基于经济数据的电力需求响应系统及其方法技术方案

本申请涉及智能调控领域，其具体公开了一种基于经济数据的电力需求响应系统及其方法，使用基于深度神经网络模型的人工智能技术来智能地对经济数据进行特征编码与提取，以得到更为精准的用于表示电价应该调高或者降低的分类标签。这样，构建基于经济数据的电力需求响应方案，来综合多维度经济数据，进而基于上述分类结果可以准确预测电力需求，达到减少资源浪费的效果。源浪费的效果。源浪费的效果。

【技术实现步骤摘要】
基于经济数据的电力需求响应系统及其方法


[0001]本申请涉及智能调控领域，且更为具体的涉及一种基于经济数据的电力需求响应系统及其方法。

技术介绍

[0002]电力需求响应的目标是在保证电力系统的稳定运行的前提下，提高能源利用效率，减少能源浪费，并促进可持续能源的应用和发展。通过合理的需求响应措施，可以实现供需平衡，减轻电力系统的压力，降低能源消耗，从而实现可持续发展。当前电力需求响应的方法主要是专家基于电力市场的供需关系、能源成本、能源政策等因素来调整电价。然而，这种调整电价的方式过度依赖专家的统计与预测能力，且容易因受到人的主观影响而不能达到最佳的调整效果。
[0003]因此，期待一种优化的电力需求响应方案。

