[发明专利]基于BP神经网络的专变用户有功无功碳排放预测方法

权利要求书

1.基于BP神经网络的专变用户有功无功碳排放预测方法，其特征在于，包括如下步骤：

S1.采集专变用户的电碳信息数据以及环境信息数据，形成基础数据库；

S2.归一化预处理S1中基础数据库的电碳信息数据以及环境信息数据，构建用于负荷、碳排放因子预测的训练和测试集；用于负荷预测的训练和测试集划分为有功负荷以及无功负荷；碳排放因子预测的训练和测试集划分为有功集以及无功集；

S3.构建基于BP神经网络的专变用户有功/无功负荷预测模型，并利用S2中相应的训练和测试集，进行训练和测试得到专变用户有功/无功负荷预测模型；

S4.构建专变用户综合有功/无功碳排放因子模型，利用S2中电碳信息数据计算获得专变用户综合有功和无功碳排放因子数据集，并划分为训练和测试样本；

构建基于BP神经网络的专变用户综合有功/无功碳排放因子预测模型，利用S2中相应的训练和测试集以及所述专变用户综合有功和无功碳排放因子数据集，进行训练和测试得到专变用户综合有功/无功碳排放因子预测模型；

S5.基于S3中得到的专变用户有功/无功负荷预测模型和S4中得到的专变用户综合有功/无功碳排放因子预测模型，预测得到专变用户的有功和无功负荷以及综合有功和无功碳排放因子；并据此计算专变用户有功和无功源碳排放量，并实现对其趋势预测；

步骤S1中，利用基于传感装置的采集技术，采集专变用户的电碳信息数据以及环境信息数据如公式(1)所示：

式中：X_ZB(t)为t时刻专变用户采集的信息；分别为t时刻专变用户外部进线单位有功、无功碳排放因子；分别为t时刻专变用户内部单位有功、无功碳排放因子；P_L(t)、Q_L(t)分别为t时刻专变用户有功负荷、无功负荷；T(t)、PV(t)、V(t)分别为t时刻天气温度、光照强度以及风速信息；

步骤S2中，归一化预处理采用如公式(2)所示：

式中：X′_ZBi(t)为预处理后的第i个元素值，X_ZBi(t)为向量X_ZB(t)的第i个元素，如果i＝2，则分别为向量X_ZB(t)的第i个元素的最大值、最小值；

按照公式(2)的预处理方法，预处理后的向量如公式(3)所示

式中：X′_ZB(t)为归一化预处理后的t时刻专变用户信息；分别为归一化预处理后的t时刻专变用户外部进线单位有功、无功碳排放因子；分别为归一化预处理后的t时刻专变用户内部单位有功、无功碳排放因子；P′_L(t)、Q′_L(t)分别为归一化预处理后的t时刻专变用户有功负荷、无功负荷；T′(t)、PV′(t)、V′(t)分别为归一化预处理后的t时刻天气温度、光照强度以及风速信息；

步骤S3中，专变用户有功/无功负荷预测模型中BP神经网络有输入层、隐含层和输出层；输入层有5个输入；输出层有2个输出；

5个输入分别为：P′_L(t)为归一化预处理后的t时刻专变用户有功负荷；Q′_L(t)为归一化预处理后的t时刻专变用户无功负荷；T′(t)为归一化预处理后的t时刻专变用户温度；PV′(t)为归一化预处理后的t时刻光照强度；V′(t)为归一化预处理后的t时刻风速；2个输出分别为：P′_L(t+Δt)为预测的t+Δt时间内的有功负荷值，Q′_L(t+Δt)为预测的t+Δt时间内的无功负荷值；

所述隐含层采用tansig函数，经过训练后，输出的BP神经网络有功/无功负荷预测模型如公式(4)所示：

式中：f_P()为训练后的专变用户BP神经网络有功负荷预测模型，f_Q()为训练后的专变用户BP神经网络无功负荷预测模型；

步骤S4中，专变用户综合有功/无功碳排放因子预测模型中计算过程如公式(5)所示：

式中：分别为t时刻专变用户综合有功、无功碳排放因子；k₁、k₂分别为t时刻专变用户外部注入有功功率、无功功率在负荷中的占比；P_out(t)、Q_out(t)分别为t时刻外部电网注入专变用户的有功功率、无功功率；分别为归一化预处理后的t时刻专变用户外部进线单位有功、无功碳排放因子；分别为归一化预处理后的t时刻专变用户内部单位有功、无功碳排放因子；

步骤S4中，专变用户综合有功/无功碳排放因子预测模型中BP神经网络有输入层、隐含层和输出层；输入层有n个输入；n个输入分别为：X′_ZB(1)，X′_ZB(2)，…，X′_ZB(n)为n个历史专变用户向量数据；输出层有2个输出，2个输出分别为：分别为预测的专变用户综合有功/无功碳排放因子；经过训练后，输出的BP神经网络有功/无功综合碳排放因子预测模型如公式(6)所示：

式中：f_λP()为训练后的专变用户BP神经网络有功综合碳排放因子预测模型，f_λQ()为训练后的专变用户BP神经网络无功综合碳排放因子预测模型；

步骤S5中，计算过程如公式(7)所示，实现对专变用户有功/无功碳排放趋势的有效预测；式中：为预测的未来t+Δt时刻专变用户有功碳排放量，为预测的未来t+Δt时刻专变用户无功碳排放量；分别为预测的专变用户综合有功/无功碳排放因子；P′_L(t+Δt)为预测的t+Δt时间内的有功负荷值，Q′_L(t+Δt)为预测的t+Δt时间内的无功负荷值。