基于决策树的虚拟电厂可调容量分析方法、装置及介质制造方法及图纸

本发明专利技术公开了一种基于决策树的虚拟电厂可调容量分析方法、装置及介质，涉及电网数据预测技术领域，主要包括步骤：根据数值表构建决策树模型，并通过决策树剪枝优化操作进行基于基尼系数筛选下的决策树模型选取；根据负荷特征值集构建在需求响应补贴价格影响下的消费者心理学关联关系，并获取相应的确定性参数；基于负荷变化率和各确定性参数获取潜在目标用户在需求响应补贴价格变动下的历史不确定参数离散分布情况；根据历史不确定参数离散分步情况和各确定性参数计算响应潜力，确定参与需求响应时目标置信度区间下的可调容量空间。本发明专利技术能够在负荷可感知可量化的预测下更为精准的评估负荷可调潜力，从而能够更为充分的利用需求侧资源。的利用需求侧资源。的利用需求侧资源。

【技术实现步骤摘要】
基于决策树的虚拟电厂可调容量分析方法、装置及介质


[0001]本专利技术涉及电网数据预测
，具体涉及一种基于决策树的虚拟电厂可调容量分析方法、装置及介质。

技术介绍

[0002]新型电力系统建设的大背景下，快速增长的用电需求以及风力发电、光伏发电具有的波动性和反调峰性使得国内多地出现了供电紧张的局面，仅靠发电侧的调节手段已经难以满足电网安全、经济运行的要求。因此，如何充分挖掘需求侧资源参与电网调节的能力，制定虚拟电厂参与电网调控运行的需求响应管理策略对保障电网安全、经济运行就具有了重大意义。
[0003]需求侧资源是电力系统的重要调节资源，可通过分时电价引导其进行削峰填谷，提高电气设备安全裕度，降低电网系统投资成本，进而提高电安全性和经济性。而不同行业的电力用户，乃至同一行业的不同电力用户，其用电行为在时间上的分布特征以及对电价变化的敏感程度均有所不同。因此需求响应潜力的评估是实现有效需求响应管理的首要条件，评估的准确度影响到后续需求响应管理策略的可行性及可靠性，因此，对电力用户进行需求响应潜力进行评估的意义十分巨大。

