一种用户响应潜力等级的测试方法及系统技术方案

本发明专利技术公开了一种用户响应潜力等级的测试方法及系统包括：提取用户历史数据和用户特征，对用户历史用电数据与历史响应数据进行信号降噪处理与数据增强；根据处理后的用户历史数据，利用多个分支算法同时对输入的用户历史数据进行预处理与预训练；根据用户历史数据特征与各分支算法预训练结果，对样本数据进行处理，组合出用户历史用电数据时序矩阵作为

【技术实现步骤摘要】
一种用户响应潜力等级的测试方法及系统


[0001]本专利技术涉及用户响应潜力等级测试
，特别涉及一种用户响应潜力等级的测试方法及系统
。

技术介绍

[0002]随着新型电力系统的不断发展，以太阳能
、
风能为代表的清洁能源在系统中的占比不断提升
。
但由于其与负荷之间存在时空不耦合性，导致消纳水平不高，容易引起电力系统的供需失衡，不同于有序用电“一刀切”的调节方式，需求响应作为用户侧参与电网调节的弹性手段，用户可根据激励政策或电价信号自主进行负荷调节，在保证电力用户用电满意度的基础上引入了市场化的电网调节方式，有助于新一轮电力体制改革落实
。
需求响应目前已经从局部试点摸索逐步转向省级范围大规模示范应用，为我国能源结构转型
、
清洁能源消纳
、
电网安全运行
、
电力供需平衡
、
用户能效提升提供了有力支撑
。
但如何根据用户自身特性，准确测试出用户响应潜力等级，使用户不仅能够发挥最大响应潜力的同时，保证其用电舒适度影响，并使电网收益最大仍存在一些瓶颈
。
[0003]基于用户历史日负荷数据，可以研究不同日负荷模式的发生概率，跟踪客户中长期用电量模式
。
但考虑到住宅客户日常用电行为具有较强的不确定性，单一的神经网络诊断方法故障诊断准确率不高，且随着输入数据的质量变化，模型的诊断结果也会发生较大突变，模型鲁棒性不高，不利于准确识别用户响应潜力等级
。
[0004]鉴于此，需要一种基于自适应动态加权的多分支联合算法，将其应用于用户响应潜力等级的测试
。

