负荷需求响应潜力评估方法、装置及设备

技术领域

本发明属于电力市场需求响应技术领域，具体涉及一种负荷需求响应潜力评估方法、装置及设备。

背景技术

随着经济和居民生活水平的提升，总用电负荷持续攀升；以及近年来全球气候变化尤其是对居民用电行为和占比的影响，导致许多地区尤其是在夏季、冬季产生用电的尖峰，这也给电网稳定运行带来了极大的挑战。需求侧响应(Demand Response)作为一种基于用户侧的电网负荷调节手段，就成为了可以避免负荷短时剧烈波动对电网运行安全产生影响的重要举措。而需求响应的核心在于对用于响应能力的评估与分析。

相关技术中，目前需求响应潜力评估的主要研究方法有以下两种。一是通过用户价格的弹性系数，即根据用户对价格的敏感度评估降负荷的能力，这种方法最大的弊端在于没办法得到精准的价格弹性系数，精度较低。二是针对特定的、具体的设备负荷进行分析，从设备必须用能环节与可中断环节的比例，进而反推用户的需求响应潜力。但是上述两种研究方法，主要通过非侵入式负荷监测方法实现设备负荷的分析，对用户侧计量装置要求较高。

发明内容

有鉴于此，本发明的目的在于克服现有技术的不足，提供一种负荷需求响应潜力评估方法、装置及设备，以解决现有技术中通过非侵入式负荷监测方法实现设备负荷的分析，对用户侧计量装置要求较高的问题。

为实现以上目的，本发明采用如下技术方案：一种负荷需求响应潜力评估方法，包括：

获取各个用户的用电数据，基于所述用电数据得到待处理数据；

根据所述待处理数据计算每个用户的用电量差值的绝对值，并根据所述用电量差值的绝对值计算各个用户的用电量变化率；

基于各个用户的用电量变化率对各个用户进行聚类分析，得到聚类分析结果；所述聚类分析结果用于确定用户需求响应能力标签；

将所述用户需求响应能力标签和预获取的实际电力负荷数据作为训练集，并利用所述训练集对神经网络进行训练，得到用户需求响应能力评估模型；

将待评估数据输入所述用户需求响应能力评估模型，得到用户需求响应能力评估结果。

进一步的，所述基于所述用电数据得到待处理数据，包括：

对用电数据进行降噪处理，得到待处理数据。

进一步的，采用以下方式计算计算各个用户的用电量变化率，

其中，Δ

进一步的，所述基于各个用户的用电量变化率对各个用户进行聚类分析，包括：

根据各个用户的用电量差值的最大值、最小值及坐标确定聚类中心；

基于所述聚类中心对各个用户进行聚类分析。

进一步的，所述用户需求响应能力标签，包括：

用电负荷大且电量变化率大的用户、用电负荷大且电量变化率小的用户、用电负荷小且电量变化率大的用户以及用电负荷小且电量变化率小的用户。

进一步的，如果用电负荷大且电量变化率大，则确定用户需求响应能力高；

如果用电负荷小且电量变化率小，则确定用户需求响应能力低。

进一步的，所述用电数据包括用电量大小和用电量波动。

进一步的，基于各个用户的用电量变化率利用聚类量度的JS散度采用K-means算法对各个用户进行聚类分析。

本申请实施例提供一种负荷需求响应潜力评估装置，包括：

获取模块，用于获取各个用户的用电数据，基于所述用电数据得到待处理数据；

计算模块，用于根据所述待处理数据计算每个用户的用电量差值的绝对值，并根据所述用电量差值的绝对值计算各个用户的用电量变化率；

聚类模块，用于基于各个用户的用电量变化率对各个用户进行聚类分析，得到聚类分析结果；所述聚类分析结果用于确定用户需求响应能力标签；

训练模块，用于将所述用户需求响应能力标签和预获取的实际电力负荷数据作为训练集，并利用所述训练集对神经网络进行训练，得到用户需求响应能力评估模型；

评估模块，用于将待评估数据输入所述用户需求响应能力评估模型，得到用户需求响应能力评估结果。

本申请实施例提供一种计算机设备，包括：存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述任一项负荷需求响应潜力评估方法的步骤。

本发明采用以上技术方案，能够达到的有益效果包括：

本发明提供一种负荷需求响应潜力评估方法、装置及设备，通过用户的用电数据得到用户的用电量变化率，然后对各个用户进行聚类分析，就可以确定用户需求响应能力标签，根据用户需求响应能力标签和相应的实际电力负荷数据作为训练集，对神经网络进行训练，得到用户需求响应能力评估模型，就可以直接将待评估数据输入所述用户需求响应能力评估模型，得到用户需求响应能力评估结果。本申请通过用电数据进行集群辨识，对用户打标签和分类，训练得到用户需求响应能力评估模型，从而评估用户需求响应潜力，利用本申请提供的方法实现设备负荷的分析，对用户侧计量装置要求较低，实现更加简单。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明负荷需求响应潜力评估方法的步骤示意图；

