[发明专利]一种基于局部最大均值差异的家庭用户可调电量预测方法

说明书

本发明公开了一种基于局部最大均值差异的家庭用户可调电量预测方法包括：获取两个区域的家庭用户数据，提取家庭用户特征数据，并构建响应电量标签；将所述两个区域分别划分为源域和目标域，将所述源域全部划分为训练集，将所述目标域按照预定的比例划分成训练集和验证集；基于加入损失函数的卷积神经网络构建可调电量预测模型，所述可调电量预测模型对训练集进行学习；用所述可调电量预测模型对家庭用户可调电量进行预测，得到用户的可调电量。本发明提供基于局部最大均值差异的家庭用户可调电量预测方法提高了区域家庭用户特征数据分布不同的预测准确性，提高缺少响应电量标签的区域的家庭用户可调电量预测准确率。

技术领域

本发明涉及深度迁移学习领域，特别涉及一种基于局部最大均值差异的家庭用户可调电量预测方法。

背景技术

随着新型电力系统发展，仅依靠供电侧逐渐难以维持电力系统的稳定，挖掘需求侧互动响应资源成为必然。在需求响应领域，可调潜力评估指的是量化用户参与需求响应时调整负荷的能力，包括响应电量(可调电量)、响应速度、响应时间等。对可调电量的准确量化评估，不仅能降低高峰负荷、缓解电网运行压力、提高设备利用率，还能有效消纳间歇性能源、利于节能减排，有助于维持电力系统的稳定。但是，参与需求响应的负荷具有数量众多、分布分散、响应随机性强的特点，且在需求响应项目实施初期，负荷响应特征数据缺乏；另一方面，现有方法对负荷聚合体的可调电量评估关注大，鲜有从家庭用户的角度去量化可调电量，而且缺少适用于不同区域家庭用户的用电资源激励响应模型构建方法。这均给可调潜力的评估带来了严峻的挑战。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述存在的问题，提出了本发明。

因此，本发明解决的技术问题是：如何提高预测某地区家庭用户可调电量的准确率。

为解决上述技术问题，本发明提供如下技术方案：一种基于局部最大均值差异的家庭用户可调电量预测方法，包括：

获取两个区域的家庭用户数据，提取家庭用户特征数据，并构建响应电量标签；

将所述两个区域分别划分为源域和目标域，将所述源域全部划分为训练集，将所述目标域按照预定的比例划分成训练集和验证集；

基于加入损失函数的卷积神经网络构建可调电量预测模型，所述可调电量预测模型对训练集进行学习；

用所述可调电量预测模型对家庭用户可调电量进行预测，得到用户的可调电量。

作为本发明所述的基于局部最大均值差异的家庭用户可调电量预测方法的一种优选方案，其中：所述用户响应电量标签的划分过程包括：

通过使用线性映射方法将所述源域与所述目标域的用户响应电量标签划分成100类，取值为1到100之间的整数，其定义如下：

其中：y^*表示响应电量标签，R表示响应电量值，R_max表示响应电量中的最大值。

作为本发明所述的基于局部最大均值差异的家庭用户可调电量预测方法的一种优选方案，所述源域与所述目标域中的数据线性变换过程为：

使用最大、最小标准化对所述源域与所述目标域中的数据进行线性变换，将数据映射到[0，1]区间。

作为本发明所述的基于局部最大均值差异的家庭用户可调电量预测方法的一种优选方案，其中：所述数据映射定义为：