基于电力需求响应的在线调度方法及其系统技术方案

公开了一种基于电力需求响应的在线调度方法及其系统，其基于电力用户的电力用户需求响应申报调控数据的整体分布情况来为各个电力用户智能地分配需求响应调控量。具体地，以待调度电力用户的基于全局的电力用户需求响应调控语义特征向量作为查询特征向量，以乘积的方式去搜索作为库的包含多尺度电力需求隐含特征的多尺度电力需求关联特征矩阵，通过这样的方式，构建基于电力需求响应的在线调度方案，其具有更强的适用性和智能性。其具有更强的适用性和智能性。其具有更强的适用性和智能性。

【技术实现步骤摘要】
基于电力需求响应的在线调度方法及其系统


[0001]本申请涉及电力领域，且更为具体地，涉及一种基于电力需求响应的在线调度方法及其系统。

技术介绍

[0002]电力需求响应的定义为电力用户对实施机构发布的价格信号或激励机制做出响应，并改变电力消费模式的一种参与行为。有别于传统的有序用电和“刚性”调控负荷，电力需求响应手段突出“柔性”调控。
[0003]当电网受极端天气、新能源出力波动以及可靠性事件等因素影响，在局部区域、局部时段出现供电缺口或低谷调峰能力不足时，由省级电力运行主管部门安排需求响应实施机构组织电力用户或负荷聚合商参与日前级、小时级、分钟级和准实时级的互动响应，由电力用户直接或通过负荷聚合商间接调增或调减部分用电功率，从而对电力负荷进行再平衡，解决电力供需矛盾问题，并根据互动响应效果获得实施机构发放的激励资金。
[0004]电力需求响应实施机构，根据电网削峰或填谷的调控目标总量，组织邀约电力用户或者负荷聚合商参与需求响应调控。一方面，电力用户或者负荷聚合商，根据自身生产用能安排、可调节负荷设备资源的可调节能力向实施机构申报调控量；另一方面，实施机构如何根据申报情况，快速和高效地为电力用户或者负荷聚合商分解合适的调控量，保证参与需求响应调控的完成率，达到电力需求响应调控目标，保障电网用电平衡，是实施机构需要解决的一个问题。
[0005]目前电力需求响应实施机构是根据电力用户或者负荷聚合商的需求响应申报调控量情况，结合目标调控量，从申报时间的先后、申报价格的高低、申报调控量的多少等维度，为电力用户或者负荷聚合商分配需求响应调控量。
[0006]但是，目前电力需求响应实施机构对电力用户或者负荷聚合商参与需求响应调控的调控量分解，仍然存在以下不足：
[0007]1)按照固化的业务流程进行调控量分解，考虑的维度比较单一；
[0008]2)对于不同场景的需求响应调控事件，缺乏灵活应对的手段，无法调控分解至合适的电力用户或者负荷聚合商参与需求响应。
[0009]因此，期待一种优化的基于电力需求响应的在线调度方案。