技术实现思路

[0004]针对不同行业乃至不同用户在用电时间以及电价敏感度上的差异，为了更好的调用需求侧资源，本专利技术提出了一种基于决策树的虚拟电厂可调容量分析方法，包括步骤：S1：采集潜在目标用户的历史负荷数据以及历史参与需求响应数据；S2：根据采集到的历史负荷数据计算目标时间跨度下的负荷特征值集以及参与响应时段的负荷变化率，并通过数值化转换将采集到的历史参与需求响应数据转换为数值表；S3：根据数值表构建决策树模型，并通过决策树剪枝优化操作进行基于基尼系数筛选下的决策树模型选取；S4：根据负荷特征值集构建在需求响应补贴价格影响下的消费者心理学关联关系，并获取相应的确定性参数；S5：基于负荷变化率和各确定性参数获取潜在目标用户在需求响应补贴价格变动下的历史不确定参数离散分布情况；S6：获取并数值化转换目标日的参与需求相应数据，输入选取后的决策树模型获得用户参与需求相应的判定结果，并在判定参与时进入下一步骤；S7：根据历史不确定参数离散分步情况和各确定性参数计算响应潜力，确定参与需求响应时目标置信度区间下的可调容量空间。
[0005]进一步地，所述S1步骤中，历史参与需求响应数据包括需求响应补贴价格、需求响应时间段、是否节假日的判定、用户是否参与需求响应的判定。
[0006]进一步地，所述S2步骤中，负荷特征值集包括峰谷差率、负荷累计变化占比、响应时段用电量占比、低负荷时间占比、高负荷时间占比。
[0007]进一步地，所述峰谷差率通过如下公式获取，所述负荷累计变化占比通过如下公式获取，所述响应时段用电量占比通过如下公式获取，所述低负荷时间占比、高负荷时间占比通过如下公式获取，式中，为峰谷差率，为负荷累计变化占比，为响应时段用电量占比，为低负荷时间占比，为高负荷时间占比，为日负荷最大值，为日负荷最小值，为该日第n个时间节点的负荷，为该日第m个时间节点的负荷，N为该日的总时间节点数，为低负荷占比控制量，为负荷低于预设低负荷阈值的时间节点数，为负荷超过预设高负荷阈值的时间节点数。
[0008]进一步地，所述负荷变化率通过如下公式获取，式中，为参与需求响应当天前Q个参与需求响应的日子的平均负荷，为参与需求相应当天前Q个不参与需求相应的日子的基线负荷，为负荷变化率。
[0009]进一步地，所述S3步骤中，基尼系数表示为如下公式，
[0010]式中，t为给定的决策树节点，i为标签的分类号，为标签分类号i在节点t上所占的比例，c为决策树节点的类别数。
[0011]进一步地，所述S4步骤中，确定性参数包括敏感激励阈值、可调容量上限、激励上限阈值，通过如下公式表示：式中，为敏感激励阈值，为可调容量上限，为激励上限阈值，、、、为通过消费者心理学关联关系构建获得的敏感激励阈值的权重参数，为通过消费者心理学关联关系构建获得的可调容量上限的权重参数，为通过消费者心理学关联关系构建获得的激励上限阈值的权重参数。
[0012]进一步地，所述S5步骤中，历史不确定参数离散分布情况的获取具体包括如下步骤：S51：根据负荷变化率和确定性参数确定等效补贴价格；S52：根据等效补贴价格和敏感激励阈值获取负荷变化率不确定因数；S53：调用MATLAB的逆累积分布函数对负荷变化率不确定因数的均值、方差进行拟合，获取正态概率密度函数的反函数所对应目标置信度上下限值。
[0013]进一步地，所述S51步骤中，等效补贴价格通过如下公式获取，式中，为等效补贴价格，M需求响应补贴价格。
[0014]进一步地，所述S52步骤中，负荷变化率不确定因数通过如下公式获取，式中，为负荷变化率不确定因数。
[0015]进一步地，所述S7步骤中，可调容量区间的获取具体包括如下步骤：S71：根据目标置信度上下限值获取对应置信度限值下的负荷变化率；S72：根据对应置信度限值下的负荷变化率获取目标置信度区间下的可调容量空间。
[0016]进一步地，所述S71步骤中，对应置信度限值下的负荷变化率通过如下公式获取，
式中，为目标置信度下限值，为目标置信度上限值，为目标置信度下限值对应的负荷变化率，为目标置信度上限值对应的负荷变化率，为判定参与当天的需求响应补贴价格。
[0017]进一步地，所述S72步骤中，可调容量空间表示为如下公式：
[0018]式中，为判定参与当天的可调容量区间，为基线负荷。
[0019]进一步地，若有相较于目标时间跨度更长的第二时间跨度下的市场规则需求，则第二时间跨度对应的确定性参数可通过S4步骤之后的如下步骤获取：S41：获取目标时间跨度所对应各确定性参数与其负荷特征集之间的映射关系；S42：根据映射关系和第二时间跨度所对应的负荷特征集获取第二时间跨度的各确定性参数。
[0020]进一步地，所述S41步骤中，映射关系通过如下公式获取，式中，为目标确定性参数与其负荷特征集之间的映射关系，F由负荷特征值组成的k
