【技术实现步骤摘要】
本专利技术涉及电网负荷预测，具体涉及一种基于多主体的灵活负荷预测聚合方法、装置及存储介质。
技术介绍
1、传统电力系统中，电源主要以出力可控的火电机组、水电机组为主，具有较强的负荷跟踪能力和调节性能。随着大规模风、光可再生能源发电和分布式电源的不断发展，电源结构中出力具有较强不确定性的电源占比明显增加，新能源发电的随机性、间歇性、波动性和反调峰特性对电网带来了巨大冲击。而且伴随第三产业和居民用电比重的提升，以及电动汽车保有量及充电需求的增长，系统峰谷差持续拉大，进一步增加了电力系统的不确定性。
2、但是，在增加调度压力的同时，用户侧的分布式光伏、电动汽车和储能等新型负荷可为电力系统提供极具性价比的可调节分布式灵活资源。分布式灵活资源的发展，催生了车联网(电动汽车)运营商、虚拟电厂、综合能源服务商等新型能源主体的涌现。这些主体可以通过构建负荷聚合调节潜力，为高比例新能源的灵活消纳提供支撑，但对配用电侧分布式能源的精准预测及智能调控提出了更高的要求，需最大化资源调控潜力，并满足电网稳定安全运行需求。
3、灵活资源的精...
【技术保护点】
1.一种基于多主体的灵活负荷预测聚合方法，其特征在于，应用于多个灵活资源主体，包括：
2.根据权利要求1所述的基于多主体的灵活负荷预测聚合方法，其特征在于，基于联邦学习和区块链网络，采用由中心服务器节点获取的模型参数作为本地模型的初始参数在多个本地服务器节点利用所述灵活资源数据进行本地模型参数的计算以及负荷模型的训练，在区块链节点进行负荷模型的预测结果的交易和共识，包括：
3.根据权利要求1所述的基于多主体的灵活负荷预测聚合方法，其特征在于，所述联邦学习包括横向联邦学习框架和纵向联邦学习框架，每个灵活资源主体基于所述灵活资源数据的空间特征选择所...
【技术特征摘要】
1.一种基于多主体的灵活负荷预测聚合方法，其特征在于，应用于多个灵活资源主体，包括：
2.根据权利要求1所述的基于多主体的灵活负荷预测聚合方法，其特征在于，基于联邦学习和区块链网络，采用由中心服务器节点获取的模型参数作为本地模型的初始参数在多个本地服务器节点利用所述灵活资源数据进行本地模型参数的计算以及负荷模型的训练，在区块链节点进行负荷模型的预测结果的交易和共识，包括：
3.根据权利要求1所述的基于多主体的灵活负荷预测聚合方法，其特征在于，所述联邦学习包括横向联邦学习框架和纵向联邦学习框架，每个灵活资源主体基于所述灵活资源数据的空间特征选择所述横向联邦学习框架或者纵向联邦学习框架。
4.根据权利要求3所述的基于多主体的灵活负荷预测聚合方法，其特征在于，当采用纵向联邦学习框架时，采用由中心服务器节点获取的模型参数在多个本地服务器节点利用所述灵活资源数据进行本地模型参数的计算以及负荷模型的训练，包括：
5.根据权利要求4所述的基于多主体的灵活负荷预测聚合方法，其特征在...
【专利技术属性】
技术研发人员：魏仁杰，王晓慧，梁潇，雷舒娅，张文思，安宁钰，刘卫卫，黄复鹏，周自强，
申请(专利权)人：国网智能电网研究院有限公司，
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。