[发明专利]一种考虑需求响应的负荷预测方法

说明书

本发明公开了一种考虑需求响应的负荷预测方法，包括如下步骤：对历史样本数据进行聚类分析，筛选出与待预测日当天的影响因素相似的历史时段，将其作为历史相似日；将历史相似日数据和待预测日的影响因素数据输入预先训练的负荷预测模型，对需求响应负荷和基础负荷分别进行预测，对两部分预测结果进行加和，得到最终的负荷预测结果；其中，所述负荷预测模型的训练方法包括：基于TCN算法建立负荷预测模型，将已知负荷结果的影响因素数据作为数据样本，对所建立的负荷预测模型进行训练，直至收敛；本发明选择基于TCN算法构建预测模型，TCN采用了因果卷积和扩张卷积，能够实现对大规模数据的并行处理，这使得预测速度得到明显提升。

技术领域

本发明涉及一种考虑需求响应的负荷预测方法，属于电力系统技术领域。

背景技术

电力系统的负荷预测水平是衡量电力系统运行管理水平的重要标志之一，现代电力系统具有结构复杂、容量扩大、节点众多等特点，为了保障系统运行稳定，精确的负荷预测是制定发用电计划的前提条件，直接关系到系统的运行安全和经济效益。

目前，负荷预测方法多集中在针对传统负荷数据进行的预测，较少考虑需求响应对负荷波动的影响。随着我国电力市场的不断完善，需求侧资源种类和规模不断增加，需求响应对负荷变化正起到不可忽视的影响，因此当下迫切需要提出一种考虑需求响应的负荷预测方法。

目前应用较多的预测算法如，BP神经网络、径向基神经网络(RBF-NN)、长短期记忆网络(LSTM)等。以上算法都有一定的缺陷，主要是处理数据的规模和运行速度有所受限。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域普通技术人员所公知的现有技术。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种考虑需求响应的负荷预测方法，提高负荷预测的精度，考虑在需求响应参与的情况下进行负荷预测。

为达到上述目的，本发明是采用下述技术方案实现的：

第一方面，本发明提供了一种考虑需求响应的负荷预测方法，包括以下步骤：

对历史样本数据进行聚类分析，筛选出与待预测日当天的影响因素相似的历史时段，将其作为历史相似日；

将历史相似日和待预测日的影响因素数据输入预先训练的负荷预测模型，对需求响应负荷和基础负荷分别进行预测，对两部分预测结果进行加和，得到最终的负荷预测结果；

其中，所述负荷预测模型的训练方法包括：基于TCN算法建立负荷预测模型，将已知负荷结果的影响因素数据作为数据样本，对所建立的负荷预测模型进行训练，直至收敛；

所述数据样本的已知负荷结果包括需求响应负荷和基础负荷，其中，需求响应负荷数据通过建立需求响应数据模拟数学模型模拟生成；基础负荷数据通过实际负荷数据减去模拟生成的需求响应负荷数据获得。

进一步的，所述需求响应数据模拟数学模型为：

式(1)中，P_DR(t)为可直接获得的预估需求响应计划数据，P₀(t)为随机误差部分负荷；φ_i(ε(t-i))P_DR(t-i)为t-i时刻各外部影响因素对t-i时刻的响应计划负荷影响后，对t时刻实际响应负荷产生的影响，φ_i(ε(t-i))为该部分负荷占t-i时刻响应计划负荷的百分比，ε(t-i)为在t-i时刻对用户响应产生影响的外部影响因素向量，n为t时刻实际响应负荷产生影响的连续时刻数。

进一步的，负荷预测模型的建立包括：确定影响负荷波动的主要影响因素，利用最大信息系数MIC计算各影响因素对负荷的影响程度。