居民空调集群需求响应潜力评估方法

技术领域

本发明涉及电力系统需求响应评估领域，具体而言，涉及一种居民空调集群需求响应潜力评估方法。

背景技术

居民空调负荷是用户侧需求响应的重要组成部分，其调控潜力巨大，对电力系统新能源消纳产生重要促进作用。在电网运营商日前确定调度计划时，需要对区域内居民用户的响应意愿及空调等柔性负荷的可调控潜力进行全方位的评估，以制定合理的激励措施。

然而，由于居民用户参与需求响应时存在响应不确定性且用户意愿难以准确预测。目前，现有研究中用户意愿度模型主要分为两类。一类是用数学表达式进行意愿度建模，其所考虑的影响居民空调使用的因素不全面，同时数学表达式中参数难以精确确定且场景适用性较差。另一类是将用户意愿度以0-1变量形式表示，未考虑用户意愿弹性及相应响应的不确定性，没有考虑到不同意愿度用户对应的负荷转移潜力不同。因此，准确全面的进行用户意愿度预测，评估空调集群的可调控潜力，对其参与需求响应调控具有重要意义。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种居民空调集群需求响应潜力评估方法，以至少解决由于现有技术中没有充分考虑用户调控空调的倾向造成的预测空调集群可调控功率不准确的技术问题。

根据本发明实施例的一个方面，提供了一种可调控功率预测方法，包括：获取多个调控策略、调控空调意愿数据、多个第一因素和多个第一因素之间的影响关系，其中，调控空调意愿数据为在多个调控策略下目标区域内的家庭的空调使用倾向，多个第一因素为影响空调使用倾向的影响因素；根据多个第一因素和多个第一因素之间的影响关系，运用网络层次分析法在多个第一因素中确定多个第二因素；根据多个第二因素、多个调控策略和调控空调意愿数据，运用模糊逻辑推理法确定调控空调意愿度；根据调控空调意愿度、调控空调意愿数据和空调运行公式，确定目标区域内可调控功率。

可选地，根据多个第一因素和多个第一因素之间的影响关系，运用网络层次分析法在多个第一因素中确定多个第二因素，包括：采用网络层次分析法，对多个第一因素之间两两之间的相对重要性进行比较，并确定多个第一因素一一对应的多个权重；根据多个权重，在多个第一因素中确定多个第二因素。

可选地，根据多个权重对多个第一因素排序，确定多个第二因素作为影响使用空调的决定性因素，包括：在多个权重值中，确定大于预定阈值的权重值对应的多个第一因素为多个第二因素。

可选地，根据多个第二因素、多个调控策略和调控空调意愿数据，运用模糊逻辑推理法确定调控空调意愿度，包括：从模糊规则库中选出模糊逻辑推理规则；根据调控空调意愿数据、模糊逻辑推理规则、多个第二因素和多个调控策略，确定在多个调控策略下的被多个第二因素综合影响的调控空调意愿度。

可选地，根据调控空调意愿度、调控空调意愿数据和空调运行公式，确定目标区域内可调控功率，包括：根据调控空调意愿数据和空调运行公式，分别确定目标区域内每个家庭在多个调控策略下可调控功率；根据调控空调意愿度和目标区域内每个家庭在多个调控策略下可调控的功率，生成目标区域内可调控功率。

可选地，根据调控空调意愿数据和空调运行公式，分别确定目标区域内每个家庭在多个调控策略下可调控功率，包括：根据调控空调意愿数据，确定分别与多个调控策略对应的多个可调控温差，以及目标区域内每个家庭的空调使用初始倾向；根据多个可调控温差、目标区域内每个家庭的空调使用初始倾向和空调运行公式，确定多个目标区域内每个家庭在多个调控策略下的可调控功率。

可选地，根据调控空调意愿度和目标区域内每个在多个调控策略下可调控的功率，生成目标区域内可调控功率，包括：分别在多个调控策略下，将目标区域内每个家庭可调控功率求和，确定求和结果；将求和结果乘调控空调意愿度，生成目标区域内可调控功率。