×
5大小的矩阵，k为历史负荷数据的样本数量，Y为k
×
1维度大小的输出向量，T为矩阵转置操作。
[0021]进一步地，所述S42步骤中，第二时间跨度的确定性参数通过如下公式获取，式中，为第二时间跨度所对应的负荷特征集，为目标确定性参数中敏感激励阈值与其负荷特征集之间的映射关系，为目标确定性参数中可调容量上限与其负荷特征集之间的映射关系，为目标确定性参数中激励上限阈值与其负荷特征集之间的映射关系，为第二时间跨度的确定性参数。
[0022]还包括一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述一种基于决策树的虚拟电厂可调容量分析方法的步骤。
[0023]还包括一种处理数据的装置，包括：存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的计算机程序，以实现所述一种基于决策树的虚拟电厂可调容量分析方法的步骤。
[0024]与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于决策树的虚拟电厂可调容量分析方法，其特征在于，包括步骤：S1：采集潜在目标用户的历史负荷数据以及历史参与需求响应数据；S2：根据采集到的历史负荷数据计算目标时间跨度下的负荷特征值集以及参与响应时段的负荷变化率，并通过数值化转换将采集到的历史参与需求响应数据转换为数值表；S3：根据数值表构建决策树模型，并通过决策树剪枝优化操作进行基于基尼系数筛选下的决策树模型选取；S4：根据负荷特征值集构建在需求响应补贴价格影响下的消费者心理学关联关系，并获取相应的确定性参数；S5：基于负荷变化率和各确定性参数获取潜在目标用户在需求响应补贴价格变动下的历史不确定参数离散分布情况；S6：获取并数值化转换目标日的参与需求相应数据，输入选取后的决策树模型获得用户参与需求相应的判定结果，并在判定参与时进入下一步骤；S7：根据历史不确定参数离散分步情况和各确定性参数计算响应潜力，确定参与需求响应时目标置信度区间下的可调容量空间。2.如权利要求1所述的一种基于决策树的虚拟电厂可调容量分析方法，其特征在于，所述S1步骤中，历史参与需求响应数据包括需求响应补贴价格、需求响应时间段、是否节假日的判定、用户是否参与需求响应的判定。3.如权利要求1所述的一种基于决策树的虚拟电厂可调容量分析方法，其特征在于，所述S2步骤中，负荷特征值集包括峰谷差率、负荷累计变化占比、响应时段用电量占比、低负荷时间占比、高负荷时间占比。4.如权利要求3所述的一种基于决策树的虚拟电厂可调容量分析方法，其特征在于，所述峰谷差率通过如下公式获取，所述负荷累计变化占比通过如下公式获取，所述响应时段用电量占比通过如下公式获取，所述低负荷时间占比、高负荷时间占比通过如下公式获取，
式中，为峰谷差率，为负荷累计变化占比，为响应时段用电量占比，为低负荷时间占比，为高负荷时间占比，为日负荷最大值，为日负荷最小值，为该日第n个时间节点的负荷，为该日第m个时间节点的负荷，N为该日的总时间节点数，为低负荷占比控制量，为负荷低于预设低负荷阈值的时间节点数，为负荷超过预设高负荷阈值的时间节点数。5.如权利要求4所述的一种基于决策树的虚拟电厂可调容量分析方法，其特征在于，所述负荷变化率通过如下公式获取，式中，为参与需求响应当天前Q个参与需求响应的日子的平均负荷，为参与需求相应当天前Q个不参与需求相应的日子的基线负荷，为负荷变化率。6.如权利要求1所述的一种基于决策树的虚拟电厂可调容量分析方法，其特征在于，所述S3步骤中，基尼系数表示为如下公式，式中，t为给定的决策树节点，i为标签的分类号，为标签分类号i在节点t上所占的比例，c为决策树节点的类别数。7.如权利要求1所述的一种基于决策树的虚拟电厂可调容量分析方法，其特征在于，所述S4步骤中，确定性参数包括敏感激励阈值、可调容量上限、激励上限阈值，通过如下公式表示：式中，为敏感激励阈值，为可调容量上限，为激励上限阈值，、、、为通过消费者心理学关联关系构建获得的敏感激励阈值的权重参数，、、、、为通过消费者心理学关联关系构建获得的可调容量上限的权重参数，、为通过消
费者心理学关联关系构建获得的激励上限阈值的权重参数。8.如权利要求7所述的一种基于决策树的虚拟电厂可调容量分析方法，其特征在于，所述S5步骤中，历史不确定参数离散分布...

【专利技术属性】
技术研发人员：杜熠伯，马振宇，李毓，张旭东，张波，刘敦楠，付忠广，孟梁涛，邵帅，安玉涛，张建松，陈志华，林恺丰，赵凯美，卢旭倩，宋晨超，
申请(专利权)人：华北电力大学北京华电能源互联网研究院有限公司，
类型：发明
国别省市：