技术实现思路

[0010]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于电力需求响应的在线调度方法及其系统，其基于电力用户的电力用户需求响应申报调控数据的整体分布情况来为各个电力用户智能地分配需求响应调控量。具体地，以待调度电力用户的基于全局的电力用户需求响应调控语义特征向量作为查询特征向量，以乘积的方式去搜索作为库的包含多尺度电力需求隐含特征的多尺度电力需求关联特征矩阵，通过这样的方式，构建基于电力需求响应的在线调度方案，其具有更强的适用性和智能性。
[0011]根据本申请的一个方面，提供了一种基于电力需求响应的在线调度方法，其包括：获取多个电力用户的需求响应申报调控的描述，所述需求响应申报调控的描述包括竞价时间、竞价价格以及交易额度；将所述多个电力用户的需求响应申报调控的描述分别通过基于转换器的上下文编码器以得到多个电力用户需求响应调控语义特征向量；将所述多个电力用户需求响应调控语义特征向量进行二维排列为电力用户需求特征矩阵后通过包含第一卷积神经网络模型和第二卷积神经网络模型的多尺度卷积结构以得到多尺度电力需求关联特征矩阵；从所述多个电力用户需求响应调控语义特征向量中提取待调度电力用户的电力用户需求响应调控语义特征向量；以所述待调度电力用户的电力用户需求响应调控语义特征向量作为查询特征向量，计算其与所述多尺度电力需求关联特征矩阵之间的乘积以得到分类特征向量；将所述分类特征向量输入类Softmax分类函数以得到概率值；以及基于所述概率值和目标调控量，确定所述待调度电力用户的需求响应调控量。
[0012]在上述基于电力需求响应的在线调度方法中，所述将所述多个电力用户的需求响应申报调控的描述分别通过基于转换器的上下文编码器以得到多个电力用户需求响应调控语义特征向量，包括：对所述各个电力用户的需求响应申报调控的描述进行分词处理以得到词序列；将所述词序列通过词嵌入层以得到词嵌入向量的序列；将所述词嵌入向量的序列输入所述基于转换器的上下文编码器以得到多个语义特征向量；以及，将所述多个语义特征向量进行级联以得到所述电力用户需求响应调控语义特征向量。
[0013]在上述基于电力需求响应的在线调度方法中，所述将所述词嵌入向量的序列输入所述基于转换器的上下文编码器以得到多个语义特征向量，包括：将所述词嵌入向量的序列排列为输入向量；将所述输入向量通过可学习嵌入矩阵分别转化为查询向量和关键向量；计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩阵；将所述标准化自注意关联矩阵输入Softmax激活函数进行激活以得到自注意力特征矩阵；以及，将所述自注意力特征矩阵与以所述词嵌入向量的序列中各个词嵌入向量作为值向量分别进行相乘以得到所述多个语义特征向量。
[0014]在上述基于电力需求响应的在线调度方法中，所述第一卷积神经网络模型使用具有第一尺度的第一卷积核，所述第二卷积神经网络模型使用具有第二尺度的第二卷积核，所述第一尺度不同于所述第二尺度。
[0015]在上述基于电力需求响应的在线调度方法中，所述将所述多个电力用户需求响应调控语义特征向量进行二维排列为电力用户需求特征矩阵后通过包含第一卷积神经网络模型和第二卷积神经网络模型的多尺度卷积结构以得到多尺度电力需求关联特征矩阵，包括：使用所述多尺度卷积结构的第一卷积神经网络模型对所述电力用户需求特征矩阵基于所述第一卷积核进行第一尺度深度卷积编码以得到第一尺度电力需求关联特征矩阵；使用所述多尺度卷积结构的第二卷积神经网络模型对所述电力用户需求特征矩阵基于所述第二卷积核进行第二尺度深度卷积编码以得到第二尺度电力需求关联特征矩阵；以及，融合所述第一尺度电力需求关联特征矩阵和所述第二尺度电力需求关联特征矩阵以得到所述多尺度电力需求关联特征矩阵。
[0016]在上述基于电力需求响应的在线调度方法中，所述使用所述多尺度卷积结构的第一卷积神经网络模型对所述电力用户需求特征矩阵基于所述第一卷积核进行第一尺度深
度卷积编码以得到第一尺度电力需求关联特征矩阵，包括：使用所述第一卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据基于所述第一卷积核进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的均值池化以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第一卷积神经网络模型的最后一层的输出为所述第一尺度电力需求关联特征矩阵，所述第一卷积神经网络模型的第一层的输入为所述电力用户需求特征矩阵。