根据本发明实施例的另一方面，还提供了一种可调控功率预测装置，包括：获取模块，用于获取多个调控策略、调控空调意愿数据、多个第一因素和多个第一因素之间的影响关系，其中，调控空调意愿数据为在多个调控策略下目标区域内的家庭的空调使用倾向，多个第一因素为影响空调使用倾向的影响因素；第一确定模块，用于根据多个第一因素和多个第一因素之间的影响关系，运用网络层次分析法在多个第一因素中确定多个第二因素；第二确定模块，用于根据多个第二因素、多个调控策略和调控空调意愿数据，运用模糊逻辑推理法确定调控空调意愿度；第三确定模块，用于根据调控空调意愿度、调控空调意愿数据和空调运行公式，确定目标区域内可调控功率。

根据本发明实施例的又一方面，还提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，在程序运行时控制非易失性存储介质所在设备执行上述中任意一项可调控功率预测方法。

根据本发明实施例的再一方面，还提供了一种计算机设备，计算机设备包括处理器，处理器用于运行程序，其中，程序运行时执行上述中任意一项可调控功率预测方法。

在本发明实施例中，通过获取多个调控策略、调控空调意愿数据、多个第一因素和多个第一因素之间的影响关系，其中，调控空调意愿数据为在多个调控策略下目标区域内的家庭的空调使用倾向，多个第一因素为影响空调使用倾向的影响因素；根据多个第一因素和多个第一因素之间的影响关系，运用网络层次分析法在多个第一因素中确定多个第二因素；根据多个第二因素、多个调控策略和调控空调意愿数据，运用模糊逻辑推理法确定调控空调意愿度；根据调控空调意愿度、调控空调意愿数据和空调运行公式，确定目标区域内可调控功率，达到了根据用户调控空调的倾向预测空调可调控功率的目的，从而实现了更为准确地预测目标区域内空调集群的可调控功率的技术效果，进而解决了由于现有技术中没有充分考虑用户调控空调的倾向造成的预测空调集群可调控功率不准确的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1示出了一种用于实现可调控功率预测方法方法的计算机终端的硬件结构框图；

图2是根据本发明实施例提供的可调控功率预测方法的流程示意图；

图3是根据本发明可选实施例提供的居民空调主动调控意愿度ANP结构模型的示意图；

图4是根据本发明可选实施例提供的居民空调主动调控意愿预测模糊逻辑模型结构的示意图；

图5是根据本发明可选实施例提供的用户意愿度与日最高气温和激励措施关系的示意图；

图6是根据本发明可选实施例提供的用户意愿度随激励措施变化曲线的示意图；

图7是根据本发明可选实施例提供的补偿价格Δp与空调设定温度调整量ΔT

图8是根据本发明可选实施例提供的居民空调集群可调控潜力随激励措施变化曲线的示意图；

图9是根据本发明可选实施例提供的可调控功率预测装置的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，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前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

根据本发明实施例，提供了一种可调控功率预测的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现可调控功率预测方法的计算机终端的硬件结构框图。如图1所示，计算机终端10可以包括一个或多个(图中采用102a、102b，……，102n来示出)处理器(处理器可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104。除此以外，还可以包括：显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为BUS总线的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。

应当注意到的是上述一个或多个处理器和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机终端10中的其他元件中的任意一个内。如本申请实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。

存储器104可用于存储应用软件的软件程序以及模块，如本发明实施例中的可调控功率预测方法对应的程序指令/数据存储装置，处理器通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的可调控功率预测方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与计算机终端10的用户界面进行交互。

图2是根据本发明实施例提供的可调控功率预测方法的流程示意图，如图2所示，该方法包括如下步骤：

步骤S202，获取多个调控策略、调控空调意愿数据、多个第一因素和多个第一因素之间的影响关系，其中，调控空调意愿数据为在多个调控策略下目标区域内的家庭的空调使用倾向，多个第一因素为影响空调使用倾向的影响因素。

