[发明专利]一种基于负荷预测的可参与需求响应负荷辨识方法及系统

说明书

一种基于负荷预测的可参与需求响应负荷辨识方法，采集居民历史用电数据，进行数据预处理；接着基于深度学习算法对居民用电数据进行预测；然后根据负荷历史数据，对关键因素基于机器学习算法建立典型居民负荷用电模型；基于优化的算法，对预测负荷与需求响应后的负荷差进行负荷分解，对居民用户参与需求响应的负荷的数量与种类进行辨识。本发明提供的基于负荷预测的非侵入式的居民用户参与需求响应负荷辨识方法，可在居民用户负荷种类多、用电行为不确定前提下，充分利用建立的负荷模型，对需求响应负荷进行分解从而对参与需求响应用户进行潜力评估与利益分配，对需求响应的实施具有促进作用，具有重要学术意义和工程实用价值。

技术领域

本发明涉及电力需求响应领域，尤其涉及一种基于负荷预测的可参与需求响应负荷辨识方法及系统。

背景技术

新形势下电力系统形态正在发生深度变革，电力平衡由早期以省网为主体的模式逐渐转变为跨区域全网平衡模式。送受端、交直流、高低压电网高度耦合，连锁故障形态更加复杂，影响范围广、冲击大。电网运行面临特性认知难度大、调节控制复杂、故障防御困难等问题。跨区直流规模快速增长，在直流故障巨大冲击下，交流系统功角、电压、频率稳定问题，潮流堵塞问题以及故障后连锁反应等问题日益突出，电网存在重大安全风险，迫切需要在源网荷协调运行机制、需求侧响应等方面展开研究。

近几年，需求响应、能效管理等技术的发展，以及柔性负荷、电动汽车、分布式发电、储能等的应用，使用户侧负荷改变了固有特性，具有一定的调节能力。尤其是需求响应的实施，可充分挖掘用户侧负荷响应潜力，使得商业以及居民生活负荷中的空调、负荷侧的储能、电动汽车等多元微负荷实时响应电网需求，成为提高电力系统运行经济性和稳定性的重要手段，也可经济有效地应对小概率高风险的城市核心区设备重载问题。因此，研究量化用户需求响应的负荷辨识技术具有重要的意义。

发明内容

为解决现有技术中存在的不足，本发明的目的在于，提供一种基于负荷预测的可参与需求响应负荷辨识方法及系统。

本发明采用如下的技术方案：

一种基于负荷预测的可参与需求响应负荷辨识方法，包括以下步骤：

步骤1，采集居民历史用电数据，进行数据预处理；

步骤2，构建用于预测居民用电数据的深度学习网络模型；

步骤3，基于聚类算法建立典型居民负荷用电模型，使用步骤1的数据聚类出的功率数值作为该负荷的模型；将所有负荷的模型构成负荷模型库；

步骤4，使用步骤2的深度学习网络模型对居民用电数据进行预测，将需求响应施行当日的居民负荷预测值与需求响应当日实际负荷值进行作差得到参与需求响应负荷总量，并基于步骤3建立的负荷模型库对预测出的参与需求响应负荷总量进行分解，得到最终辨识结果。

在步骤1中，采集居民用户智能电表电流数据，包括5分钟一个点的电流、功率、电压数值；

采集频率为5分钟一次，每个点对应半小时内的6维数据；

在步骤1中，进行数据预处理包括对数据缺失值进行填补，对异常值进行剔除；

缺失值填补方法为：

m(td+7,i)为数据在第d+7天第i时刻的缺失值，m(td,i)为数据在第d天第i时刻的缺失值，NaN指空或缺失值。如果td,i时刻前后一周同一时刻的数据不为NaN，那么缺失值为前一周与后一周同一时刻数值的平均值，若前后一周同一时刻数值至少有一项为NaN，那么该缺失值填补为0。

异常值删除方法为：

对数据进行聚类，剔除各类中距离聚类中心大于10％的数据。