[发明专利]工业用户需求响应潜力预测方法和存储介质

说明书

本发明公开了一种工业用户需求响应潜力预测方法和存储介质，包括如下步骤：步骤S1，获取工业用户的历史负荷数据并对数据进行预处理；步骤S2，对工业用户的响应行为进行建模，基于预处理后的历史负荷数据求解得到需求响应负荷曲线；步骤S3，利用基线负荷曲线和需求响应负荷曲线量化工业用户的需求响应潜力；步骤S4，提取影响工业用户需求响应潜力的特征；步骤S5，建立以特征为输入的双输出神经网络概率预测模型，对工业用户的需求响应潜力进行预测。本发明可模拟工业用户的响应行为，扩充历史需求响应潜力数据，从而提高预测模型的精度。同时本发明提出了工业用户的实时需求响应潜力日前概率预测模型，为工业用户在电力市场交易中提供参考信息。

技术领域

本发明属于需求响应潜力预测领域，具体涉及到一种基于响应行为建模的工业用户需求响应潜力量化及日前概率预测方法和存储介质。

背景技术

近年来，随着智能电网技术的发展和电动汽车、5G基站储能等各类新型负荷的广泛接入，需求响应得到了越来越多的关注和应用。需求响应的管理方式主要有三种：削峰、填谷和移峰填谷。削峰指的是减少用电高峰时期的负荷，填谷指的是增加用电低谷时期的负荷，移峰填谷指的是调整峰谷时期负荷使用方式，使高峰时期的负荷转移到低谷时期。需求响应可以缓解电力系统电力供应紧张的局势，降低电力系统的运行压力。

需求响应潜力指的是用户在需求响应时段内调节负荷的能力。一方面，大部分工业用户的用电量较大，能够快速准确地调整其峰值负荷时间来参与需求响应，在紧急情况下保障电力系统的稳定运行；另一方面，大部分工业设备已经配备了测量，控制和通信基础设施，相关数据可以更容易地采集和处理。因此，工业用户适合参与需求响应且具有较大的响应潜力。部分大工业用户可直接参与辅助服务市场的交易，在辅助服务市场交易过程中需要提前上报响应潜力，这就需要工业用户对其次日的响应潜力进行预测，并以此为依据来制定市场投标策略。如果次日的实际响应潜力与上报响应潜力相差较大，工业用户将受到经济惩罚。因此对需求响应潜力的日前概率预测可以为工业用户在辅助服务市场的交易过程中提供参考信息，降低决策风险，从而实现利益最大化。

目前，我国需求响应相关政策仍处于试点阶段，可获取的历史需求响应潜力数据很少。可供训练的数据不足会导致预测模型提取信息不足，且易发生过拟合问题，从而严重影响预测模型的精度和泛化能力。基于此，本发明提出了基于响应行为建模的工业用户需求响应潜力量化及日前概率预测方法，该方法可以对工业用户在激励型需求响应项目中的响应行为进行建模，模拟工业用户在需求响应项目中的响应行为，对需求响应潜力进行合理量化，并且创造性地提出以基线负荷曲线与响应后负荷曲线所包围的面积为需求响应潜力量化指标，对影响工业用户需求响应潜力的特征进行筛选，从而扩充训练数据，提高需求响应潜力预测模型的精度。同时本发明提出了基于双输出神经网络概率预测模型对工业用户的需求响应潜力进行日前概率预测。该概率预测模型直接使用需求响应潜力区间的上下限作为双输出神经网络模型的输出结果，可有效克服传统概率区间预测方法中的进行大量数据统计和先验假设的弊端。

发明内容

为了解决历史需求响应潜力数据少以及预测模型的精度低的问题，本发明提供了一种基于响应行为建模的工业用户需求响应潜力量化及日前概率预测方法，包括如下步骤：

步骤S1，获取工业用户的历史负荷数据并对数据进行预处理；

步骤S2，对工业用户的响应行为进行建模，基于预处理后的历史负荷数据求解得到需求响应负荷曲线；

步骤S3，利用基线负荷曲线和需求响应负荷曲线量化工业用户的需求响应潜力；

步骤S4，提取影响工业用户需求响应潜力的特征；

步骤S5，建立以特征为输入的双输出神经网络概率预测模型，对工业用户的需求响应潜力进行预测。