本步骤中，目标区域可以是本次需要预测可调控影响因素的区域，在进行第二天电力供应前，可以对第二天目标区域内的用电情况进行预测，并依据估计结果进行规划供电，本发明提供的方法主要用于预测目标区域内空调的可调控功率。

多个调控策略可以是供电公司提出的用电激励措施，不同的激励程度对应多个不同的调控策略。电网运营商日前引入正激励和负激励进行激励措施制定，根据不同的调控目标，制定不同的正负激励时段及激励大小。正激励即在居民正常用电电费基础上补偿一定量的电费，居民实际电费支出量减少，对应于空调集群的可调控功率正潜力部分；负激励即在居民正常用电电费基础上额外增加一定量的电费，居民实际电费支出量增加，对应于空调集群的可调控功率负潜力部分。通过制定正负激励措施主动引导用户进行合理用电，如白天正激励时段鼓励居民多用空调等柔性负荷以消纳高比例分布式新能源；晚上负激励时段提倡居民在晚高峰时期节约用电或以空调提前预冷的形式转移用电时段。

调控空调意愿数据为对目标区域内的居民用户进行意愿调查得到的数据，例如，可以通过问卷等方式，得到居民使用空调的规律和居民在多个调控策略下使用空调的情况。多个第一因素是影响居民空调使用意愿的影响因素，多个第一因素之间是互相影响的，所以在研究多个第一因素对居民使用空调的影响时，也应该考虑多个第一因素之间的影响关系。

步骤S204，根据多个第一因素和多个第一因素之间的影响关系，运用网络层次分析法在多个第一因素中确定多个第二因素。

本步骤中，可以根据多个第一因素和多个第一因素之间的关系，运用网络层次分析法，在多个影响居民调控空调意愿的因素中，确定更为重要的多个影响因素作为第二因素。相对于使用多个第一因素对目标区域内可调控功率进行预测，使用更少且影响更大的多个第二影响因素进行后续计算，有利于减少预测目标区域可调控功率的计算量。网络层次分析法是一种用网络结构代替了层次结构的分析方法，同时会将要素间的相关性考虑进去，用非线性结构代替线性层次结构，还加入了反馈机制，并考虑到低层要素对于高层要素的支配作用。采用网络层次分析法可以更全面且更准确地从多个第一因素中选择出更为重要的多个影响因素作为第二影响因素参与计算。

步骤S206，根据多个第二因素、多个调控策略和调控空调意愿数据，运用模糊逻辑推理法确定调控空调意愿度。

本步骤中，模糊推理可以认为是一种不精确的推理，是通过模糊规则将给定输入转化为输出的过程。模糊推理是将输入的模糊集通过一定运算对应到特定输出模糊集的计算过程。模糊规则是在进行模糊推理时依赖的规则，通常可以用自然语言表述。通过模糊推理法可以使用计算机根据用户给出的调控空调意愿数据和设置的模糊推理规则，确定用户的调控空调意愿度。

步骤S208，根据调控空调意愿度、调控空调意愿数据和空调运行公式，确定目标区域内可调控功率。

本步骤中，根据调控空调意愿数据和空调运行公式，可以通过用户给出的在多个调控策略下使用空调的具体温度算出目标区域内用户可调控的空调功率，再通过上一步计算得到的用户的调控空调意愿度调整通过数据计算得到的可调控的空调功率，得到最终目标区域内可调控功率。

通过上述步骤，达到了根据用户调控空调的倾向预测空调可调控功率的目的，从而实现了更为准确地预测目标区域内空调集群的可调控功率的技术效果，进而解决了由于现有技术中没有充分考虑用户调控空调的倾向造成的预测空调集群可调控功率不准确的技术问题。

作为一种可选的实施例，根据多个第一因素和多个第一因素之间的影响关系，运用网络层次分析法在多个第一因素中确定多个第二因素，可以通过以下步骤实现：采用网络层次分析法，对多个第一因素之间两两之间的相对重要性进行比较，并确定多个第一因素一一对应的多个权重；根据多个权重，在多个第一因素中确定多个第二因素。