[0017]在上述基于电力需求响应的在线调度方法中，所述使用所述多尺度卷积结构的第二卷积神经网络模型对所述电力用户需求特征矩阵基于所述第二卷积核进行第二尺度深度卷积编码以得到第二尺度电力需求关联特征矩阵，包括：使用所述第二卷积神经网络模型的各层在层的正向传递中分别进行：对输本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于电力需求响应的在线调度方法，其特征在于，包括：获取多个电力用户的需求响应申报调控的描述，所述需求响应申报调控的描述包括竞价时间、竞价价格以及交易额度；将所述多个电力用户的需求响应申报调控的描述分别通过基于转换器的上下文编码器以得到多个电力用户需求响应调控语义特征向量；将所述多个电力用户需求响应调控语义特征向量进行二维排列为电力用户需求特征矩阵后通过包含第一卷积神经网络模型和第二卷积神经网络模型的多尺度卷积结构以得到多尺度电力需求关联特征矩阵；从所述多个电力用户需求响应调控语义特征向量中提取待调度电力用户的电力用户需求响应调控语义特征向量；以所述待调度电力用户的电力用户需求响应调控语义特征向量作为查询特征向量，计算其与所述多尺度电力需求关联特征矩阵之间的乘积以得到分类特征向量；将所述分类特征向量输入类Softmax分类函数以得到概率值；以及基于所述概率值和目标调控量，确定所述待调度电力用户的需求响应调控量。2.根据权利要求1所述的基于电力需求响应的在线调度方法，其特征在于，所述将所述多个电力用户的需求响应申报调控的描述分别通过基于转换器的上下文编码器以得到多个电力用户需求响应调控语义特征向量，包括：对所述各个电力用户的需求响应申报调控的描述进行分词处理以得到词序列；将所述词序列通过词嵌入层以得到词嵌入向量的序列；将所述词嵌入向量的序列输入所述基于转换器的上下文编码器以得到多个语义特征向量；以及将所述多个语义特征向量进行级联以得到所述电力用户需求响应调控语义特征向量。3.根据权利要求2所述的基于电力需求响应的在线调度方法，其特征在于，所述将所述词嵌入向量的序列输入所述基于转换器的上下文编码器以得到多个语义特征向量，包括：将所述词嵌入向量的序列排列为输入向量；将所述输入向量通过可学习嵌入矩阵分别转化为查询向量和关键向量；计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩阵；将所述标准化自注意关联矩阵输入Softmax激活函数进行激活以得到自注意力特征矩阵；以及将所述自注意力特征矩阵与以所述词嵌入向量的序列中各个词嵌入向量作为值向量分别进行相乘以得到所述多个语义特征向量。4.根据权利要求3所述的基于电力需求响应的在线调度方法，其特征在于，所述第一卷积神经网络模型使用具有第一尺度的第一卷积核，所述第二卷积神经网络模型使用具有第二尺度的第二卷积核，所述第一尺度不同于所述第二尺度。5.根据权利要求4所述的基于电力需求响应的在线调度方法，其特征在于，所述将所述多个电力用户需求响应调控语义特征向量进行二维排列为电力用户需求特征矩阵后通过包含第一卷积神经网络模型和第二卷积神经网络模型的多尺度卷积结构以得到多尺度电力需求关联特征矩阵，包括：使用所述多尺度卷积结构的第一卷积神经网络模型对所述电力用户需求特征矩阵基于所述第一卷积核进行第一尺度深度卷积编码以得到第一尺度电力需求关联特征矩阵；使用所述多尺度卷积结构的第二卷积神经网络模型对所述电力用户需求特征矩阵基于所述第二卷积核进行第二尺度深度卷积编码以得到第二尺度电力需求关联特征矩阵；以及融合所述第一尺度电力需求关联特征矩阵和所述第二尺度电力需求关联特征矩阵以得到所述多尺度电力需求关联特征矩阵。6.根据权利要求5所述的基于电力需求响应的在线调度方法，其特征在于，所述使用所
述多尺度卷积结构的第一卷积神经网络模型对所述电力用户需求特征矩阵基于所述第一卷积核进行第一尺度深度卷积编码以得到第一尺度电力需求关联特征矩阵，包括：使用所述第一卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据基于所述第一卷积核进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的均值池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第一卷积神经网络模型的最后一层的输出为所述第一尺度电力需求关联特征矩阵，所述第一卷积神经网络模型的第一层的输入为所述电力用户需求特征...

【专利技术属性】
技术研发人员：唐莉，范长澜，张烈，
申请(专利权)人：上海合煌能源科技有限公司，
类型：发明
国别省市：