[发明专利]一种面向需求响应的家庭电路负荷分解方法及系统

权利要求书

1.一种面向需求响应的家庭电路负荷分解方法，其特征在于，所述方法包括：

将采集的目标家庭的电路负荷数据，代入预先建立的深度长短期记忆网络模型中；

利用所述深度长短期记忆网络模型对所述目标家庭的电路负荷数据进行分解，并将分解结果进行拼接，得到所述目标家庭各用电器的用电情况；其中，

所述深度长短期记忆网络模型包括预先采集的典型家庭电路负荷数据。

2.根据权利要求1所述的方法，其特征在于，所述深度长短期记忆网路模型的预先建立包括：

对预先采集的典型家庭电路负荷数据进行预处理；

基于预处理后的典型家庭电路负荷数据的损失函数训练深度长短期记忆网络，生成深度长短期记忆网路模型。

3.根据权利要求2所述的方法，其特征在于，所述对预先采集的典型家庭电路负荷数据进行预处理，包括：

按照预先定义的典型家庭类型挑选N户家庭，并在各户用电器中设置传感器；

采用所述传感器，根据自定义采样间隔，跟踪记录各户整月的典型家庭电路负荷数据；计入需求响应因素和温度环境因素，将所述典型家庭电路负荷数据转化为时序序列n×L；其中，n为用电器个数，L为单日采样点个数；

所述典型家庭电路负荷数据包括：家庭电路总负荷和各用电器负荷。

4.根据权利要求3所述的方法，其特征在于，所述深度长短期记忆网络结构包括：网络深度与单层节点数；

其中，所述网络深度包括输入层、输出层和3个隐藏层；将每个隐藏层的单层节点数设为1024个节点；

所述输入层用于接收z×L的总负荷数据，其中z为向量个数，包括：总负荷、温度、电价、时间和假期；

所述输出层用于输出时序序列n×L，n为用电器个数，L为采样点个数。

5.根据权利要求4所述的方法，其特征在于，所述深度长短期记忆网络的损失函数由数值约束，形状约束和总和约束构成；其中，

所述数值约束，以实现分解结果中各用电器负荷数值向真实值靠近；

所述形状约束，以实现分解结果中各用电器负荷形状变化向真实形状靠近；

所述总和约束，以实现分解结果中各用电器负荷的总和与家庭电路总负荷相等。

6.根据权利要求5所述的方法，其特征在于，通过下式确定损失函数：

γ＝θ₁·γ₁+θ₂·γ₂+θ₃·γ₃

式中，γ表示损失函数；θi表示第i个约束的权重。

7.根据权利要求6所述的方法，其特征在于，通过下式确定数值约束：

式中，γ₁为数值约束，li为家庭电路中用电器i的输入负荷序列，li’为一轮迭代后深度长短期记忆网络分解出的用电器i的负荷序列，MSE表示函数计算两个数据序列的均方误差，n为用电器的个数。

8.根据权利要求6所述的方法，其特征在于，通过下式确定形状约束：

式中，max()函数与min()函数分别表示输入数据序列的最大值与最小值，s_i和s_i’分别表示经l_i和l_i’两个用电器i的输入序列进行规范化获得的同一量级的输入序列，γ₂表示s_i和s_i’的形状约束。

9.根据权利要求6所述的方法，其特征在于，通过下式确定总和约束：

式中，γ3表示总和约束；m为家庭电路总负荷序列。