可选地，调控空调意愿数据中包括的信息量很大，不仅包括居民用户的使用空调的基本信息，还包括了居民用户使用空调时对应的气象信息、居民用户的生活习惯和家庭基本信息等。在对调控空调意愿数据进行分析后，可以得到影响居民调控空调的意愿的多个第一因素，并且可以通过网络层次分析法，对多个第一因素之间的相对重要性进行比较，计算出多个第一因素一一对应的多个权重，并且取权重较大的影响因素作为重要的第二因素进行后续计算过程。

具体地，可以通过分析居民给出的调控空调意愿数据得到影响居民使用空调的各个因素，建立如表1所示的ANP评价指标体系，其中，构成控制层决策准则的因素集有5个1级指标。网络层中每个子元素集中的指标是控制层中对应因素集的细化。气象信息中选取对用户调节空调行为影响最大的“日最高温度”和“日平均相对湿度”两个2级指标。家庭背景信息中不仅考虑了“房屋面积”、“家庭年收入”和“家庭成员年龄分布”，还着重考虑了“房间舒适温度范围”对用户调节空调行为的影响。空调使用信息中的“空调使用时间段”是指居民日常使用空调的行为习惯，即在上午、中午、下午、傍晚或深夜到凌晨时间段使用空调习惯；“初始使用空调意愿”是指在没有激励刺激的情况下居民使用空调的意愿，其对应于空调的基础负荷，可以从负荷预测中得到。激励措施包括正负价格激励，分别指减免电费和提高电费。用户心理主要考虑用户的消费心理。

表1居民空调主动调控意愿评价指标体系

在对居民用户给出的调控空调意愿进行分析，得到多个影响居民调控空调的影响因素后，可以对表1中各2级指标间的相互影响关系进行调研分析，图3是根据本发明可选实施例提供的居民空调主动调控意愿度ANP结构模型的示意图，建立如图3所示的居民空调主动调控意愿ANP结构模型。其中，网络层中各2级指标元素组既存在元素组间的相互影响关系，又存在元素组内部元素间的相互影响关系。图3中双向箭头表示两元素(组)间相互影响，单向箭头表示一个元素只能影响另一个因素，而不能互相影响。

运用Super Decisions 3.2软件进行不同指标间重要程度比较并检验判断矩阵的一致性水平，输出如表2所示的2级指标局部权重值和对应的全局稳定权重值。从全局稳定权重列中由大到小选择7个占比最大的指标作为模糊推理模型的输入。

表2ANP2级指标局部权重和对应的全局稳定权重

作为一种可选的实施例，根据多个权重对多个第一因素排序，确定多个第二因素作为影响使用空调的决定性因素，可以通过以下步骤实现：在多个权重值中，确定大于预定阈值的权重值对应的多个第一因素为多个第二因素。

可选地，在得到如表2所示的2级指标局部权重值和对应的全局稳定权重值后，可以根据预定的权重阈值，从全局稳定权重值中选出大于预定阈值的权重值对应的影响因素为多个第二因素，还可以预先确定多个第二因素的个数，从全局稳定权重列中由大到小选择多个占比最大的指标作为模糊推理模型的输入。

作为一种可选的实施例，根据多个第二因素、多个调控策略和调控空调意愿数据，运用模糊逻辑推理法确定调控空调意愿度，可以通过以下步骤实现：从模糊规则库中选出模糊逻辑推理规则；根据调控空调意愿数据、模糊逻辑推理规则、多个第二因素和多个调控策略，确定在多个调控策略下的被多个第二因素综合影响的调控空调意愿度。

可选地，模糊逻辑规则是在进行模糊逻辑推理时依赖的规则，通常可以用自然语言表述。在应用模糊逻辑推理法进行计算时，一般从模糊规则库中选取适应于本次模糊逻辑推理的模糊逻辑推理规则。模糊规则库一般由某个领域的专家合作建立，还可以从数据分析中得出结果并由专家指正，在输入计算机进行计算时，一般表示为判断形式的计算机语言使计算机执行。模糊逻辑推理法可以将确定事件的发生结果进行不确定分析，例如，事件为居民是否愿意调控空调，事件结果仅仅为愿意或者不愿意，此时如果只根据事件结果对居民意愿分析，就没有充分考虑居民意愿，分析得出的结果的准确度也不高，而模糊逻辑推理法可以将居民调控空调的意愿度量化，在模糊逻辑推理规则的指导下，根据多个第二因素分析居民意愿数据，得到居民的意愿度为0到1中的某一个值，或者将居民的意愿度分级，得到模糊后的居民意愿度，充分考虑了居民在不同情况下的意愿。