图2为本发明基于用电量变化趋势的概率分布聚类结果示意图；

图3为本发明负荷需求响应潜力评估装置的结构示意图；

图4为本发明负荷需求响应潜力评估方法涉及的计算机设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。

对用电规律性较强的用户的负荷曲线分析可以发现，在某些特定时段的负荷接近基线负荷，对应相对固定的用电行为和模式。当用户用电行为具备负荷变化较大、或频率波动明显时，可以认为其可中断负荷比例较高，有相对较强的需求响应潜力。一般来说，用电量大、用电模式灵活且对电价敏感的行业具备较强的需求响应潜力，因此衍生出价格型需求响应；而政府等用电模式相对单一固定的这类用户适用于激励型需求响应。

下面结合附图介绍本申请实施例中提供的一个具体的负荷需求响应潜力评估方法、装置及设备。

如图1所示，本申请实施例中提供的负荷需求响应潜力评估方法，包括：

S101，获取各个用户的用电数据，基于所述用电数据得到待处理数据；

所述用电数据包括用电量大小和用电量波动。

一些实施例中，所述基于所述用电数据得到待处理数据，包括：

对用电数据进行降噪处理，得到待处理数据。

可以理解的是，由于计量的过程中不可避免的测量误差、数据异常等原因，需要对数据进行降噪处理。

S102，根据所述待处理数据计算每个用户的用电量差值的绝对值，并根据所述用电量差值的绝对值计算各个用户的用电量变化率；

本申请中将用电数据的具体数据转换为概率分布，具体如下：

首先，计算每个用户用电量的前后差值，然后计算t时刻下用户的用电量变化率。

其中，Δ

S103，基于各个用户的用电量变化率对各个用户进行聚类分析，得到聚类分析结果；所述聚类分析结果用于确定用户需求响应能力标签；

一些实施例中，所述基于各个用户的用电量变化率对各个用户进行聚类分析，包括：

根据各个用户的用电量差值的最大值、最小值及坐标确定聚类中心；

基于所述聚类中心对各个用户进行聚类分析。

一些实施例中，本申请基于各个用户的用电量变化率利用聚类量度的JS散度采用K-means算法对各个用户进行聚类分析。

具体的，本申请中通过最大值max(P

其中，P

一些实施例中，所述用户需求响应能力标签，包括：

用电负荷大且电量变化率大的用户、用电负荷大且电量变化率小的用户、用电负荷小且电量变化率大的用户以及用电负荷小且电量变化率小的用户。

S104，将所述用户需求响应能力标签和预获取的实际电力负荷数据作为训练集，并利用所述训练集对神经网络进行训练，得到用户需求响应能力评估模型；

可以理解的是，本申请中采用分类神经网络，利用用户需求响应能力标签和预获取的实际电力负荷数据作为训练集进行训练，就可以得到用户需求响应能力评估模型。

S105，将待评估数据输入所述用户需求响应能力评估模型，得到用户需求响应能力评估结果。

如果想对用户需求响应能力评估时，可以将用户的用电数据作为待评估数据，直接输入到用户需求响应能力评估模型中，就可以得到用户需求响应能力评估结果。就可以判断用户需求响应潜力的大小。

负荷需求响应潜力评估方法的工作原理为：通过用户的用电数据得到用户的用电量变化率，然后对各个用户进行聚类分析，就可以确定用户需求响应能力标签，根据用户需求响应能力标签和相应的实际电力负荷数据作为训练集，对神经网络进行训练，得到用户需求响应能力评估模型，就可以直接将待评估数据输入所述用户需求响应能力评估模型，得到用户需求响应能力评估结果。本申请通过用电数据进行集群辨识，对用户打标签和分类，训练得到用户需求响应能力评估模型，从而评估用户需求响应潜力，利用本申请提供的方法实现设备负荷的分析，对用户侧计量装置要求较低，实现更加简单。

