[发明专利]一种微型电网的智能电力调度方法和用电负荷预测装置

说明书

一种微型电网的智能电力调度方法和用电负荷预测装置，获取微型电网中的一段时间的用电数据；将所述一段时间的用电数据，输入到一预先建立的用电负荷预测模型中，以预测相对所述一段时间的未来一时刻的用电情况，用电情况包括预测值和预测值的概率分布范围；根据所预测的相对所述一段时间的未来一时刻的用电情况，对微型电网的电能进行匹配调度。

技术领域

本发明涉及一种微型电网的智能电力调度方法和用电负荷预测装置。

背景技术

微型电网是指将一定区域内或某些企事业单位内拥有的分散的发电资源(例如自行供电的发电设备或备用发电机组、太阳能发电装置、风力发电设备等可再生能源发电装置)联结起来共同向用户供电，并通过配电网与主干大型电力网并联运行，形成一个大型电网与小型发电设备联合运行的系统。从某种意义上来说，当分布式电源达到一定比例时，就可以称之为微型电网。

在一个微型电网中，用电情况不会是一直保持不变的，例如，一天内不同时段用电有高峰和低谷，在一周内不同时段用电也有高峰和低谷，在一个月内也是这样。在一个微型电网的用电高峰时间段，如果供情况达不到用电需求，那么会带来很多问题，但是如果一直让微型电网处于高的供电状态，那么又会产生很多不必要的资源浪费。因此，这是一个需要解决的问题。

发明内容

本申请提供一种微型电网的智能电力调度方法和用电负荷预测装置。

根据第一方面，一种实施例中提供一种用电负荷预测装置，包括：

传感器，用于获取一段时间的用电数据；

处理器，用于将所述一段时间的用电数据，输入到一预先建立的用电负荷预测模型中，以预测相对所述一段时间的未来一时刻的用电情况，用电情况包括正常值、最小值和最大值；

其中所述用电负荷预测模型通过以下方式建立：

获取训练集，所述训练集中的数据为所述微型电网的一段时间的用电数据，数据的标签为相对该一段时间的未来一时刻的用电数据、最近若干个同一时刻的用电数据最大值、最近若干个同一时刻的用电数据最小值；

利用所述训练集，训练得到所述用电负荷预测模型；具体包括：预先构建一种基于集成深度学习的预测模型，该预测模型先通过经验模式分解算法将输入的用电数据进行分解，得到不同频率的子信号，再应用深层循环神经网络对各个子信号进行分析和预测，再集成每个子信号进行分析和预测后得到的输出，以作为预测的用电情况；将通过所述训练集训练后的预测模型，作为所述用电负荷预测模型。。

所述用电负荷预测模型还通过以下方式建立：

获取测试集，所述测试集中的数据为所述微型电网的一段时间的用电数据，数据的标签为相对该一段时间的未来一时刻的用电数据、最近若干个同一时刻的用电数据最大值、最近若干个同一时刻的用电数据最小值；

用所述测试集对通过所述训练集训练得到用电负荷预测模型，进行验证；以测试集中数据的标签和用电负荷预测模型预测得到的用电情况的正常值之间的误差为标准，对所述用电负荷预测模型进行超参调优，以得到超参调优后的用电负荷预测模型。

一实施例中，所述用电情况至少包括功率。

一实施例中，所述微型电网的一段时间的用电数据，包括功率、对应的电压、电流和相角。

一实施例中，所述最近若干同一时刻的用电数据包括最近多天的同一时刻的用电数据，或者，最近多周同一星期的同一时刻的用电数据。

根据第二方面，一种实施例中提供一种微型电网的智能电力调度方法，包括：

获取微型电网中的一段时间的用电数据；