【技术实现步骤摘要】
本专利技术涉及负荷预测，具体涉及一种双碳背景下基于用电行为大数据的电力负荷预测方法。
技术介绍
1、随着我国现代化进程的不断推进和碳达峰、碳中和目标的提出，电力系统清洁低碳转型的步伐将进一步加快。发电侧出力不稳定的清洁能源占比加大，用电侧电力消费结构快速变化，电力生产、消费两端双向波动性加剧，电力负荷呈现尖峰化、双峰化特征，对电力系统的功率平衡、抗冲击能力等提出新挑战。在现代电力市场体系建设中，核心在于电价，主导因素是供需。需求响应是一种重要的需求侧管理方法，通过设置不同时段电价或与用户签订带有激励性的合约，以经济手段来引导用户合理用电，实现对用户用电量的直接或间接控制，达到削峰填谷、提高电力系统可靠性的目的。
2、基于用电行为大数据建立模型来预测负荷，研究用户的响应行为，对电价政策的实施效果进行预判，可以优化资源配置，并为相关电力调度、管理决策提供支持。然而由于负荷影响因素的复杂多样，负荷时间序列呈现出非线性和高波动性，使得负荷预测变得困难。传统的负荷预测方法，如差分自回归积分滑动平均法、指数平滑法、回归分析法和灰色模型法...
【技术保护点】
1.一种双碳背景下基于用电行为大数据的电力负荷预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种双碳背景下基于用电行为大数据的电力负荷预测方法，其特征在于，步骤S3中，Elman神经网络包括输入层、隐藏层、承接层和输出层，层与层间采用全连接方式，所述输入层起信号传输作用；所述隐藏层有线性和非线性两类激励函数；所述输出层起加权作用；所述承接层起记忆作用。
3.根据权利要求1所述的一种双碳背景下基于用电行为大数据的电力负荷预测方法，其特征在于，步骤S3中，LSTM神经网络包括遗忘门、输入门、输出门和记忆单元神经元，所述遗忘门以当前时...
【技术特征摘要】
1.一种双碳背景下基于用电行为大数据的电力负荷预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种双碳背景下基于用电行为大数据的电力负荷预测方法，其特征在于，步骤s3中，elman神经网络包括输入层、隐藏层、承接层和输出层，层与层间采用全连接方式，所述输入层起信号传输作用；所述隐藏层有线性和非线性两类激励函数；所述输出层起加权作用；所述承接层起记忆作用。
3.根据权利要求1所述的一种双碳背景下基于用电行为大数据的电力负荷预测方法，其特征在于，步骤s3中，lstm神经网络包括遗忘门、输入门、输出门和记忆单元神经元，所述遗忘门以当前时刻的输入和上一时刻的输出作为输入，控制着上一时刻的单元状态传递到当前时刻的程度；所述输入门控制新信息被加入的多少，与遗忘门一起配合更新本记忆单元的单元状态；所述输出门控制当前单元状态被删除的程度。
4.根据权利要求1所述的一种双碳背景下基于用电行为大数据的电力负荷预测方法，其特征在于，步骤s2...
【专利技术属性】
技术研发人员：胡遨洋，周青睐，王哲，陆伟杰，陶益飞，钱伟强，梁育超，于鑫杰，高隽垚，万子剑，
申请(专利权)人：国网浙江省电力有限公司桐乡市供电公司，
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。