一种需求响应潜力用户、行业、线路的智能推荐模型设计方法技术

本发明专利技术提出一种需求响应潜力用户、行业、线路的智能推荐模型设计方法，包括以下步骤：（1）数据收集与处理，包括数据获取步骤和数据清洗步骤；（2）需求响应客户画像，在需求响应中应用聚类分析区分具有不同用电特征的用户群，进而评估不同用户群参与需求响应的潜力；（3）客户快速响应负荷资源精准定位；（4）需求响应潜力客户智能推荐模型构建。本发明专利技术据响应潜力智能化提供响应方案及清单，针对性改善负荷均衡水平、进行市场化削峰填谷、被动式应急调节提供参考依据，有效提高需求响应计划执行的实时性、导向性、交互性与完成率，有效支撑和推动电网需求侧响应业务的有序发展。电网需求侧响应业务的有序发展。电网需求侧响应业务的有序发展。

【技术实现步骤摘要】
一种需求响应潜力用户、行业、线路的智能推荐模型设计方法


[0001]本专利技术涉及电力行业需求侧管理
，尤其涉及一种需求响应潜力用户、行业、线路的智能推荐模型设计方法。

技术介绍

[0002]需求响应兴起于国外，其颁布的相关政策标准相对我国较为完善，理论研究范围相对较广、深度相对较深，需求响应体系较为完善。但国外需求响应的研究主要集中在需求响应资源负荷接口标准(规范)、需求响应电价机制、需求响应竞价等方面，需求响应资源管理中需求响应资源的查找定位在需求响应体系建设中是相对薄弱的，当需求响应资源数量大幅度增加时，将会影响需求响应资源管理及需求响应项目计划的制定，成为自动需求响应系统建设的瓶颈。
[0003]国内需求响应发展较晚，前期国内的需求响应试点参与需求响应项目的电力用户较少，对需求响应资源管理要求不高。但是随着新型电力系统建设的开展，作为新型电力生产关系的主要表现形式之一，我国新型电力系统规划和建设对于需求侧响应极为重视。以“新能源为主体的新型电力系统”目标的确立，使得新能源规模快速增长和负荷峰谷差持续拉大成为趋势，将进一步提高系统灵活性资源需求。为实现灵活性资源与新能源和传统电源的协调发展，应注重电源侧挖潜，推动需求侧破局，扩展电网侧形式，而构建精细化、市场化、专业化和智能化需求侧资源利用体系是重要方式之一。需求响应的智能推荐为实现信息高效传递提供了理想的解决途径，因此智能推荐已被引入到了用电领域。吴相发等人利用聚类和协同过滤相结合的算法进行需求响应的居民用电推荐，但是协同过滤算法面临着冷启动和海量数据场景下的稀疏性问题。刘甲林提出了基于社交网络的智能用电服务推荐，可通过预先构建的社交网络实现新加入用户的推荐，但是随着构建的社交网络规模逐渐增大会面临严重的稀疏性问题，从而导致推荐精度的大幅度下降。
[0004]但随着电力市场化交易体系的发展，现货交易参与用户规模持续增长，暴露出了一些问题和技术瓶颈，主要原因是对需求侧响应行为的分析不足，缺少对需求侧响应需求、响应能力的挖掘及响应资源的智能推荐，难以支撑不同场景下的及时响应。
[0005]因此亟需一种日内、隔天、近期等不同场景下需求动态响应的智能推荐模型，可以根据需求调节任务，以智能化的方式，提供参与需求动态响应的用户、行业、线路的参考清单，支撑各供电局快速满足需求动态响应任务要求。

