[发明专利]一种参与有序用电用户的可调控负荷预测方法及系统

权利要求书

1.一种参与有序用电用户的可调控负荷预测方法，其特征在于，包括：

1)基于用户电量数据和电网负荷数据构建电量特征指标向量；

2)将电量特征指标向量输入预先训练好的机器学习模型，得到对应的用户参与调控负荷。

2.根据权利要求1所述的参与有序用电用户的可调控负荷预测方法，其特征在于，步骤1)中构建的电量特征指标向量包括：用电波动率、用电峰谷差、峰平用电占比、错峰负荷差、周休负荷差、周负荷下降率、检修负荷差和最高利用小时率共8个特征指标。

3.根据权利要求2所述的参与有序用电用户的可调控负荷预测方法，其特征在于，所述用户电量数据和电网负荷数据是指用户一个月内小时级电量数据和其属地省内电网月内小时级负荷数据，所述用电波动率的计算函数表达式为：

X₁＝σ/μ， (1)

上式中，X₁为用电波动率，σ为用户工作日典型负荷的标准差，μ为用户工作日典型负荷的均值；所述用电峰谷差的计算函数表达式为：

X₂＝P_peak-P_esl， (2)

上式中，X₂为用电峰谷差，P_peak为用户在电网高峰时段的最大峰值负荷，P_esl为用户经济生产保障负荷；所述峰平用电占比的计算函数表达式为：

X₃＝W_peak/W_day， (3)

上式中，X₃为峰平用电占比，W_peak为用户在全省高峰时段的用电量，P_esl为用户典型日一天的用电量；所述错峰负荷差的计算函数表达式为：

X₄＝P_peak-min(P_el-P_dl)， (4)

上式中，X₄为错峰负荷差，P_el为以全省高峰时刻为中心提前个小时负荷，P_dl为以全省高峰时刻为中心推迟个小时负荷；所述周休负荷差的计算函数表达式为：

X₅＝P_wd-P_we， (5)

上式中，X₅为周休负荷差，P_wd为用户的工作日负荷平均值，P_we为用户周末负荷平均值；所述周负荷下降率的计算函数表达式为：

X₆＝(P_wd-P_we)/(P_wd-P_sl)， (6)

上式中，X₆为周负荷下降率，P_sl为用户安保负荷；所述检修负荷差的计算函数表达式为：

X₇＝P_peak-P_sl， (7)

上式中，X₇为检修负荷差；所述最高利用小时率的计算函数表达式为：

X₈＝P_sum/(24*P_max)， (8)

上式中，X₈为最高利用小时率，P_sum为日电量总和，P_max为当日负荷最大值。

4.根据权利要求1所述的参与有序用电用户的可调控负荷预测方法，其特征在于，步骤2)之前还包括训练所述机器学习模型的步骤：S1)建立包含批量的电量特征指标向量及其φ(X_i)对应的用户参与调控负荷的标签y_i的训练数据样本集；S2)根据训练数据样本集，所述机器学习模型的进行训练，从而确定机器学习模型的最有网络参数，从而得到完成训练的机器学习模型。