【技术实现步骤摘要】
本专利技术属于电力系统，具体涉及一种家庭用户用电负荷概率预测方法及装置。
技术介绍
1、随着“碳达峰·碳中和”目标的提出，未来电力系统将更加绿色和清洁化，电网中光伏和风电等新能源的渗透率将进一步提升。同时，随着城乡居民生活水平的不断提高，居民用户的用电负荷水平不断提升。居民用户负荷具有数量众多，分布广泛的特点，可以作为应对新能源出力的波动性和随机性的重要灵活资源。负荷预测作为实现家庭用户参与需求侧响应的重要基础，近年来受到广泛的关注和研究。由于居民用户用电的高度波动性和不确定性，传统的预测方法存在输入数据单一和预测精度差的问题，所以传统的预测方法预测难度和预测误差很大。
技术实现思路
1、为克服上述相关技术中存在的问题，本申请提供一种家庭用户用电负荷概率预测方法及装置。
2、根据本申请实施例的第一方面，提供一种家庭用户用电负荷概率预测方法，所述方法包括：
3、采集目标采样周期内的天气因素和目标家庭用户的用电负荷数据；
4、基于目标采样周期内的天气因素和目...
【技术保护点】
1.一种家庭用户用电负荷概率预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述预测模型的建立过程，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述历史采样周期内的各用电负荷数据进行编码，得到进行编码后的所述历史采样周期内的各用电负荷数据，包括：
4.根据权利要求3所述的方法，其特征在于，所述日期类型包括：工作日和节假日。
5.根据权利要求2所述的方法，其特征在于，所述对所述历史采样周期内的天气因素进行数据降维处理，得到所述历史采样周期内的天气特征，包括：
6.根据...
【技术特征摘要】
1.一种家庭用户用电负荷概率预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述预测模型的建立过程，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述历史采样周期内的各用电负荷数据进行编码，得到进行编码后的所述历史采样周期内的各用电负荷数据，包括：
4.根据权利要求3所述的方法，其特征在于，所述日期类型包括：工作日和节假日。
5.根据权利要求2所述的方法，其特征在于，所述对所述历史采样周期内的天气因素进行数据降维处理，得到所述历史采样周期内的天气特征，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述皮尔逊相关系数和所述互信息，对历史采样周期内的筛选后的天气因素进行再次筛选，包括：
7.根据权利要求2所述的方法，其特征在于，所述改进后的深度学习模式为利用卷积神经网络和lstm神经网络组合构建的；
8.根据权利要求7所述的方法，其特征在于，所述利用所述训练集对改进后的深度学习模型进行训练，得到所述预测模型，包括：
9.根据权利要求7所述的方法，其特征在于，所述改进后的弹球损失函数的计算式包括：
10.根据权利要求1所述的...
【专利技术属性】
技术研发人员：李蕊，赵阳，盛万兴，李鹏丽，王铭，
申请(专利权)人：中国电力科学研究院有限公司，
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。