[发明专利]一种电力用户的移峰填谷潜力评估方法

权利要求书

1.一种电力用户的移峰填谷潜力评估方法,其特征在于,包括以下步骤:

步骤一，构建二维数组矩阵，包括日矩阵及周矩阵；

其中，日矩阵为含有用户日数据的矩阵X_nm，n表示第n个数据指标，共10个指标；m表示第m个时间点；

日矩阵X_nm聚焦用户的负荷率、负荷增长率信息，并与用户所在行业或地市总体情况进行比较，包含10个指标：

用户负荷数值越大，移峰填谷的电量潜力可能越大，因此第一个指标X_1m就为用户在第m个时间点的负荷大小；

若用户负荷远高于平均负荷，则该用户移峰填谷的电量潜力可能越大；因此第二指标X_2m和第三个指标X_3m分别为用户所在地市和所在行业的所有用户平均负荷与该用户负荷的差值；

负荷曲线变化率越大，曲线起伏越明显，曲线的峰谷差可能越大，因此第四个指标X_4m就为用户在第m个时间点的负荷增长率，其公式为：

考虑用户的负荷曲线与全网负荷曲线的相似程度，增长率越相似，说明变化趋势越一致，执行移峰填谷越可能有效；因此第五个指标X_5m就为全网在第m个时间点的负荷增长率与用户在第m个时间点的负荷增长率之差；

同理，第六个指标X_6m和第七个指标X_7m分别为用户所在地市和所在行业在第m个时间点的负荷增长率与用户在第m个时间点的负荷增长率之差；

电量数据作为第八个指标X_8m，为该用户在第m-1个时间点到第m个的电量；电量通过用户信息采集系统采集冻结示值曲线，前后两个时段相减得到；

第九个指标X_9m为该在第m-1个时间点到第m个的电量除以该用户全天电量；

第十个指标X_10m为该在第m-1个时间点到第m个的电量乘以该时段的分时电价；

至此日矩阵构建完毕；

周矩阵为含有用户周数据的矩阵Z_jk,j表示第j个数据指标，共10个指标；k表示第k周，一年内的取值范围为1～52；

周矩阵Z_jk聚焦用户长时电量信息、单位电量产值信息，与用户所在行业或地市总体情况进行比较，包含10个指标；对于长时信息，可以看出季节变化与用户用电量的关系，若用户在夏、冬两季用电高峰时期电量较高，说明调控的潜力较大；因此第一个指标Z_1k为用户在第k-1周与k周的电量；

第二Z_2k和第三个指标Z_3k分别为用户所在地市和所在行业的所有用户平均周用电量与该用户周用电量的差值；

第四个指标Z_4k就为用户在第k周的电量增长率，第五个指标Z_5k为全网在第k周电量增长率与该用户在第k周的电量增长率之差；

第六个Z_6k和第七个指标Z_7k分别为该用户所在地市和所在行业在第k周的电量增长率与该用户在第k周的电量增长率之差；

第八个Z_8k指标为用户在第k周的同比电量增长率；

第九个Z_9k指标为用户在第k周的网损率，其公式为：

式中D_zk表示电网在第k周供给用户总电量；D_yk表示该用户在第k周的用电量；

同理关于电网平衡指标还有用户功率因数的考核，用户功率因数越低，无功产生越多，对电网危害越大，越需要进入有序用电名单；因此第十个Z_10k指标为用户在第k周的功率因数与考核功率因素的差值；

至此周矩阵构建完毕；

对缺失的数据进行插值补充修复，对于缺失的数据y_i计算公式为：

式中NaN表示缺失值；avg()表示取均值；y表示用户在该指标下所有的数据，其为一维向量；

步骤二，双流残差卷积神经网络的构建；

步骤三，网络训练与识别；在训练前，构建训练的数据集，找出今年曾参与过有序用电的用户，并建立每一个用户去年一年的周矩阵与在典型特征日下的日矩阵，打上有移峰填谷潜力的标签；同时，随机从全网选出未参与过有序用电的用户，数量与参与过有序用电的用户一致，打上移峰填谷潜力较低的标签，至此数据集构建完成；

随后再将整个数据集按照4:1的比率分成训练集和测试集，输入到双流残差网络中进行训练；设置模型初始参数：初始化参数为默认值、设置日矩阵和周矩阵维度大小、池化层选用平均池化方法、采用softmax概率计算和分类数为2；随后将数据集输入到网站中进行训练；

训练完成后即可得到用户存在移峰填谷潜力的概率的网络模型；随后将需要评估的用户的日矩阵和周矩阵输入到网络中就能得到用户是否存在移峰填谷潜力和对应的概率；

若该用户存在移峰填谷潜力，再结合所在行业的用电情况、客户信用和环境污染因素进行修正，对用户进行综合研判分数S，公式第一部分为残差网络得到的潜力概率，第二部分为用户所在行业用电情况，第三部分为主观评判部分，具体公式为：

式中，tanh为双曲线正切函数，使分数S的值域在保持在[0,1]之间；P为双流残差网络输出的移峰填谷潜力概率；Q，W均为行业用电情况系数，其中Q为用户所在行业的年用电量占全网年用电量，W为用户所在行业中曾参与过有序用电的用户数量占全网曾参与过有序用电的用户数量；C_t为用户的信用情况系数，具体为用户在第t个月内违约、逾期缴费和窃电的次数；H_t为用户的环境污染系数，具体为用户在第t个月内被环保部门警告、整顿次数；T为用户从建立电力用户档案开始至今的总月数；

最后将所有用户的综合研判分数S进行排序，选择研判分数较高的参与移峰填谷。