一种基于因素重要度排序的需求响应容量预测方法及系统技术方案

本发明专利技术公开了一种基于因素重要度排序的需求响应容量预测方法及系统，方法包括获取电网用户的历史数据，将历史数据进行缺失数据预处理，并根据预处理后的历史数据，构建基线负荷影响因素指标数据集；其中，历史数据包括历史基线负荷时间序列数据和历史天气时间序列数据；将基线负荷影响因素指标数据集进行基于关联度的影响因素重要度排序筛选，获得影响基线负荷的重要影响因素数据；将影响基线负荷的重要影响因素数据进行回归预测，获得电网基线负荷预测值；将用户实际用电负荷和电网基线负荷预测值进行容量计算，获得用户的需求响应容量

【技术实现步骤摘要】
一种基于因素重要度排序的需求响应容量预测方法及系统


[0001]本专利技术涉及新型电力系统用户侧需求响应
，尤其涉及一种基于因素重要度排序的需求响应容量预测方法及系统
。

技术介绍

[0002]近年，全球范围内都在向能源绿色低碳转型发展，新能源发电装机在电网中的比例逐年增大，导致它们对电网灵活性调节资源需求迅速增长
。
其中，用户侧需求响应作为一种重要的灵活性调节资源，用户侧需求响应参与电网运行优化能够有助于提升系统调峰能力，提升新能源消纳能力
。
我国的江苏
、
广东和广西等部分省区已启动用户侧需求响应交易，其中关键之一是需明确用户侧需求响应的容量作为其结算依据
。
而在用户侧需求响应容量评价中，一般将用户基线负荷作为用户侧需求响应容量评价的基准，根据实际负荷与基线负荷的偏差，来量化评估用户实际响应容量
。
基线负荷的预测准确与否直接影响到用户实际响应容量的评估准确性
。
[0003]当前，用户侧需求响应基线负荷认定主要采用时序顺推评本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于因素重要度排序的需求响应容量预测方法，其特征在于，包括：获取电网用户的历史数据，将所述历史数据进行缺失数据预处理，并根据预处理后的历史数据，构建基线负荷影响因素指标数据集；其中，所述历史数据包括历史基线负荷时间序列数据和历史天气时间序列数据；将所述基线负荷影响因素指标数据集进行基于关联度的影响因素重要度排序筛选，获得影响基线负荷的重要影响因素数据；将所述影响基线负荷的重要影响因素数据进行回归预测，获得电网基线负荷预测值；将用户实际用电负荷和所述电网基线负荷预测值进行容量计算，获得用户的需求响应容量
。2.
如权利要求1所述的基于因素重要度排序的需求响应容量预测方法，其特征在于，所述将所述基线负荷影响因素指标数据集进行基于关联度的影响因素重要度排序筛选，获得影响基线负荷的重要影响因素数据，具体为：根据所述基线负荷影响因素指标集，计算基线负荷与各影响因素之间的两级差值；其中，所述两级差值包括两级最小差和两级最大差；根据所述两级差值，计算各所述影响因素的关联度；将各所述影响因素的关联度进行影响程度排序，得到各所述影响因素的贡献度；根据各所述影响因素的贡献度，对各所述影响因素进行重要影响因素筛选，得到所述影响基线负荷的重要影响因素数据
。3.
如权利要求1所述的基于因素重要度排序的需求响应容量预测方法，其特征在于，所述根据所述基线负荷影响因素指标集，计算基线负荷与各影响因素之间的两级差值，具体为：根据所述基线负荷影响因素指标集，获取每个时段中若干个影响因素的数据和基线负荷；计算每个所述时段中所述基线负荷与各所述影响因素的数据之间的差值，获得各所述时段的各所述影响因素的中间差值；根据各所述时段的各所述影响因素的中间差值，计算所述基线负荷与各影响因素之间的两级最小差，公式为：其中，
X
C
为所述基线负荷与各影响因素之间的两级最小差，
|
·
|
为求欧式范数；
|x0(k)
‑
x
i
(k)|
为第
k
时段的第
i
个影响因素的中间差值，
x0(k)
为所述第
k
时段的基线负荷，
x
i
(k)
为所述第
k
时段的第
i
个影响因素的数据；根据各所述时段的各所述影响因素的中间差值，计算所述基线负荷与各影响因素之间的两级最大差，公式为：其中，
D
C
为所述基线负荷与各影响因素之间的两级最大差
。4.
如权利要求3所述的基于因素重要度排序的需求响应容量预测方法，其特征在于，所述根据所述两级差值，计算各所述影响因素的关联度，具体为：根据所述两级差值，计算各所述时段的各所述影响因素的关联系数，公式为：
其中，
ξ
i
(k)
为所述第
k
时段的第
i
个影响因素的关联系数，
ρ
∈[0,1]
为分辨系数；将各所述时段的各所述影响因素的关联系数进行关联度计算，获得各所述影响因素的关联度，公式为：其中，
r
i
为所述第
i
个影响因素的关联度；
n
为样本长度
。5.
如权利要求4所述的基于因素重要度排序的需求响应容量预测方法，其特征在于，所述将各所述影响因素的关联度进行影响程度排序，得到各所述影响因素的贡献度，具体为：
[rs,rind]
＝
sort(r
i
)
其中，
rs
为所述第
i
个影响因素的贡献度，
rind
为影响因素序号，
sort(
·
)
为排序功能函数
。6.
如权利要求2所述的基于因素重要度排序的需求响应容量预测方法，其特征在于，所述根据各所述影响因素的贡献度，对各所述影响因素进行重要影响因素筛选，得到所述影响基线负荷的重要影响因素数据，具体为：根据各所述影响因素的贡献度，选取预设比例的影响因素，作为重要影响因素；在所述基线负荷影响因素指标数据集中筛选出的所述重要影响因素对应的时间序列数据，获得所述影响基线负荷的重要影响因素数据
。7.
如权利要求1所述的基于因素重要度排序的需求响应容量预测方法，其特征在于，所述将所述影响基线负荷的重要影响因素数据进行回归预测，获得电网基线负荷预测值，具体为：将所述影响基...

【专利技术属性】
技术研发人员：刘佳乐，吴国炳，董锴，孟子杰，喻振帆，周巍，蔡新雷，程章颖，李超，黎可，
申请(专利权)人：广东电网有限责任公司电力调度控制中心，
类型：发明
国别省市：