[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

说明书

本发明公开了一种参与有序用电用户的可调控负荷预测方法及系统，本发明参与有序用电用户的可调控负荷预测方法包括：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，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；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。本发明能够通过机器学习对用户电量特征进行深度挖掘，进而实现基于历史电量数据的用户可调节负荷预测，有助于相关业务人员快速编制有序用电预案，保障电网安全稳定运行和电力可靠供应。

技术领域

本发明属于电力调度领域的电力用户调控负荷预测技术，具体涉及一种参与有序用电用户的可调控负荷预测方法及系统。

背景技术

随着经济的持续发展，电力需求的增长日益显著，在用电高峰期间的电力供需仍存在不平衡风险问题，此时需要通过有序用电方式实现电力供需平衡调节。由于电力用户用电方式不同，对电网调度的响应敏感度也不相同，因而采用现有的有序用电预案在用电高峰对不同用户进行差异化调度难度大，调度效果也难以保证。为了提高有序用电预案的科学性、合理性，如何根据用电负荷实际情况对有序用电预案进行动态调整，降低对企业正常生产活动的影响，已成为一项亟待解决的关键技术问题。

发明内容

本发明要解决的技术问题：针对现有技术的上述问题，提供一种参与有序用电用户的可调控负荷预测方法及系统，本发明能够通过机器学习对用户电量特征进行深度挖掘，进而实现基于历史电量数据的用户可调节负荷预测，有助于相关业务人员快速编制有序用电预案，保障电网安全稳定运行和电力可靠供应。

为了解决上述技术问题，本发明采用的技术方案为：

一种参与有序用电用户的可调控负荷预测方法，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。

可选地，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)