需求响应评估模型训练方法、应用评估方法及相关设备技术

本公开提供了一种需求响应评估模型训练方法、应用评估方法及相关设备，包括：获取负荷运行数据，基于所述负荷运行数据得到负荷曲线，将所述负荷曲线进行分解，得到多个不同类型的分量曲线以及与每个分量曲线对应的分量；基于所述负荷运行数据及所述分量确定用户需求响应特征，依据所述分量曲线与所述用户需求响应特征构建分量预测模型；构建激励数据池，根据所述激励数据池中的数据对所述分量预测模型进行训练，得到需求响应评估模型。本公开解决了当前技术中存在对用户需求响应的评估存在数据冗余导致预测精度下降，评估模型无法动态更新等问题。动态更新等问题。动态更新等问题。

【技术实现步骤摘要】
需求响应评估模型训练方法、应用评估方法及相关设备


[0001]本公开涉及电力系统
，尤其涉及一种需求响应评估模型训练方法、应用评估方法及相关设备。

技术介绍

[0002]随着“双碳”目标的提出，我国新能源装机容量将持续增长。一方面传统机组大量退役，可再生能源大规模接入，电力系统尖峰负荷趋势日益突出，仅仅依靠供给侧调节并不能较好地解决实时的供需平衡问题；另一方面随着电力体制改革的深化，用户和产业负荷比例不断加大，用户参与响应调整的能力不断增强，需求响应越来越受到重视。当前技术中，对用户需求响应的评估存在数据冗余导致预测精度下降，评估模型无法动态更新等问题。在此情况下，实现对用户需求响应的可靠评估十分迫切。

技术实现思路

[0003]有鉴于此，本公开的目的在于提出一种需求响应评估模型训练方法、应用评估方法及相关设备，用以解决或部分解决上述问题。
[0004]基于上述目的，本公开的第一方面提供了一种需求响应评估模型训练方法，所述方法包括：
[0005]获取负荷运行数据，基于所述负荷运行数据得到负荷曲线，将所述负荷本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种需求响应评估模型训练方法，其特征在于，包括：获取负荷运行数据，基于所述负荷运行数据得到负荷曲线，将所述负荷曲线进行分解，得到多个不同类型的分量曲线以及与每个分量曲线对应的分量；基于所述负荷运行数据及所述分量确定用户需求响应特征，依据所述分量曲线与所述用户需求响应特征构建分量预测模型；构建激励数据池，根据所述激励数据池中的数据对所述分量预测模型进行训练，得到需求响应评估模型。2.根据权利要求1所述的方法，其特征在于，所述将所述负荷曲线进行分解，得到多个分量曲线以及与每个分量曲线对应的分量，包括：通过时间序列分解法对所述负荷曲线进行分解，得到多个不同类型的分量曲线以及与每个分量曲线对应的分量，其中所述分量包括周期性分量、环境性分量、可控性分量与不确定分量。3.根据权利要求2所述的方法，其特征在于，所述依据所述分量曲线与所述用户需求响应特征构建分量预测模型，包括：依据所述用户需求响应特征与所述可控性分量对应的分量曲线构建所述分量预测模型。4.根据权利要求3所述的方法，其特征在于，所述用户需求响应特征包括历史负荷指标与历史响应指标，所述基于所述负荷运行数据及所述分量确定用户需求响应特征，包括：所述历史负荷指标包括峰期负荷率与谷期负荷率，通过以下公式确定所述历史负荷指标：ρ
p
＝L
p
/Lρ
v
＝L
v
/L其中，ρ
p
为峰期负荷率，ρ
v
为谷期负荷率，L
p
为用户在用电高峰期的用电负荷量，L
v
为系统闲时的用电负荷量，L为负荷总量；所述负荷总量L通过以下公式确定：L＝T(μ
t
，σ
t
)+E(μ
e
，σ
e
)+C(μ
c
，σ
c
)+U其中，L为负荷总量，T为周期性分量，E为环境型分量，C为可控性分量，U为不确定分量，μ
t
为周期性分量均值，σ
t
为周期性分量方差，μ
e
为环境性分量均值，σ
e
为环境性分量方差，μ
c
为可控性分量均值，σ
c
为可控性分量方差；所述历史响应指标包括申报参与率、有效响应率及容量响应率，通过以下公式确定所述历史响应指标：k
d
＝n/N＝n/N其中，n为用户受邀约后申报参与次数，N为系统邀约次数，L
ei
为当天用户实际响应量，L
di
为用户目前申报量，L
i
为当天用户用电量，k
d
为申报参与率，k
...

【专利技术属性】
技术研发人员：李思维，于龙，岳靓，刘畅，欧清海，孔祥玉，张晖，王铮涛，邹智宇，周翔宇，曹胜楠，
申请(专利权)人：国网山东省电力公司营销服务中心计量中心国家电网有限公司国网信息通信产业集团有限公司，
类型：发明
国别省市：