一种基于需求响应的智慧能源管理方法及系统技术方案

本发明专利技术公开了一种基于需求响应的智慧能源管理方法及系统，包括：获取目标区域的环境数据及负荷数据，获取需求侧在不同环境下用电行为特征；基于不同环境下的用电行为特征将目标区域进行分区，获取不同子区域的区域用电行为特征，并获取环境预测数据；构建区域用电需求预测模型，根据环境预测数据及区域用电行为特征预测用电需求；基于需求响应策略及用电需求确定分布式能源、储能系统和配电网最优运行方式，获取目标区域内需求响应的最佳管理方案。本发明专利技术强化学习算法对微电网群进行优化，合理调控多种能源协同出力，保证调控策略的有效性和合理性，在确保用户舒适度的同时，有效减少响应误差，提高能源利用率。提高能源利用率。提高能源利用率。

【技术实现步骤摘要】
一种基于需求响应的智慧能源管理方法及系统


[0001]本专利技术涉及能源管理
，更具体的，涉及一种基于需求响应的智慧能源管理方法及系统。

技术介绍

[0002]低碳经济是未来社会发展的方向，在可持续发展的理念指导下，通过物联网技术创新、新能源开发、产业转型等多种手段，降低煤炭、石油等能源消耗，达到社会经济发展与生态环境双赢的目的。推广使用智慧能源管理可视化平台是能源管理科学化、信息化、规范化的重要举措，在提高能源管理效率的同时，是能源、环境和经济可持续发展的内在要求。智慧能源要求人类把更多的智慧应用到能源消耗过程中，更加聪明地使用能源，要利用较少的能源达到相同甚至更大的效果。
[0003]目前，智慧能源管理平台还存在能源的管理方式单调、局限性大，不能与周边能源管理进行互动等诸多不足。为了降低需求响应在系统调度时的不确定性，提高系统运行时负荷侧响应的灵活性，考虑用户端的能源消耗特征，在保证系统稳定运行前提下，合理安排各时段各机组出力，有效协调发电单元的出力和用电单元的能耗行为，从而在满足各区域负荷需求的同时，极小化系统的能源成本。因本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于需求响应的智慧能源管理方法，其特征在于，包括以下步骤：获取目标区域的环境数据及负荷数据，将所述环境数据及负荷数据进行预处理，获取需求侧在不同环境下用电行为特征；基于所述不同环境下的用电行为特征将目标区域进行分区，获取不同子区域的区域用电行为特征，并根据目标区域历史环境变化进行预测，获取环境预测数据；构建区域用电需求预测模型，根据所述环境预测数据及区域用电行为特征预测用电需求；基于需求响应策略及所述用电需求确定分布式能源、储能系统和配电网最优运行方式，获取目标区域内需求响应的最佳管理方案。2.根据权利要求1所述的一种基于需求响应的智慧能源管理方法，其特征在于，将所述环境数据及负荷数据进行预处理，获取需求侧在不同环境下用电行为特征，具体为：获取预设时间内目标区域的环境数据及负荷数据，根据数据监测时间戳进行数据对齐后构建环境数据序列及负荷数据序列，将所述环境数据序列及负荷数据序列进行标准化处理；提取标准化处理后的负荷数据序列中的负荷波动特征，将所述波动特征与环境数据序列中对应时间戳的环境数据进行融合，生成含有环境数据标签的负荷数据序列；基于注意力网络集合深度神经网模型进行需求侧用户用电行为特征的提取，将所述含有数据标签的负荷数据序列作为输入，利用一维卷积进行归一化操作生成特征矩阵；引入注意力网络对所述特征矩阵进行编码，将编码后的特征矩阵导入深度神经网络进行解码，通过随机梯度下降算法进行训练，提取含有环境数据标签的负荷数据序列中的用电行为特征；获取需求侧用户在不同环境下的用电行为特征。3.根据权利要求1所述的一种基于需求响应的智慧能源管理方法，其特征在于，基于所述不同环境下的用电行为特征将目标区域进行分区，获取不同子区域的区域用电行为特征，具体为：获取目标区域的二维格栅地图，并获取格栅块中需求侧用户的在不同环境数据标签下的用电行为特征，转化为状态值数据后生成格栅块的用电行为特征集合，通过K
‑
means聚类算法对每个格栅块的用电行为特征集合进行聚类，获取多个类簇的聚类结果，在所述聚类结果中获取重心数据，通过所述重心数据表征行为规律；利用格栅块中各类簇的重心数据生成格栅块的区域标签，根据所述区域标签进行相似度计算，将相似度符合预设标准的格栅块归为同类别区域，进行目标区域的分区；将同一类别区域中的格栅块在同一类簇下的重心数据进行取均值处理，并将不同类簇对应的重心均值数据进行聚合，生成该类别区域的区域用电行为特征。4.根据权利要求1所述的一种基于需求响应的智慧能源管理方法，其特征在于，根据目标区域历史环境变化进行预测，获取环境预测数据，具体为获取目标区域中标准化处理后的环境数据序列，通过所述环境数据序列提取环境温度信息，基于季节监测周期生成各监测周期的环境温度变化曲线，利用季节将环境温度变化曲线进行分类；在同一季节监测周期分类中，选取不同环境温度变化曲线的波峰位置、波峰强度及相
互的特征值比例、各特征值线性相加结果作为特征，根据所述环境数据序列及对应特征构建数据集，将所述数据集根据预设比例划分为训练集及验证集；构建CNN
‑
LSTM融合模型，通过所述训练集进行模型的训练，获取环境数据序列对应温度变化曲线当前时刻的特征向量，将下一时刻的温度值作为CNN
‑
LSTM融合模型的真实值；通过所述真实值将温度变化曲线进行更新，并迭代计算真实值进行输出，实现对所述CNN
‑
LSTM融合模型的训练，利用所述验证集进行误差验证，并调整网络参数，改善拟合效果；通过训练后的CNN
‑
LSTM融合模型结合当前环境数据序列中的环境温度数据进行预测，获取环境预测数据。5.根据权利要求1所述的一种基于需求响应的智慧能源管理方法，其特征在于，构建区域用电需求预测模型，根据所述环境预测数据及区域用电行为特征预测用电需求，具体为：获取目标区域的区域用电行为特征，根据目标区域的环境预测数据读取环境温度预测信息，通过所述区域用电行为特征对Seq2Seq模型进行训练；将当前时刻的负荷数据及环境温度预测信息输入Seq2Seq模型，利用编码器进行特征编码，引入自注意力层获取特征的自注意力权重，表征各特征的重要程度；基于所述注意力权重结合所有隐层状态信息进行加权求和获取区域用电行为特征与负荷数据的时序信息，表征编码器所有时刻信息，通过解码器迭计算后整合隐层状态及时序信息；通过维度变换获取目标区域中不同类别区域在预设时间步长后的用电需求。6.根据权利要求1所述的一种基于需求响应的智慧能源管理方法，其特征在于，基于需求响应策略及所述用电需求确定分布...

【专利技术属性】
技术研发人员：初虹，
申请(专利权)人：北京观天执行科技股份有限公司，
类型：发明
国别省市：