具体地，图4是根据本发明可选实施例提供的居民空调主动调控意愿预测模糊逻辑模型结构的示意图，可以运用MATLAB中模糊推理模块建立如图4所示的模糊推理结构模型。模糊推理的输入为日最高气温、日平均相对湿度、房间舒适温度、空调使用时间段、空调使用初始意愿、价格激励和用户心理，输出为居民主动调控空调意愿度。对输入量进行模糊化，建立NB(Negative Big很低/小)、NS(Negative Small较低/小)、O(Zero中等)、PS(Positive Small较高/大)及PB(Positive Big很高/大)5个模糊子集，建立隶属度函数和模糊规则库。各输入变量选择三角形隶属度函数，输出变量选择高斯隶属度函数，模糊规则库通过前期问卷调查获取的数据进行统计归纳分析得到初始模糊规则，再通过本领域内的专家指导与鉴别，最终确定模糊规则。模糊规则采用if…and…then…形式进行制定与修正。

图5是根据本发明可选实施例提供的用户意愿度与日最高气温和激励措施关系的示意图，模糊推理的输出为如图5所示的三维曲面图。图5中激励措施的范围是[-1,1]，等比例代表电价补偿[-0.5,0.5]元，白天正激励时段鼓励居民多用空调等柔性负荷进行需求侧响应，晚上负激励时段提倡居民在晚高峰时期节约用电，正激励越大表示整体电价更便宜，居民更愿意多使用空调进行负荷响应；负激励越大表示整体电价更贵，居民更不愿意多使用空调。

图6是根据本发明可选实施例提供的用户意愿度随激励措施变化曲线的示意图，选择28度、34度及38度3个典型日最高气温并固定，对图5进行纵向切割分离得如图6所示的空调主动调控意愿度随激励措施变化曲线。由图6可知，当未加任何激励措施时，居民主动调控空调意愿较低；随着激励措施的不断增加，居民主动调控空调意愿也在不断上升直至达到最大值。当负激励较小时，居民调控空调意愿度不断减小直至零；随着负激励的继续增大，居民调控空调意愿呈负向不断增大直至饱和，负意愿越大表示越不愿意改变空调日常使用习惯。日最高气温不同，居民主动调控空调意愿度曲线也有微小差别，当日最高气温为34度时，居民有最大的调控意愿。为了消纳居民区剩余的光伏，一般夏季白天时段多设为正激励时段，鼓励居民多使用空调；夏季晚上用电高峰时段设为负激励时段，以引导居民少用电。

作为一种可选的实施例，根据调控空调意愿度、调控空调意愿数据和空调运行公式，确定目标区域内可调控功率，可以通过以下步骤实现：根据调控空调意愿数据和空调运行公式，分别确定目标区域内每个家庭在多个调控策略下可调控功率；根据调控空调意愿度和目标区域内每个家庭在多个调控策略下可调控的功率，生成目标区域内可调控功率。

可选地，通过调控空调意愿数据和空调的运行公式，可以分别确定目标区域中每个家庭使用空调可以调控的功率范围，再根据调控空调意愿度和目标区域内每个家庭在多个调控策略下可调控的功率，生成目标区域内可调控功率。其中，主要通过调控空调意愿数据中包括的“初始使用空调意愿”和在多个调控策略下的调控意愿，确认每个家庭使用空调可以调控的功率范围。