作为一个具体的实施方式，本申请获取多个用户的用电数据，并在剔除用能行为异常数据后，选取了1428个用户。基于用电量变化趋势的概率分布聚类结果如图2所示。

从图中可以看出，类型1用户个数1416个，类型2用户12个，最终得出用户需求响应能力评估结果如表1所示。

表1用户需求响应能力评估结果

根据实际用能负荷值大小和变化趋势得出，用电负荷大且变化率大的用户需求响应潜力最高；反之，用电负荷小且变化率小的用户需求响应潜力最小。

如图3所示，本申请实施例提供一种负荷需求响应潜力评估装置，包括：

获取模块201，用于获取各个用户的用电数据，基于所述用电数据得到待处理数据；

计算模块202，用于根据所述待处理数据计算每个用户的用电量差值的绝对值，并根据所述用电量差值的绝对值计算各个用户的用电量变化率；

聚类模块203，用于基于各个用户的用电量变化率对各个用户进行聚类分析，得到聚类分析结果；所述聚类分析结果用于确定用户需求响应能力标签；

训练模块204，用于将所述用户需求响应能力标签和预获取的实际电力负荷数据作为训练集，并利用所述训练集对神经网络进行训练，得到用户需求响应能力评估模型；

评估模块205，用于将待评估数据输入所述用户需求响应能力评估模型，得到用户需求响应能力评估结果。

本申请实施例提供的负荷需求响应潜力评估装置的工作原理为，获取模块201获取各个用户的用电数据，基于所述用电数据得到待处理数据；计算模块202根据所述待处理数据计算每个用户的用电量差值的绝对值，并根据所述用电量差值的绝对值计算各个用户的用电量变化率；聚类模块203基于各个用户的用电量变化率对各个用户进行聚类分析，得到聚类分析结果；所述聚类分析结果用于确定用户需求响应能力标签；训练模块204将所述用户需求响应能力标签和预获取的实际电力负荷数据作为训练集，并利用所述训练集对神经网络进行训练，得到用户需求响应能力评估模型；评估模块205将待评估数据输入所述用户需求响应能力评估模型，得到用户需求响应能力评估结果。

本申请提供一种计算机设备，包括：存储器1和处理器2，还可以包括网络接口3，所述存储器存储有计算机程序，存储器可以包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。该计算机设备存储有操作系统4，存储器是计算机可读介质的示例。所述计算机程序被所述处理器执行时，使得所述处理器执行负荷需求响应潜力评估方法，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，本申请提供的负荷需求响应潜力评估方法可以实现为一种计算机程序的形式，计算机程序可在如图4所示的计算机设备上运行。

一些实施例中，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：获取各个用户的用电数据，基于所述用电数据得到待处理数据；根据所述待处理数据计算每个用户的用电量差值的绝对值，并根据所述用电量差值的绝对值计算各个用户的用电量变化率；基于各个用户的用电量变化率对各个用户进行聚类分析，得到聚类分析结果；所述聚类分析结果用于确定用户需求响应能力标签；将所述用户需求响应能力标签和预获取的实际电力负荷数据作为训练集，并利用所述训练集对神经网络进行训练，得到用户需求响应能力评估模型；将待评估数据输入所述用户需求响应能力评估模型，得到用户需求响应能力评估结果。

本申请还提供一种计算机存储介质，计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光光盘(DVD)或其他光学存储、磁盒式磁带存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。

一些实施例中，本发明还提出了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，获取各个用户的用电数据，基于所述用电数据得到待处理数据；根据所述待处理数据计算每个用户的用电量差值的绝对值，并根据所述用电量差值的绝对值计算各个用户的用电量变化率；基于各个用户的用电量变化率对各个用户进行聚类分析，得到聚类分析结果；所述聚类分析结果用于确定用户需求响应能力标签；将所述用户需求响应能力标签和预获取的实际电力负荷数据作为训练集，并利用所述训练集对神经网络进行训练，得到用户需求响应能力评估模型；将待评估数据输入所述用户需求响应能力评估模型，得到用户需求响应能力评估结果。

综上所述，本发明提供一种负荷需求响应潜力评估方法、装置及设备，所述方法包括获取各个用户的用电数据，基于用电数据得到待处理数据；根据待处理数据计算每个用户的用电量差值的绝对值，并根据用电量差值的绝对值计算各个用户的用电量变化率；基于各个用户的用电量变化率对各个用户进行聚类分析，得到聚类分析结果；聚类分析结果用于确定用户需求响应能力标签；将用户需求响应能力标签和预获取的实际电力负荷数据作为训练集，并利用训练集对神经网络进行训练，得到用户需求响应能力评估模型；将待评估数据输入用户需求响应能力评估模型，得到用户需求响应能力评估结果。本发明通过用电数据进行集群辨识，对用户打标签和分类，训练得到用户需求响应能力评估模型，从而评估用户需求响应潜力，利用本申请提供的方法实现设备负荷的分析，对用户侧计量装置要求较低，实现更加简单。

可以理解的是，上述提供的方法实施例与上述的装置实施例对应，相应的具体内容可以相互参考，在此不再赘述。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令方法的制造品，该指令方法实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。