【技术实现步骤摘要】
本专利技术涉及能源领域，特别涉及一种基于虚拟电厂的用户负荷调度方法、装置、设备及介质。
技术介绍
1、虚拟电厂(virtual power plant,vpp)作为一类新型电力资源聚合商，能够对水火电机组、新能源机组、储能系统、电动汽车、可控负荷等资源进行合理优化配置及利用，而随着虚拟电厂应用范围的扩大，海量的用户接入，把握电力用户的用电需求是电力企业提升服务质增强竞争力的关键，在电力系统大力推行需求侧管工作、促进电力资源优化配置的大背景下，精准挖掘用户负荷需求响应，智能合理的进行负荷引导与分配，有利于缓解电力矛盾。
技术实现思路
1、本专利技术要解决的技术问题是提供一种基于虚拟电厂的用户负荷调度方法、装置、设备及介质，实现了电力供应和需求的智能匹配和优化配置，同时保证了能源配置和调度的准确性和可靠性，为现代化能源供应管理和能源保护做出贡献。
2、为实现上述目的，本专利技术采用如下技术方案：
3、第一方面，本专利技术提供一种基于虚拟电厂的用户负荷调度方法，包括：
4、建立用户负荷的预测模型；
5、将预测数据输入预测模型，得到预测结果；
6、根据用户画像以及虚拟电厂运行成本，确定用户的需求响应模型；
7、基于预测结果和用户的需求响应模型，确定日前经济最优调度模型；
8、对日前经济最优调度模型进行求解；
9、根据求解结果，对用户负荷进行调度。
10、优选地，建立用户负荷的预测模型
11、收集用户数据，并进行数据分析，用户数据包括：用户的用电数据，设备的能耗数据，气象数据；
12、基于用户的用电数据、设备的能耗数据、气象数据之间的关系，建立卷积和lstm相结合的初始模型；
13、将用户数据输入初始模型进行训练，得到用户负荷的预测模型。
14、优选地，根据用户画像以及虚拟电厂运行成本，确定用户的需求响应模型，包括：
15、收集用户数据；
16、对用户数据进行清洗、校验、去除冗余；
17、通过挖掘用户数据中具有行为评估能力的指标，建立用户画像的标签库；
18、基于标签库，采用模糊c均值聚类算法对用户数据进行处理，将用户分为多个集合；
19、为多个集合中的用户赋予一个或多个标签，形成带标签的用户画像；
20、根据用户画像以及虚拟电厂运行成本，确定用户的需求响应模型。
21、进一步地，用户的需求响应模型，满足：
22、
23、-0.3·de,0≤de,i-de,0≤0.3·de,0
24、
25、式中是需求响应的机理电价，cdr是需求响应的成本，de,i是需求响应之后的电力负荷，de,0是需求响应之前的电力负荷，ne表示需求响应区域数量。
26、优先地，日前经济最优调度模型，满足：
27、c＝coss+cbuy+ccurt
28、
29、
30、
31、式中：coss表示设备的运行维护和启停费用，cbuy表示购买能源的费用，ccurt弃风成本，t为运行的总时间段，每隔一小时为一个时间段，总共有24个时间段，n为设备数量总数，ceq为设备的维护费用，peq为各设备的运行功率，ceq表示各设备的启停费用，yeq为0-1变量，表示各设备的运行状态；cet表示各时间段购电价格，pe表示购电的功率；ccurt表示单位时间的弃风惩罚成本系数，pcurt为各时间段的弃风功率。
32、进一步地，日前经济最优调度模型的条件约束，包括：
33、储能设备能量和功率约束、设备出力和爬坡约束、弃风约束、风电出力约束。
34、进一步地，对日前经济最优调度模型进行求解，包括：
35、采用mindopt或gurobi求解器对日前经济最优调度模型进行求解。
36、第二方面，本专利技术还提供一种基于虚拟电厂的用户负荷调度装置，包括：
37、建立模块，用于建立用户负荷的预测模型；
38、预测模块，用于将预测数据输入预测模型，得到预测结果；
39、确定模块，用于根据用户画像以及虚拟电厂运行成本，确定用户的需求响应模型；
40、确定模块，还用于基于预测结果和用户的需求响应模型确定日前经济最优调度模型；
41、求解模块，用于对日前经济最优调度模型进行求解；
42、调度模块，用于根据求解结果，对用户负荷进行调度。
43、第三方面，本专利技术还提供一种电子设备，包括：处理器和存储器；
44、处理器与存储器耦合；
45、其中，所述处理器，用于读取并执行所述存储器存储的程序或指令，使得设备执行如第一方面的方法。
46、第四方面，本专利技术还提供一种计算机可读存储介质，存储有计算机程序，程序被处理器执行时实现如第一方面的方法。
47、与现有技术相比，本专利技术具有如下优势：
48、本专利技术的技术方案，采用卷积和lstm相结合的神经网络模型，对日前数据进行预测，得到用户负荷的预测结果；通过对用户数据进行分析处理，形成精准的用户画像，根据用户画像确定个性化的用户需求响应，进而基于预测结果和用户需求响应确定日前经济最优调度模型，对模型求解后得到更精准的用户负荷数据，然后对用户负荷进行调度。因此，本专利技术采用神经网络模型对数据预测，结合精准用户画像的需求响应，满足日前经济最优调度的模型及条件约束的前提下，进而对用户负荷进行调度的技术方案，实现了电力供应和需求的智能匹配和优化配置，同时保证了能源配置和调度的准确性和可靠性，为现代化能源供应管理和能源保护做出贡献。
49、本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。
本文档来自技高网...【技术保护点】
1.一种基于虚拟电厂的用户负荷调度方法，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，所述建立用户负荷的预测模型，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据用户画像以及虚拟电厂运行成本，确定用户的需求响应模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述用户的需求响应模型，满足：
5.根据权利要求1所述的方法，其特征在于，所述日前经济最优调度模型，满足：
6.根据权利要求5所述的方法，其特征在于，所述日前经济最优调度模型的条件约束，包括：
7.根据权利要求1-6任一项所述的方法，其特征在于，所述对日前经济最优调度模型进行求解，包括：
8.一种基于虚拟电厂的用户负荷调度装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：处理器和存储器；
10.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述程序被处理器执行时实现如权利要求1-7任一项所述方法。
【技术特征摘要】
1.一种基于虚拟电厂的用户负荷调度方法，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，所述建立用户负荷的预测模型，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据用户画像以及虚拟电厂运行成本，确定用户的需求响应模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述用户的需求响应模型，满足：
5.根据权利要求1所述的方法，其特征在于，所述日前经济最优调度模型，满足：
6...
【专利技术属性】
技术研发人员：赵志渊，刘敏，朱建，姚小强，高鑫涛，陈金才，张经纬，张茗越，
申请(专利权)人：国家电投集团综合智慧能源科技有限公司，
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。