技术实现思路

[0006]针对现有技术的不足，本专利技术的目的是提供一种需求响应潜力用户、行业、线路的智能推荐模型设计方法，根据响应潜力智能化提供响应方案及清单，针对性改善负荷均衡水平、进行市场化削峰填谷、被动式应急调节提供参考依据，有效提高需求响应计划执行的实时性、导向性、交互性与完成率，有效支撑和推动电网需求侧响应业务的有序发展。
[0007]为了实现上述目的，本专利技术采用的技术方案如下：
[0008]本专利技术一种需求响应潜力用户、行业、线路的智能推荐模型设计方法，包括以下步骤：
[0009](1)数据收集与处理，包括数据获取步骤和数据清洗步骤；
[0010]所述数据获取步骤为获取客户档案、客户表计信息、用电负荷数据、客户参与需求响应的历史信息；并通过用户编号实现客户档案、客户表计信息、客户参与需求响应的历史信息的关联，通过表计编号实现客户表计信息、用电负荷数据的关联；所述客户参与需求响应的历史信息包括邀约信息、响应信息和答复信息；所述邀约信息包括客户信息、供电范围、响应类型、计划响应规模、响应时段、应约响应量、邀约答复截止时间；所述响应信息包括客户信息、实际响应负荷；所述答复信息包括邀约答复率、响应邀约积极性、需求响应成功率、时间契合度、响应潜力水平；
[0011]所述数据清洗步骤为挖掘用电负荷数据中异常负荷数据，并做数据清洗；
[0012](2)需求响应客户画像，在需求响应中应用聚类分析区分具有不同用电特征的用户群，进而评估不同用户群参与需求响应的潜力；
[0013](3)客户快速响应负荷资源精准定位，包括以下步骤：
[0014]首先基于EM算法的源数据分析与处理技术对用户用电量数据进行处理，再基于小波分析技术进行用户快速响应负荷精准定位，最后基于聚类分析的快速响应用户时段定位与响应潜力分析；对用户负荷曲线做拆解，识别出高频负荷用户，分析响应潜力等级、响应时段、响应类别；
[0015](4)需求响应潜力客户智能推荐模型构建，包括以下步骤：
[0016]应用蚁群算法针对每次需求响应所对应的供电范围、计划响应规模、响应时间段的差异，结合客户历史参与需求响应的响应邀约积极性、需求响应成功率、时间契合度、响应潜力水平来构建需求响应潜力客户智能推荐模型，获得客户分批次推荐策略建议。
[0017]进一步地，构建需求响应潜力客户智能推荐模型的具体方法为：
[0018]1)需求响应模型目标函数构建：分别构建邀约答复率最高目标函数、响应成功率最高目标函数、邀约成本最低目标函数；
[0019]所述邀约答复率最高目标函数的构建方法为：
[0020]邀约答复率通过用户历史邀约答复率来表示，则邀约答复率目标函数F1为：
[0021]F1＝max(mean(S1+S2+
…
+S
n
))；
[0022]其中，S1，S2，
…
S
n
为第n个用户历史邀约答复率；
[0023]响应成功率最高目标函数的构建方法为：
[0024]响应成功率通过用户历史响应成功率来表示，响应成功率目标函数F2为：
[0025]F2＝max(mean(RS1+RS2+
…
+RS
n
))；
[0026]其中，RS1，RS2，
…
RS
n
为第n个用户历史响应成功率；
[0027]邀约成本最低目标函数的构建方法为：
[0028]邀约成本通过邀约人数来表示，邀约成本目标函数F3为：
[0029]F3＝min(n)
[0030]其中，n为邀约人数；
[0031]2)目标函数权重分析：运用灰色关联法计算各评估指标的最终权重，结合各目标函数的相应指标进行权重挖掘；具体包括以下步骤：
[0032]①
建立数据分布，观察各指标数据分布特征；
[0033]②
计算权重系数：
[0034]通过主观赋权法：得出各目标函数重要程度权重系数：α、β、γ、δ；
[0035]通过客观赋权法：p个指标的权重系数：τ1，τ2……
τ
p
；
[0036]通过灰色关联度计算各目标函数最终权重：ω1，ω2，ω3，
…
[0037]③
形成总体目标函数TFun：TFun＝F1ω1+F2ω2+F3ω3+F4ω4…
[0038]3)需求响应模型约束条件分析，包括以下步骤：
[0039]①
计划响应规模限制：
...

