【技术实现步骤摘要】
本申请属于智能配电网，具体地涉及一种配电网需求侧响应方法、一种配电网需求侧响应装置、一种计算机设备、一种机器可读存储介质和一种配电网需求侧响应系统。
技术介绍
1、在电力系统的发展进程中，配电网呈现出负荷波动剧烈、峰谷差持续扩大以及分布式能源规模接入的状态，而传统的配电网需求侧响应策略生成方式却存在显著缺陷。首先，从预测环节来看，传统的配电网需求侧响应策略生成方式依赖人工经验和简单规则，难以精准捕捉用户用电模式在时间、空间上的多样性与不确定性。例如，居民用户受天气、生活习惯影响，商业用户受经营活动、促销安排影响，工业用户受生产计划、设备工况影响，用电模式复杂多变，传统配电网需求侧响应策略生成方式无法有效应对，从而导致负荷需求预测偏差大，使需求侧响应策略缺乏精准性，难以实现电力资源的合理调配。再者，在响应执行阶段，面临着实时数据带来的不确定性等严峻挑战。传统的配电网需求侧响应策略生成方式无法依据电网实时运行状态（如线路过载、电压异常）和用户实时反馈来及时调整响应策略。一旦出现突发情况，如电网局部故障或用户用电行为突变，传统响应机制无法快速...
【技术保护点】
1.一种配电网需求侧响应方法，其特征在于，包括：
2.根据权利要求1所述的配电网需求侧响应方法，其特征在于，所述机器学习模型包括用于提取输入序列的时间序列特征的神经网络子模型和将所述时间序列特征非线性映射为负荷需求量的非线性映射子模型，其中，所述输入序列中的各个元素一一对应地被赋值为用户时序化的历史用电数据中各个时刻的观测值。
3.根据权利要求1所述的配电网需求侧响应方法，其特征在于，基于用户历史用电数据，选择对应于用户所属用户类别的机器学习模型执行数据推理，得到用户的负荷需求量，包括：
4.根据权利要求3所述的配电网需求侧响应方法...
【技术特征摘要】
1.一种配电网需求侧响应方法，其特征在于，包括：
2.根据权利要求1所述的配电网需求侧响应方法，其特征在于，所述机器学习模型包括用于提取输入序列的时间序列特征的神经网络子模型和将所述时间序列特征非线性映射为负荷需求量的非线性映射子模型，其中，所述输入序列中的各个元素一一对应地被赋值为用户时序化的历史用电数据中各个时刻的观测值。
3.根据权利要求1所述的配电网需求侧响应方法，其特征在于，基于用户历史用电数据，选择对应于用户所属用户类别的机器学习模型执行数据推理，得到用户的负荷需求量，包括：
4.根据权利要求3所述的配电网需求侧响应方法，其特征在于，基于用户历史用电数据确定该用户的用电行为特征，包括：
5.根据权利要求3所述的配电网需求侧响应方法，其特征在于，用户所属的用户类别通过执行以下处理后获得：对配电网内各个用户的用电行为特征进行聚类分析，得到各个簇中心及归属到同一簇的用户的所属用户类别。
6.根据权利要求1所述的配电网需求侧响应方法，其特征在于，根据各个用户的负荷需求量生成并发布针对不同用户的需求侧响应策略，包括：
7.根据权利要求1所述的配电网需求侧响应方法，其特征在于，根据需求侧响应策略寻优的目标确定所述奖励函数，包括：
8.根据权利要求7所述的配电网需求侧响应方法，其特征在于，奖励函数的表达式的第二端包括反映实际削减的用电负荷与预期削减负荷的差值的奖励项、反映实施需求侧...
【专利技术属性】
技术研发人员：张楠，白晖峰，杜剑，霍超，杨钦斌，张静，尹志斌，郑利斌，谢凡，罗安琴，于轲鑫，
申请(专利权)人：北京智芯微电子科技有限公司，
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。