具体地，空调运行公式包括多个公式，空调房间的室内外热交换过程可用一阶等效热参数模型进行表征：

式中，

空调负荷的制冷量与电功率的关系是：

Q

式中，P

式中，a、b、c为相关系数。

变频空调压缩机制冷时的功率控制策略如下：

ΔT(t)＝T

式中，P

作为一种可选的实施例，根据调控空调意愿数据和空调运行公式，分别确定目标区域内每个家庭在多个调控策略下可调控功率，可以通过以下步骤实现：根据调控空调意愿数据，确定分别与多个调控策略对应的多个可调控温差，以及目标区域内每个家庭的空调使用初始倾向；根据多个可调控温差、目标区域内每个家庭的空调使用初始倾向和空调运行公式，确定多个目标区域内每个家庭在多个调控策略下的可调控功率。

可选地，“初始使用空调意愿”即为目标区域内每个家庭的空调使用初始倾向，可以通过调控空调意愿数据确定，每个家庭在多个调控策略下的可调控温差，可以通过调控空调意愿数据中每个家庭在多个调控策略下的调控行为得到。在得到多个可调控温差、目标区域内每个家庭的空调使用初始倾向和空调运行公式后，可以根据空调运行公式，算出居民用户可调控的功率。

具体地，图7是根据本发明可选实施例提供的补偿价格Δp与空调设定温度调整量ΔT

对于某居民家庭用户，当电网激励措施为某一确定补偿电价时，根据图7中用户牺牲舒适温度可得响应后的空调温度设定值。当t＝0时，T

作为一种可选的实施例，根据调控空调意愿度和目标区域内每个在多个调控策略下可调控的功率，生成目标区域内可调控功率，可以通过以下步骤实现：分别在多个调控策略下，将目标区域内每个家庭可调控功率求和，确定求和结果；将求和结果乘调控空调意愿度，生成目标区域内可调控功率。

可选地，可以分别在多个调控策略下，将目标区域内每个家庭可调控的功率求和，即得到了目标区域内可调控的功率，但是此时只考虑了每个用户的具体方案，没有对目标区域内总体的居民意愿进行考虑，所以将求和的结果与调控空调意愿度相乘，得到了目标区域内的可调控功率。将某一激励措施下居民家庭空调压缩机总消耗功率乘以居民主动调控空调意愿度，即可得到该激励下用户的可调控功率值。对所有用户空调可调控功率值进行叠加，即得不同激励下居民用户空调集群的可调控功率潜力曲线，图8是根据本发明可选实施例提供的居民空调集群可调控潜力随激励措施变化曲线的示意图，如图8所示，为居民空调集群可调控潜力随激励措施变化曲线图。

本发明公开了一种居民空调集群需求响应潜力评估方法。该方法包括：居民主动调控空调意愿度预测及居民空调集群参与需求响应可调控功率潜力评估。首先将网络层次分析法与模糊逻辑推理相结合用于预测居民主动调控空调意愿度，利用网络层次分析法对影响居民空调使用的各因素进行权重分析，选出主要因素作为模糊逻辑推理的输入，通过模糊逻辑推理得到居民主动调控空调的意愿度；其次根据用户房间面积和激励措施下舒适度牺牲意愿数据得出不同激励下空调的可调控功率潜力曲线。本发明提供的方法可为电网运营商日前进行需求响应潜力评估及激励措施的制定提供理论指导，可以充分挖掘空调负荷的响应潜力，提升分布式新能源的消纳水平，具有工程使用价值。

网络层次分析法-模糊逻辑推理是一种将网络层次分析法和模糊推理相结合的综合分析方法。运用网络层次分析法对影响居民空调使用的各因素进行权重分析，选出主要因素作为模糊逻辑推理的输入，通过模糊推理得到不同激励下居民主动调控空调的意愿度。网络层次分析法-模糊逻辑推理模型同现有其它意愿度预测方法相比，其预测结果更准确，考虑的因素更全面且场景适用性更好。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的可调控功率预测方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

根据本发明实施例，还提供了一种用于实施上述可调控功率预测方法的装置，图是根据本发明实施例提供的可调控功率预测装置的结构框图，如图9所示，该装置包括：获取模块92，第一确定模块94，第二确定模块96和第三确定模块98，下面对该装置进行说明。