技术实现思路

[0005]鉴于上述存在的问题，提出了本专利技术
。
[0006]因此，本专利技术解决的技术问题是：传统需求响应实施过程中用户大多根据自己主观意识与实际用电需求自主选择参与需求响应，并没有结合其历史负荷数据的动态特性，导致难以兼顾电网收益与用户参与需求响应业务的质量以及其自身用电舒适度
。
[0007]为解决上述技术问题，本专利技术提供如下技术方案：一种用户响应潜力等级的测试方法，包括：提取用户历史数据和用户特征，对用户历史用电数据与历史响应数据进行信号降噪处理与数据增强；
[0008]根据处理后的用户历史数据，利用多个分支算法同时对输入的用户历史数据进行预处理与预训练；
[0009]根据用户历史数据特征与各分支算法预训练结果，对样本数据进行处理，组合出用户历史用电数据时序矩阵作为
LSTM
网络模型的输入，并将重新构建的数据集代入至
LSTM
网络模型中进行训练，得出最终用户响应潜力等级的测试结果
。
[0010]作为本专利技术所述的用户响应潜力等级的测试方法的一种优选方案，其中：
[0011]所述用户历史数据包括，用户历史用电数据
、
历史响应数据；
[0012]所述提取用户历史数据和用户特征具体的方法包括，在原始信号中随机加入具有一定方差的噪声，得到多个加噪的原始信号，对加噪原始信号分别进行经验模态分解
EMD
得到多组本征模态分量
IMF
，对多组本征模态分量
IMF
按照对应的阶次分别进行求和，并根据多组本征模态分量
IMF
的组数求平均作为最终的多组本征模态分量
IMF。
[0013]作为本专利技术所述的用户响应潜力等级的测试方法的一种优选方案，其中：
[0014]将信号通过
EEMD
算法分解得到信号的各个本征模态分量
IMF
，所述本征模态分量
IMF
满足条件：
[0015][0016]其中，
N
Z
为极值点的个数；
N
e
为过零点的个数；在整个数据序列内，极值点的个数
N
Z
，和过零点的个数
N
e
以及在任一时间点，信号由局部极大值确定的上包络线
f
max
(t)
和由局部极小值确定的下包络线
f
min
(t)
的均值满足公式
(1)。
[0017]作为本专利技术所述的用户响应潜力等级的测试方法的一种优选方案，其中：
[0018]所述
EEMD
算法包括，将一定幅值的白噪声序列
n(t)
加入原始信号
x0(t)
中得到新信号
x(t)
，具体如下式所示：
[0019]x(t)
＝
x0(t)+n(t) (2)
[0020]对新信号
x(t)
进行
EEMD
分解，得到
k
个
IMF
分量
c
i
(t)
和一个余量
r(t)
，
i
＝1，2，
…
，
k
；
[0021][0022]每次分解加入相同振幅的不同白噪声序列；将分解得到的各个本征模态分量均值作为最终结果，得到的信号经
EEMD
分解后的本征模态分量
IMF
为：
[0023][0024]其中，表示第
N
次分解得到的第
i
个本征模态分量
IMF。
[0025]作为本专利技术所述的用户响应潜力等级的测试方法的一种优选方案，其中：对所用户响应潜力等级的动态划分的具体包括为，用户
i
在
t
时刻参与需求响应的潜力通过响应容量
M
i
(t)
与响应速度
V
i
(t)
表征，将用户响应潜力等级划分为：
[0026][0027]其中，
m
i
(t)
表示用户
i
在
t
时刻的响应容量，
v
i
(t)
表示用户
i
在
t
时刻的响应速度
。
[0028]作为本专利技术所述的用户响应潜力等级的测试方法的一种优选方案，其中：所述用户特征重构具体包括，第
i
个分支算法的测试结果为可以表示为等级
n
，通过历史数据集中得到的典型响应潜力等级特征集，将等级
n
重新映射到数字特征空间，得到向量特征其中
l
为原始特征长度，可得：
[0029][0030][0031]其中为等级为
n
原始特征长度为
l
的向量特征
。
[0032]通过特征重构，得到新的特征向量，将其与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种用户响应潜力等级的测试方法，其特征在于，包括，提取用户历史数据和用户特征，对用户历史用电数据与历史响应数据进行信号降噪处理与数据增强；根据处理后的用户历史数据，利用多个分支算法同时对输入的用户历史数据进行预处理与预训练；根据用户历史数据特征与各分支算法预训练结果，对样本数据进行处理，组合出用户历史用电数据时序矩阵作为
LSTM
网络模型的输入，并将重新构建的数据集代入至
LSTM
网络模型中进行训练，得出最终用户响应潜力等级的测试结果
。2.
如权利要求1所述的用户响应潜力等级的测试方法，其特征在于：所述用户历史数据包括，用户历史用电数据
、
历史响应数据；所述提取用户历史数据和用户特征具体的方法包括，在原始信号中随机加入具有一定方差的噪声，得到多个加噪的原始信号，对加噪原始信号分别进行经验模态分解
EMD
得到多组本征模态分量
IMF
，对多组本征模态分量
IMF
按照对应的阶次分别进行求和，并根据多组本征模态分量
IMF
的组数求平均作为最终的多组本征模态分量
IMF。3.
如权利要求2所述的用户响应潜力等级的测试方法，其特征在于：将信号通过
EEMD
算法分解得到信号的各个本征模态分量
IMF
，所述本征模态分量
IMF
满足条件：其中，
N
Z
为极值点的个数；
N
e
为过零点的个数；在整个数据序列内，极值点的个数
N
Z
，和过零点的个数
N
e
以及在任一时间点，信号由局部极大值确定的上包络线
f
max
(t)
和由局部极小值确定的下包络线
f
min
(t)
的均值满足公式
(1)。4.
如权利要求3所述的用户响应潜力等级的测试方法，其特征在于：所述
EEMD
算法包括，将一定幅值的白噪声序列
n(t)
加入原始信号
x0(t)
中得到新信号
x(t)
，具体如下式所示：
x(t)
＝
x0(t)+n(t)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
对新信号
x(t)
进行
EEMD
分解，得到
k
个
IMF
分量
c
i
(t)
和一个余量
r(t)
，
i
＝1，2，
…
，
k
；每次分解加入相同振幅的不同白噪声序列；将分解得到的各个本征模态分量均值作为最终结果，得到的信号经
EEMD
分解后的本征模态分量
IMF
为：其中，表示第
N
次分解得到的第
i
个本征模态分量
IMF。5.
如权利要求4所述的用户响应潜力等级的测试方法，其特征在于：对所用户响应潜力等级的动态划分的具体包括为，用户
i
在
t
时刻参与需求响应的潜力...

【专利技术属性】
技术研发人员：韩帅，卢健斌，陈卫东，张旻钰，陈冬良，
申请(专利权)人：广西电网有限责任公司电力科学研究院，
类型：发明
国别省市：