技术实现思路

[0004]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经济数据的电力需求响应系统及其方法，其使用基于深度神经网络模型的人工智能技术来智能地对经济数据进行特征编码与提取，以得到更为精准的用于表示电价应该调高或者降低的分类标签。这样，构建基于经济数据的电力需求响应方案，来综合多维度经济数据，进而基于上述分类结果可以准确预测电力需求，达到减少资源浪费的效果。
[0005]根据本申请的一个方面，提供了一种基于经济数据的电力需求响应系统，其包括：
[0006]数据采集模块，用于获取经济情况数据；
[0007]上下文编码模块，用于将所述经济情况数据通过包含嵌入层的基于转换器的上下文编码器以得到经济特征向量；
[0008]特征提取模块，用于将所述经济特征向量通过作为特征提取器的包含一维卷积核的卷积神经网络模型以获得分类特征向量；
[0009]优化模块，用于对所述分类特征向量进行基于聚类的稀疏鲁棒性优化以得到优化分类特征向量；
[0010]结果生成模块，用于将所述优化分类特征向量通过分类器以获得分类结果，所述分类结果用于表示电价应该调高或者降低。
[0011]在上述的基于经济数据的电力需求响应系统中，所述上下文编码模块，包括：
[0012]嵌入转化单元，用于将所述经济情况数据分别通过嵌入层以将所述经济情况数据中各个维度数据转化为经济嵌入向量以得到经济嵌入向量的序列，其中，所述嵌入层使用可学习的嵌入矩阵对所述各个维度数据进行嵌入编码；
[0013]编码单元，用于将所述经济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所述多个经济上下文语义特征向量；
[0014]级联单元，用于将所述多个经济语义特征向量进行级联以得到所述经济特征向
量。
[0015]在上述的基于经济数据的电力需求响应系统中，所述编码单元，包括：
[0016]查询向量构造子单元，用于将所述经济嵌入向量的序列排列为输入向量；
[0017]向量转化子单元，用于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；
[0018]自注意子单元，用于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；
[0019]标准化子单元，用于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；
[0020]关注度计算子单元，用于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；
[0021]注意力施加子单元，用于将所述自注意力特征矩阵与所述用户嵌入向量的序列中各个经济嵌入向量分别相乘得到所述多个经济语义上下文特征向量。
[0022]在上述的基于经济数据的电力需求响应系统中，所述特征提取模块，用于：
[0023]使用所述作为特征提取器的包含一维卷积核的卷积神经网络模型的各层在层的正向传递中对输入数据分别进行：
[0024]使用所述卷积神经网络模型的各层的卷积单元对所述输入数据进行基于一维卷积核的卷积处理以得到卷积特征图；
[0025]使用所述卷积神经网络模型的各层的池化单元对所述卷积特征图进行沿通道维度的各个局部特征矩阵的池化处理以得到池化特征图；
[0026]使用所述卷积神经网络模型的各层的激活单元对所述池化特征图中各个位置的特征值进行非线性激活以得到激活特征图；
[0027]其中，所述卷积神经网络模型的最后一层的输出为所述分类特征向量。
[0028]在上述的基于经济数据的电力需求响应系统中，所述优化模块，包括：
[0029]特征级表达强化单元，用于对所述分类特征向量进行基于高斯密度图的特征级表达强化以得到强化特征矩阵，其中，所述强化特征矩阵中各个强化特征向量对应于所述分类特征向量中各个位置的特征值；
[0030]推土机距离计算单元，用于计算所述强化特征矩阵中各个强化特征向量与其他强化特征向量之间的推土机距离以得到所述各个强化特征向量的多个推土机距离；
[0031]加和单元，用于计算所述各个强化特征向量的多个推土机距离的加和值作为所述各个强化特征向量的鲁棒聚类依赖性特征值；
[0032]掩码化单元，用于基于所述各个强化特征向量的鲁棒聚类依赖性特征值对所述分类特征向量进行掩码化；
[0033]优化单元，用于对所述分类特征向量进行鲁棒聚类依赖性优化以得到优化分类特征向量。
[0034]在上述的基于经济数据的电力需求响应系统中，所述掩码化单元，包括：基于所述各个强化特征向量的鲁棒聚类依赖性特征值与预定阈值之间的比较，确定是否将所述分类特征向量中对应位置的特征值进行归零。
[0035]在上述的基于经济数据的电力需求响应系统中，所述结果生成模块，用于：
[0036]使用所述分类器以如下分类公式对所述优化分类特征向量进行处理以得到所述分类结果；
[0037]其中，所述分类公式为：softmax{(W
n
,B
n
):
…
:(W1,B1)|X}，其中，W1到W
n
为权重矩阵，B1到B
n
为偏置向量，X为所述优化分类特征向量，softmax表示softmax函数，O表示所述分类结果。
[0038]根据本申请的另一方面，还提供了一种基于经济数据的电力需求响应方法，其包括：
[0039]获取经济情况数据；
[0040]将所述经济情况数据通过包含嵌入层的基于转换器的上下文编码器以得到经济特征向量；
[0041]将所述经济特征向量通过作为特征提取器的包含一维卷积核的卷积神经网络模型以获得分类特征向量；
[0042]对所述分类特征向量进行基于聚类的稀疏鲁棒性优化以得到优化分类特征向量；
[0043]将所述优化分类特征向量通过分类器以获得分类结果，所述分类结果用于表示电价应该调高或者降低。
[0044]与现有技术相比，本申请提供的基于经济数据的电力需求响应系统及其方法，其使用基于深度神经网络模型的人工智能技术来智能地对经济数据进行特征编码与提取，以得到更为精准的用于表示电价应该调高或者降低的分类标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于经济数据的电力需求响应系统，其特征在于，包括：数据采集模块，用于获取经济情况数据；上下文编码模块，用于将所述经济情况数据通过包含嵌入层的基于转换器的上下文编码器以得到经济特征向量；特征提取模块，用于将所述经济特征向量通过作为特征提取器的包含一维卷积核的卷积神经网络模型以获得分类特征向量；优化模块，用于对所述分类特征向量进行基于聚类的稀疏鲁棒性优化以得到优化分类特征向量；结果生成模块，用于将所述优化分类特征向量通过分类器以获得分类结果，所述分类结果用于表示电价应该调高或者降低。2.根据权利要求1所述的基于经济数据的电力需求响应系统，其特征在于，所述上下文编码模块，包括：嵌入转化单元，用于将所述经济情况数据分别通过嵌入层以将所述经济情况数据中各个维度数据转化为经济嵌入向量以得到经济嵌入向量的序列，其中，所述嵌入层使用可学习的嵌入矩阵对所述各个维度数据进行嵌入编码；编码单元，用于将所述经济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所述多个经济上下文语义特征向量；级联单元，用于将所述多个经济语义特征向量进行级联以得到所述经济特征向量。3.根据权利要求2所述的基于经济数据的电力需求响应系统，其特征在于，所述编码单元，包括：查询向量构造子单元，用于将所述经济嵌入向量的序列排列为输入向量；向量转化子单元，用于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；自注意子单元，用于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；标准化子单元，用于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；关注度计算子单元，用于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；注意力施加子单元，用于将所述自注意力特征矩阵与所述用户嵌入向量的序列中各个经济嵌入向量分别相乘得到所述多个经济语义上下文特征向量。4.根据权利要求3所述的基于经济数据的电力需求响应系统，其特征在于，所述特征提取模块，用于：使用所述作为特征提取器的包含一维卷积核的卷积神经网络模型的各层在层的正向传递中对输入数据分别进行：使用所述卷积神经网络模型的各层的卷积单元对所述输入数据进行基于一维卷积核的卷积处理以得到卷积特征图；使用所述卷积神经网络模型的各层的池化单元对所述卷积特征图进行沿通道维度的各个局部特征矩阵的池化处理以得到池化特征图；
使用所述卷积神经网络模型的各层的激活单元对所述池化特征图中各个位置的特征值进行非线性激活以得到激活特征图；其中，所述卷积神经网络模型的最后一层的输出为所述分类特征向量。5.根据权利要求4所述的基于经济数据的电力需求响应系统，其特征在于，所述优化模块，包括：特征级表达强化单元，用于对所述分类特征向量进行基于高斯密度图的特征级表达强化以得到强化特征矩阵，其中，所述强化特征矩阵中各个强化特征向量对应于所述分类特征向量中各个位置的特征值；推土机距离计算单元，用于计算所述强化特征矩阵中各个强化特征向量与其他强化特征向量之间的推土机距离以得到所述各个强化特征向量的多个推土机距离；加和单元，用于计算所述各个强化特征向量的多个推土...

【专利技术属性】
技术研发人员：金晖诗，骆中文，
申请(专利权)人：江西凌峰售电有限公司，
类型：发明
国别省市：