获取模块92，用于获取多个调控策略、调控空调意愿数据、多个第一因素和多个第一因素之间的影响关系，其中，调控空调意愿数据为在多个调控策略下目标区域内的家庭的空调使用倾向，多个第一因素为影响空调使用倾向的影响因素。

第一确定模块94，用于根据多个第一因素和多个第一因素之间的影响关系，运用网络层次分析法在多个第一因素中确定多个第二因素。

第二确定模块96，用于根据多个第二因素、多个调控策略和调控空调意愿数据，运用模糊逻辑推理法确定调控空调意愿度。

第三确定模块98，用于根据调控空调意愿度、调控空调意愿数据和空调运行公式，确定目标区域内可调控功率。

此处需要说明的是，上述获取模块92，第一确定模块94，第二确定模块96和第三确定模块98对应于实施例中的步骤S202至步骤S208，多个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例提供的计算机终端10中。

本发明的实施例可以提供一种计算机设备，可选地，在本实施例中，上述计算机设备可以位于计算机网络的多个网络设备中的至少一个网络设备。该计算机设备包括存储器和处理器。

其中，存储器可用于存储软件程序以及模块，如本发明实施例中的可调控功率预测方法和装置对应的程序指令/模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的可调控功率预测方法。存储器可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：获取多个调控策略、调控空调意愿数据、多个第一因素和多个第一因素之间的影响关系，其中，调控空调意愿数据为在多个调控策略下目标区域内的家庭的空调使用倾向，多个第一因素为影响空调使用倾向的影响因素；根据多个第一因素和多个第一因素之间的影响关系，运用网络层次分析法在多个第一因素中确定多个第二因素；根据多个第二因素、多个调控策略和调控空调意愿数据，运用模糊逻辑推理法确定调控空调意愿度；根据调控空调意愿度、调控空调意愿数据和空调运行公式，确定目标区域内可调控功率。

可选的，上述处理器还可以执行如下步骤的程序代码：根据多个第一因素和多个第一因素之间的影响关系，运用网络层次分析法在多个第一因素中确定多个第二因素，包括：采用网络层次分析法，对多个第一因素之间两两之间的相对重要性进行比较，并确定多个第一因素一一对应的多个权重；根据多个权重，在多个第一因素中确定多个第二因素。

可选的，上述处理器还可以执行如下步骤的程序代码：根据多个权重对多个第一因素排序，确定多个第二因素作为影响使用空调的决定性因素，包括：在多个权重值中，确定大于预定阈值的权重值对应的多个第一因素为多个第二因素。

可选的，上述处理器还可以执行如下步骤的程序代码：根据多个第二因素、多个调控策略和调控空调意愿数据，运用模糊逻辑推理法确定调控空调意愿度，包括：从模糊规则库中选出模糊逻辑推理规则；根据调控空调意愿数据、模糊逻辑推理规则、多个第二因素和多个调控策略，确定在多个调控策略下的被多个第二因素综合影响的调控空调意愿度。

可选的，上述处理器还可以执行如下步骤的程序代码：根据调控空调意愿度、调控空调意愿数据和空调运行公式，确定目标区域内可调控功率，包括：根据调控空调意愿数据和空调运行公式，分别确定目标区域内每个家庭在多个调控策略下可调控功率；根据调控空调意愿度和目标区域内每个家庭在多个调控策略下可调控的功率，生成目标区域内可调控功率。

可选的，上述处理器还可以执行如下步骤的程序代码：根据调控空调意愿数据和空调运行公式，分别确定目标区域内每个家庭在多个调控策略下可调控功率，包括：根据调控空调意愿数据，确定分别与多个调控策略对应的多个可调控温差，以及目标区域内每个的空调使用初始倾向；根据多个可调控温差、目标区域内每个家庭的空调使用初始倾向和空调运行公式，确定多个目标区域内每个家庭在多个调控策略下的可调控功率。

可选的，上述处理器还可以执行如下步骤的程序代码：根据调控空调意愿度和目标区域内每个在多个调控策略下可调控的功率，生成目标区域内可调控功率，包括：分别在多个调控策略下，将目标区域内每个家庭可调控功率求和，确定求和结果；将求和结果乘调控空调意愿度，生成目标区域内可调控功率。

