[发明专利]一种气象敏感负荷功率估算方法及装置在审
申请号: | 201910430705.X | 申请日: | 2019-05-22 |
公开(公告)号: | CN109992930A | 公开(公告)日: | 2019-07-09 |
发明(设计)人: | 尹积军;陈庆;吴争;陆晓;罗建裕;刘林;赵静波;鞠平;陈彦翔;秦川;施佳君;廖诗武;朱鑫要;王大江 | 申请(专利权)人: | 国网江苏省电力有限公司电力科学研究院;国家电网有限公司;河海大学;江苏省电力试验研究院有限公司 |
主分类号: | G06F17/50 | 分类号: | G06F17/50 |
代理公司: | 北京品源专利代理有限公司 11332 | 代理人: | 孟金喆 |
地址: | 211103 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 敏感负荷 日负荷 功率估算 气象 降维 估算 连接层 输入神经元 功率曲线 估算模型 模型输入 模型训练 气象数据 网络参数 编码器 无监督 映射 堆栈 输出 应用 | ||
本发明公开了一种气象敏感负荷功率估算方法及装置。包括:获取气象敏感负荷功率估算模型;向气象敏感负荷功率估算模型输入待估算日的日负荷曲线,以提取待估算日的日负荷曲线降维特征;根据待估算日的日负荷曲线降维特征,以及日负荷曲线的降维特征到气象敏感负荷功率间的映射,输出气象敏感负荷功率。本发明提出的估算模型可以由日负荷曲线直接获得气象敏感负荷功率曲线,尤其适用于实际应用时气象数据经常缺失的情况。模型中的堆栈自编码器SAE模型可以无监督提取日负荷曲线的降维特征,大幅减少了全连接层的输入神经元个数,从而大幅减少了全连接层的网络参数,显著降低了模型训练难度。
本申请要求于2018年6月13日提交中国专利局、申请号为201810606900.9、申请名称为“一种基于堆栈自编码器的气象敏感负荷功率估算方法”的中国专利申请的优先权,其全部内容通过引用结合在本申请中。
技术领域
本发明属于电力系统负荷预测与负荷功率模型领域,尤其涉及一种气象敏感负荷功率估算方法及装置。
背景技术
随着全球变暖趋势愈演愈烈,国民生活水平的不断提高,以空调为主的气象敏感负荷的用电功率逐年攀升,2017年苏州等部分地区的夏季空调耗电导致该地区负荷异常增长。研究气象敏感负荷功率的估算问题不仅能提高负荷功率模型的准确性,为夏季电网的安全稳定运行提供调控依据,也能为需求侧响应能力评估提供依据,具有重要的研究意义。
专利申请号为201810607600.2的专利提出了一种基于负荷-气象非线性关联模型的气象敏感负荷功率估算方法,但该模型对负荷功率及气象样本数据的完整性要求高。实际情况下,气象数据,尤其是10分钟采样间隔的气象因子变化曲线,容易存在数据缺失的情况。如果当日的气象数据缺失较多,则无法利用负荷-气象非线性关联模型估算该日的气象敏感负荷。
发明内容
针对以上问题,本发明提出了一种气象敏感负荷功率估算方法及装置,能够由日负荷曲线直接获得气象敏感负荷功率曲线,尤其适用于实际应用时气象数据经常缺失的情况。
本发明采用的技术方案如下:
第一方面,本发明实施例提供一种气象敏感负荷功率估算方法,包括:
获取气象敏感负荷功率估算模型;
向气象敏感负荷功率估算模型输入待估算日的日负荷曲线,以提取待估算日的日负荷曲线降维特征;
根据待估算日的日负荷曲线降维特征,以及日负荷曲线的降维特征到气象敏感负荷功率间的映射,输出气象敏感负荷功率。
可选的,获取气象敏感负荷功率估算模型包括:
训练获得气象敏感负荷功率估算模型,并对气象敏感负荷功率估算模型进行测试。
可选的,气象敏感负荷功率估算模型包括堆栈自编码器SAE模型和全连接层;
训练获得气象敏感负荷功率估算模型包括:
训练SAE模型,以及训练全连接层;
向气象敏感负荷功率估算模型输入待估算日的日负荷曲线,以提取待估算日的日负荷曲线降维特征包括:
向SAE模型输入待估算日的日负荷曲线,以提取待估算日的日负荷曲线降维特征;
根据待估算日的日负荷曲线降维特征,以及日负荷曲线的降维特征到气象敏感负荷功率间的映射,输出气象敏感负荷功率包括:
全连接层根据SAE模型提取到的待估算日的日负荷曲线降维特征,以及日负荷曲线的降维特征到气象敏感负荷功率间的映射,输出气象敏感负荷功率。
可选的,训练SAE模型包括:
以历史数据样本为SAE模型的输入及输出的标签,对SAE模型的第一个AE进行训练;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网江苏省电力有限公司电力科学研究院;国家电网有限公司;河海大学;江苏省电力试验研究院有限公司,未经国网江苏省电力有限公司电力科学研究院;国家电网有限公司;河海大学;江苏省电力试验研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910430705.X/2.html,转载请声明来源钻瓜专利网。