本数据，针对电力负荷样本数据利用回归分析法进行分析，得到电力负荷的主成分分量数据；基于得到电力负荷的主成分分量数据，通过构建递归神经网络并进行优化训练，基于神经网络，构建电力负荷预测分析模型；通过构建神经网络零售用户的电力负荷预测分析模型来对电力负荷数据进行预测，获取电力零售用户的电力负荷预测结果；根据电力零售用户申报的最大调节容量和电力负荷预测结果计算零售用户各时段的可调容量；并将计算结果通过前置设备进行输出展示。本发明专利技术能够对电力零售用户的可调容量进行准确、实时、可靠的预测。可靠的预测。可靠的预测。

【技术实现步骤摘要】
一种电力零售用户的可调容量预测方法及系统


[0001]本申请属于电力市场领域，具体涉及一种电力零售用户的可调容量预测方法及系统。

技术介绍

[0002]随着电动汽车、虚拟电厂等新型主体的快速发展，我国电力市场发展重心逐步转向零售侧，电力零售用户的灵活性潜力凸显，电力零售市场在促进清洁能源消纳、保障电力系统稳定运行方面将发挥更加重要的作用。通过合理的、准确的预测电力零售用户的可调容量，有利于充分发挥电力零售用户的灵活特性，为电网提供调节手段，进一步促进新能源消纳。
[0003]传统的可调容量预测主要是凭靠预测人员的干预完成的，对预测人员的素质、分析能力和运行经验都有很高的要求。其发展可分为两个阶段：第一阶段，预测人员完全依靠自己的经验独立完成预测；第二阶段，引进具有一定分析能力的容量预测软件，参考软件分析结果，以人工干预和修正完成预测。
[0004]随着我国经济和电力市场的快速发展，零售用户智能化用电水平逐步提高，并日趋呈现社会化、复杂化。面对更趋混沌的电力负荷变化规律，传统的以人为主的可调容量预测方式难以适应需求。同时，随着电力市场的进一步开放，电力交易中心和电力调度中心对电力零售用户的可调容量预测的准确性、实时性、可靠性及智能性都提出了更高的要求。