采用本发明实施例，提供了一种可调控功率预测的方案。通过获取多个调控策略、调控空调意愿数据、多个第一因素和多个第一因素之间的影响关系，其中，调控空调意愿数据为在多个调控策略下目标区域内的家庭的空调使用倾向，多个第一因素为影响空调使用倾向的影响因素；根据多个第一因素和多个第一因素之间的影响关系，运用网络层次分析法在多个第一因素中确定多个第二因素；根据多个第二因素、多个调控策略和调控空调意愿数据，运用模糊逻辑推理法确定调控空调意愿度；根据调控空调意愿度、调控空调意愿数据和空调运行公式，确定目标区域内可调控功率，达到了根据用户调控空调的倾向预测空调可调控功率的目的，从而实现了更为准确地预测目标区域内空调集群的可调控功率的技术效果，进而解决了由于现有技术中没有充分考虑用户调控空调的倾向造成的预测空调集群可调控功率不准确的技术问题。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一非易失性存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。

本发明的实施例还提供了一种非易失性存储介质。可选地，在本实施例中，上述非易失性存储介质可以用于保存上述实施例所提供的可调控功率预测方法所执行的程序代码。

可选地，在本实施例中，上述非易失性存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。

可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：获取多个调控策略、调控空调意愿数据、多个第一因素和多个第一因素之间的影响关系，其中，调控空调意愿数据为在多个调控策略下目标区域内的家庭的空调使用倾向，多个第一因素为影响空调使用倾向的影响因素；根据多个第一因素和多个第一因素之间的影响关系，运用网络层次分析法在多个第一因素中确定多个第二因素；根据多个第二因素、多个调控策略和调控空调意愿数据，运用模糊逻辑推理法确定调控空调意愿度；根据调控空调意愿度、调控空调意愿数据和空调运行公式，确定目标区域内可调控功率。

可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：根据多个第一因素和多个第一因素之间的影响关系，运用网络层次分析法在多个第一因素中确定多个第二因素，包括：采用网络层次分析法，对多个第一因素之间两两之间的相对重要性进行比较，并确定多个第一因素一一对应的多个权重；根据多个权重，在多个第一因素中确定多个第二因素。

可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：根据多个权重对多个第一因素排序，确定多个第二因素作为影响使用空调的决定性因素，包括：在多个权重值中，确定大于预定阈值的权重值对应的多个第一因素为多个第二因素。

可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：根据多个第二因素、多个调控策略和调控空调意愿数据，运用模糊逻辑推理法确定调控空调意愿度，包括：从模糊规则库中选出模糊逻辑推理规则；根据调控空调意愿数据、模糊逻辑推理规则、多个第二因素和多个调控策略，确定在多个调控策略下的被多个第二因素综合影响的调控空调意愿度。

可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：根据调控空调意愿度、调控空调意愿数据和空调运行公式，确定目标区域内可调控功率，包括：根据调控空调意愿数据和空调运行公式，分别确定目标区域内每个家庭在多个调控策略下可调控功率；根据调控空调意愿度和目标区域内每个家庭在多个调控策略下可调控的功率，生成目标区域内可调控功率。

可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：根据调控空调意愿数据和空调运行公式，分别确定目标区域内每个家庭在多个调控策略下可调控功率，包括：根据调控空调意愿数据，确定分别与多个调控策略对应的多个可调控温差，以及目标区域内每个的空调使用初始倾向；根据多个可调控温差、目标区域内每个家庭的空调使用初始倾向和空调运行公式，确定多个目标区域内每个家庭在多个调控策略下的可调控功率。

可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：根据调控空调意愿度和目标区域内每个在多个调控策略下可调控的功率，生成目标区域内可调控功率，包括：分别在多个调控策略下，将目标区域内每个家庭可调控功率求和，确定求和结果；将求和结果乘调控空调意愿度，生成目标区域内可调控功率。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个非易失性取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。