【技术实现步骤摘要】
本专利技术涉及数据处理，具体而言，涉及一种电碳耦合激励下的负荷聚合商调控潜力预测方法及装置。
技术介绍
1、气候变化是人类面临的全球性重大挑战，而全球变暖的主要原因之一就是碳排放，为推动构建低碳高效清洁的新型电力系统，需要开展低碳需求响应的研究。在传统需求响应“电视角”促进电力系统的供需平衡的基础上，将“碳视角”作为导向，通过向用户提供用电过程中的碳排放信息，引导用户优化自身用电行为，从而减少电力系统中负荷侧的碳排放。
2、住宅用户作为参与需求响应的重要组成，其调控潜力表现出较强的分散性和不确定性，通常需要通过负荷聚合商参与电力市场交易。为了实现电力系统减碳的目标，能否准确地评估和预测的低碳运营模式下负荷聚合商的调控潜力对决策过程至关重要，这可以为负荷聚合商在电力市场竞标和提高其经济效益提供参考信息。
3、然而，需求响应事件下住宅用户的响应行为受到激励信号、天气状况、响应意愿等多重耦合因素的影响，难以准确建模和预测。因此，如何合理模拟低碳运行模式下用户的响应行为，并能够准确预测调控潜力，是近期电力市场交易中负荷聚合商面临的重要问题。
4、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本专利技术实施例提供了一种电碳耦合激励下的负荷聚合商调控潜力预测方法及装置，以至少解决现有的调控潜力预测方法忽视了用户的碳减排潜力的技术问题。
2、根据本专利技术实施例的一个方面，提供了一种负荷聚合商调控潜力预测方法，包括：获取负荷用户的
3、可选的，上述获取负荷用户的历史用电数据、需求响应数据和气象数据，包括：获取负荷用户家用电器的上述历史用电数据、电碳耦合激励的上述需求响应数据和上述负荷用户所在位置的上述气象数据，其中，上述需求响应数据包括：需求响应的天数、响应时段、基础电价、价格补偿激励和动态碳排放因子。
4、可选的，上述基于上述历史用电数据、上述需求响应数据和上述气象数据，建立能源控制模型，包括：基于上述历史用电数据确定多个负荷类型；分别对上述多个负荷类型进行精细化建模处理，确定第一类负荷模型和第二类负荷模型；确定上述第一类负荷模型和上述第二类负荷模型为上述能源控制模型。
5、可选的，上述分别对上述多个负荷类型进行精细化建模处理，确定第一类负荷模型和第二类负荷模型，包括：使用等效参数模型来模拟第一类设备的运行状态，确定上述第一类负荷模型；使用第二类设备原有运行参数模拟第二类设备的运行状态，确定上述第二类负荷模型。
6、可选的，上述基于上述能源控制模型生成负荷聚合商的需求响应数据，并提取上述需求响应数据中影响负荷聚合商调控潜力的特征数据，包括：提取气象特征，其中，上述气象特征包括：当日最高气温和最低气温；提取日历特征，其中，上述日历特征包括：工作日或周末特征和季节特征；提取需求响应特征，其中，上述需求响应特征包括：电激励与碳激励大小特征和需求响应时间特征；提取负荷特征，其中，上述负荷包括：基线负荷特征。
7、可选的，在上述基于上述特征数据，建立调控潜力预测模型之前，上述方法还包括：将提取的特征因子输入到随机森林模型中进行训练；计算每个特征的重要性指数，并对重要性指数进行排序；删除重要性指数低于阈值的特征。
8、可选的，上述基于上述特征数据，建立调控潜力预测模型，包括：根据筛选后的特征搭建上述调控潜力预测模型；采用logist ic混沌映射初始化麻雀搜索种群，实现种群的多样化；更新发现者位置、加入者位置和警戒者位置，并重复迭代至精度满足要求；对上述调控潜力预测模型的阈值和权值实现更新，进行调控潜力预测。
9、根据本专利技术实施例的另一方面，还提供了一种负荷聚合商调控潜力预测装置，包括：获取模块，用于获取负荷用户的历史用电数据、需求响应数据和气象数据；建立模块，用于基于上述历史用电数据、上述需求响应数据和上述气象数据，建立能源控制模型，其中，上述能源控制模型用于确定用电成本数据和碳排放数据，以及基于上述用电成本数据和上述碳排放数据确定电碳耦合激励数据；提取模块，用于基于上述能源控制模型生成负荷聚合商的需求响应数据，并提取上述需求响应数据中影响负荷聚合商调控潜力的特征数据；确定模块，用于基于上述特征数据，建立调控潜力预测模型。
10、根据本专利技术实施例的另一方面，还提供了一种非易失性存储介质，上述非易失性存储介质存储有多条指令，上述指令适于由处理器加载并执行任意一项上述的负荷聚合商调控潜力预测方法。
11、根据本专利技术实施例的另一方面，还提供了一种电子设备，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为运行上述计算机程序以执行任意一项上述的负荷聚合商调控潜力预测方法。
12、在本专利技术实施例中，通过获取负荷用户的历史用电数据、需求响应数据和气象数据；基于上述历史用电数据、上述需求响应数据和上述气象数据，建立能源控制模型，其中，上述能源控制模型用于确定用电成本数据和碳排放数据，以及基于上述用电成本数据和上述碳排放数据确定电碳耦合激励数据；基于上述能源控制模型生成负荷聚合商的需求响应数据，并提取上述需求响应数据中影响负荷聚合商调控潜力的特征数据；基于上述特征数据，建立调控潜力预测模型，达到了建立电碳耦合激励下的负荷聚合商调控潜力预测模型，对电碳双重激励下住宅用户的聚合响应潜力进行评估的目的，从而实现了考虑了影响调控潜力的多重因素，并且可以识别对调控潜力起重要作用的敏感特征的技术效果，进而解决了现有的调控潜力预测方法忽视了用户的碳减排潜力的技术问题。
本文档来自技高网...【技术保护点】
1.一种电碳耦合激励下的负荷聚合商调控潜力预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取负荷用户的历史用电数据、需求响应数据和气象数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述历史用电数据、所述需求响应数据和所述气象数据，建立能源控制模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述分别对所述多个负荷类型进行精细化建模处理，确定第一类负荷模型和第二类负荷模型，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述能源控制模型生成负荷聚合商的需求响应数据，并提取所述需求响应数据中影响负荷聚合商调控潜力的特征数据，包括：
6.根据权利要求1所述的方法，其特征在于，在所述基于所述特征数据，建立调控潜力预测模型之前，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述基于所述特征数据，建立调控潜力预测模型，包括：
8.一种电碳耦合激励下的负荷聚合商调控潜力预测装置，其特征在于，包括：
9.一种非易失性存储介质
10.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至7中任意一项所述的电碳耦合激励下的负荷聚合商调控潜力预测方法。
...【技术特征摘要】
1.一种电碳耦合激励下的负荷聚合商调控潜力预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取负荷用户的历史用电数据、需求响应数据和气象数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述历史用电数据、所述需求响应数据和所述气象数据，建立能源控制模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述分别对所述多个负荷类型进行精细化建模处理，确定第一类负荷模型和第二类负荷模型，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述能源控制模型生成负荷聚合商的需求响应数据，并提取所述需求响应数据中影响负荷聚合商调控潜力的特征数据，包括：
6.根据权利要求1所述...
【专利技术属性】
技术研发人员：王立永，柴志超，孙钦斐，李香龙，潘鸣宇，赵贺，侯宇程，林志法，曹昕，王飞，李美颐，李楠，葛鑫鑫，
申请(专利权)人：国网北京市电力公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。