【技术保护点】

【技术特征摘要】
1.一种需求响应潜力用户、行业、线路的智能推荐模型设计方法，其特征在于，包括以下步骤：(1)数据收集与处理，包括数据获取步骤和数据清洗步骤；所述数据获取步骤为获取客户档案、客户表计信息、用电负荷数据、客户参与需求响应的历史信息；并通过用户编号实现客户档案、客户表计信息、客户参与需求响应的历史信息的关联，通过表计编号实现客户表计信息、用电负荷数据的关联；所述客户参与需求响应的历史信息包括邀约信息、响应信息和答复信息；所述邀约信息包括客户信息、供电范围、响应类型、计划响应规模、响应时段、应约响应量、邀约答复截止时间；所述响应信息包括客户信息、实际响应负荷；所述答复信息包括邀约答复率、响应邀约积极性、需求响应成功率、时间契合度、响应潜力水平；所述数据清洗步骤为挖掘用电负荷数据中异常负荷数据，并做数据清洗；(2)需求响应客户画像，在需求响应中应用聚类分析区分具有不同用电特征的用户群，进而评估不同用户群参与需求响应的潜力；(3)客户快速响应负荷资源精准定位，包括以下步骤：首先基于EM算法的源数据分析与处理技术对用户用电量数据进行处理，再基于小波分析技术进行用户快速响应负荷精准定位，最后基于聚类分析的快速响应用户时段定位与响应潜力分析；对用户负荷曲线做拆解，识别出高频负荷用户，分析响应潜力等级、响应时段、响应类别；(4)需求响应潜力客户智能推荐模型构建，包括以下步骤：应用蚁群算法针对每次需求响应所对应的供电范围、计划响应规模、响应时间段的差异，结合客户历史参与需求响应的响应邀约积极性、需求响应成功率、时间契合度、响应潜力水平来构建需求响应潜力客户智能推荐模型，获得客户分批次推荐策略建议。2.根据权利要求1所述的一种需求响应潜力用户、行业、线路的智能推荐模型设计方法，其特征在于，构建需求响应潜力客户智能推荐模型的具体方法为：1)需求响应模型目标函数构建：分别构建邀约答复率最高目标函数、响应成功率最高目标函数、邀约成本最低目标函数；所述邀约答复率最高目标函数的构建方法为：邀约答复率通过用户历史邀约答复率来表示，则邀约答复率目标函数F1为：F1＝max(mean(S1+S2+
…
+S
n
))；其中，S1，S2，
…
S
n
为第n个用户历史邀约答复率；响应成功率最高目标函数的构建方法为：响应成功率通过用户历史响应成功率来表示，响应成功率目标函数F2为：F2＝max(mean(RS1+RS2+
…
+RS
n
))；其中，RS1，RS2，
…
RS
n
为第n个用户历史响应成功率；邀约成本最低目标函数的构建方法为：邀约成本通过邀约人数来表示，邀约成本目标函数F3为：F3＝min(n)其中，n为邀约人数；2)目标函数权重分析：运用灰色关联法计算各评估指标的最终权重，结合各目标函数
的相应指标进行权重挖掘；具体包括以下步骤：
①
建立数据分布，观察各指标数据分布特征；
②
计算权重系数：通过主观赋权法：得出各目标函数重要程度权重系数：α、β、γ、δ；通过客观赋权法：p个指标的权重系数：τ1，τ2……
τ
p
；通过灰色关联度计算各目标函数最终权重：ω1，ω2，ω3，
…③
形成总体目标函数TFun：TFun＝F1ω1+F2ω2+F3ω3+F4ω4…
3)需求响应模型约束条件分析，包括以下步骤：
①
计划响应规模限制：1.5P＜Q1+Q2+
…
+Q
n
＜2.5PP为计划相应规模；Q1，Q2，
…
Q
n
为用户响应潜力值；
②
推荐用户响应潜力水平限制：对响应潜力水平过低用户暂不考虑推荐，即Q
i
＜L的用户将暂不推荐；其中，Q
i
为用户响应潜力水平；L为可推荐用户响应潜力水平的最低值；
...

【专利技术属性】
技术研发人员：唐佳誉，吴一鸣，李捷，陈俊，韦航，杨舟，何涌，李刚，唐利涛，徐植，
申请(专利权)人：广西电网有限责任公司，
类型：发明
国别省市：