技术实现思路

[0005]本申请提出了一种电力零售用户的可调容量预测方法及系统，通过回归分析法以及神经网络来分析预测未来某天内的电力零售用户可调容量。
[0006]为实现上述目的，本申请提供了如下方案：
[0007]一种电力零售用户的可调容量预测方法及,包括以下内容：
[0008]获取待测试的电力零售用户的电力负荷数据集，分析电力负荷数据集变化规律和影响负荷变化的因素；
[0009]基于所述待测试的电力零售用户的电力负荷数据集，通过回归分析法进行分析，得到电力负荷的主成分分量数据集；
[0010]基于所述电力负荷的主成分分量数据集，通过构建递归神经网络并进行优化训练，获取基于神经网络的电力零售用户的电力负荷预测分析模型；
[0011]基于所述电力零售用户的电力负荷预测分析模型，对所述待测试的电力零售用户的电力负荷数据集进行预测分析，获取电力零售用户的电力负荷预测结果。
[0012]电力零售用户申报最大调节容量数据；
[0013]基于所述的电力零售用户可调容量计算模型，对所述待测试的电力零售用户的可调容量进行计算，获取电力零售用户的可调容量结果。
[0014]优选的，所述通过回归分析法进行分析的方法包括：根据所述待测试的电力零售
用户的电力负荷数据集变化规律和影响负荷变化的因素，寻找电力负荷数据集与影响因素之间的相关关系及其回归方程式，确定模型参数，得到电力负荷的主成分分量数据集。
[0015]优选的，所述构建递归神经网络并进行优化训练的方法包括：
[0016]通过递归神经网络层对所述电力负荷的主成分分量数据集生成网络内部状态；
[0017]通过输出层接收所述网络内部状态并且对所述网络内部状态进行处理以对所述电力负荷的主成分分量数据集成网络输出。
[0018]优选的，基于所述电力零售用户的可调容量结果，通过前端设备进行多维度展示。
[0019]优选的，所述预测分析的方法包括：
[0020]每个递归神经网络层被配置成接收针对电力负荷数据集的输入并且计算所述时间步的所述层的层内部状态；
[0021]所述输出层被配置成针对每个时间步接收该时间步的网络内部状态并且针对该时间步生成下一个预测未来时间段内电力负荷数据集。
[0022]本申请还提出了一种电力零售用户的可调容量预测系统，
[0023]包括：电力零售用户负荷数据采集模块；电力零售用户负荷回归分析模块；电力零售用户负荷预测分析模型构建模块；电力零售用户负荷预测分析模块；电力零售用户最大调节容量申报模块；电力零售用户可调容量计算模块；电力零售用户可调容量展示模块；
[0024]所述电力零售用户负荷数据采集模块用于获取待测试的电力零售用户的电力负荷数据集；
[0025]所述电力零售用户负荷回归分析模块用于基于所述待测试的电力零售用户的电力负荷数据集，通过回归分析法进行分析，得到电力负荷的主成分分量数据集；
[0026]所述电力零售用户负荷预测分析模型构建模块用于基于所述电力负荷的主成分分量数据集，通过构建递归神经网络并进行优化训练，获取基于神经网络的电力零售用户的电力负荷预测分析模型；
[0027]所述电力零售用户负荷预测分析模块用于基于所述电力零售用户的电力负荷预测分析模型，对所述待测试的电力零售用户的电力负荷数据集进行预测分析，获取电力零售用户的电力负荷预测结果；
[0028]所述电力零售用户最大调节容量申报模块用于获取上述待测试的电力零售用户的最大调节容量数据；
[0029]所述电力零售用户可调容量计算模块用于计算电力零售用户未来某天各时段可调容量结果；
[0030]所述电力零售用户可调容量展示模块用于基于所述电力零售用户的可调容量计算结果，通过前端设备进行多维度展示。
[0031]优选的，所述通过回归分析法进行分析的方法包括：根据所述待测试的电力零售用户的电力负荷数据集变化规律和影响负荷变化的因素，寻找电力负荷数据集与影响因素之间的相关关系及其回归方程式，确定模型参数，得到电力负荷的主成分分量数据集。
[0032]优选的，所述电力负荷预测分析模型预测分析模块中所述预测分析的方法包括：
[0033]每个递归神经网络层被配置成接收针对电力负荷数据集的输入并且计算所述时间步的所述层的层内部状态；
[0034]所述输出层被配置成针对每个时间步接收该时间步的网络内部状态并且针对该
时间步生成下一个预测未来时间段内电力负荷数据集。
[0035]本申请的有益效果为：本申请公开了一种电力零售用户的可调容量预测方法和系统，本申请能够对电力零售用户的电力负荷和可调容量进行准确、实时、可靠的预测，有利于充分挖掘电力零售用户调节潜力，提高电力系统灵活性，本申请具有广阔的推广空间和使用价值。
附图说明
[0036]为了更清楚地说明本申请的技术方案，下面对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0037]图1为本申请实施例方法流程示意图；
[0038]图2为本申请实施例系统组成示意图。
具体实施方式
[0039]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0040]为使本申请的上述目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力零售用户的可调容量预测方法，其特征在于，获取待测试的电力零售用户的电力负荷数据集；基于所述待测试的电力零售用户的电力负荷数据集，分析电力负荷数据集变化规律和影响负荷变化的因素，并通过回归分析法进行分析，得到电力负荷的主成分分量数据集；基于所述电力负荷的主成分分量数据集，通过构建递归神经网络并进行优化训练，获取基于神经网络的电力零售用户的电力负荷预测分析模型；基于所述电力零售用户的电力负荷预测分析模型，对所述待测试的电力零售用户的电力负荷数据集进行预测分析，获取电力零售用户的电力负荷预测结果；获取电力零售用户申报的最大调节容量，结合上述电力零售用户的电力负荷预测结果，计算得到零售用户各时段的可调容量结果。2.根据权利要求1所述电力零售用户的可调容量预测方法，其特征在于，所述通过回归分析法进行分析的方法包括：根据所述待测试的电力零售用户的电力负荷数据集变化规律和影响负荷变化的因素，寻找电力负荷数据集与影响因素之间的相关关系及其回归方程式，确定模型参数，得到电力负荷的主成分分量数据集。3.根据权利要求1所述电力零售用户的可调容量预测方法，其特征在于，所述构建递归神经网络并进行优化训练的方法包括：通过递归神经网络层对所述电力负荷的主成分分量数据集生成网络内部状态；通过输出层接收所述网络内部状态并且对所述网络内部状态进行处理以对所述电力负荷的主成分分量数据集成网络输出。4.根据权利要求1
‑
3任一项所述电力零售用户的可调容量预测方法，其特征在于，基于所述电力零售用户的电力负荷预测结果和可调容量结果，通过前端设备进行多维度展示。5.根据权利要求1所述电力零售用户的可调容量预测方法，其特征在于，所述预测分析的方法包括：每个递归神经网络层被配置成接收针对电力负荷数据集的输入并且计算时间步的层的层内部状态；输出层被配置成针对每个时间步接收该时间步的网络内部状态并且针对该时间步生成下一个预测未来时间段内电力负荷数据集。6.一种电力零售用户的可调容量预测系统,...

【专利技术属性】
技术研发人员：刘波，李俊，冯丽，张萌雨，韩震宇，伍明佳，赵志强，刘国平，刘敦楠，李根柱，许小峰，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：