基于二次聚合预测的负荷优化调控方法、系统和介质与流程

本发明属于负荷优化调控，具体涉及一种基于二次聚合预测的负荷优化调控方法、系统和介质。

背景技术：

1、在现代社会中，电力供应被视为维持社会和经济正常运转的关键支柱之一。而在电力供应体系中，县域的典型负荷优化调控显得尤为重要，它直接影响着电力系统的稳定性、可靠性和经济性。然而，传统的县域电力负荷管理方法中电网下达的负荷调节指令没有考虑到各个用电设备的用电规律并不一致，因此会导致有些用电设备的用电需求无法满足，或者有些用电设备的负荷过剩，从而使调控的精度不足，进而导致用户的满意度低。

技术实现思路

1、为了解决背景技术所述电力负荷管理方法中调控精度不足和用户满意度低的问题，本发明提出了一种基于二次聚合预测的负荷优化调控方法、系统和介质。

2、实现本发明目的之一的一种基于二次聚合预测的负荷优化调控方法，包括：

3、根据用电设备的使用场景对用电设备进行分类，得到第一分类组；相同使用场景的用电设备分为一类；

4、根据用电设备所属用户的用电满意度评分对所述第一分类组进行分类，得到第二分类组；

5、遍历第二分类组中的每个分类，采用聚类算法对每个分类进行聚类，得到多个聚类；

6、构建并训练lstm(long short term memory)模型得到负荷预测模型；

7、获取聚类后每个聚类的聚类中心点所代表的用电设备在预测日前多日的日负荷运行曲线和负荷影响因素，并输入所述负荷预测模型，得到聚类中心点所在聚类的每个用电设备在预测日的最大可调负荷容量；所述日负荷运行曲线来自于历史负荷数据；

8、根据所述最大可调负荷容量对聚类中心点所在聚类中的每个用电设备在预测日的负荷进行调节，使得预测日的负荷满足每个用电设备的负荷需求。

9、进一步地，对每个分类进行聚类的方法包括：

10、构建多个矩阵，每个矩阵用于存储第二分类组中每个分类的所有用电设备的电力需求qre和时延de；

11、遍历每个矩阵，采用自适应模糊c均值算法对每个矩阵中的每个用电设备的电力需求qre和时延de进行聚类，得到多个聚类。

12、进一步地，所述用电满意度评分的计算方法包括：

13、

14、式中：

15、frc,i(x)表示第i个用电设备所属用户对当前负荷量x的用电满意度；

16、xset表示该用电设备所属用户最满意的负荷容量值；

17、xset,i表示第i个用电设备所属用户的的当前负荷值；

18、src,i表示第i个用电设备所属用户对当前负荷量xset,i偏移的容忍度；

19、s表示用电设备所属用户的容忍度。

20、进一步地，所述负荷影响因素包括：

21、ft,d＝{ωt,d,et,d,ht,d}

22、式中：t∈[1,24]，对应一天中的24小时；ωt,d为室外天气温度；et,d为室外天气湿度；ht,d为0-1变量，为0代表非工作日，为1代表工作日。

23、进一步地，对用电设备在预测日的负荷进行调节的方法包括：

24、获取每次负荷调控任务执行后用电设备的调控状态，所述调控状态包括：未完成调控，已完成调控，超额完成调控；

25、若连续多次负荷调控后，未完成调控的用电设备的数量多于已完成调控或超额完成调控的用电设备的数量，则获取所有未完成调控的用电设备的负荷调控值的差值之和；对所述差值之和求平均值，在下一次负荷调控时，将所述平均值下发至每一台待进行负荷调控任务的用电设备。

26、进一步地，对用电设备在预测日的负荷进行调节的方法还包括：

27、获取每次负荷调控任务执行后用电设备的调控状态，所述调控状态包括：未完成调控，已完成调控，超额完成调控；

28、若连续多次负荷调控后，已完成调控或超额完成调控的用电设备的数量多于未完成调控的用电设备的数量，则获取所有超额完成调控的用电设备的负荷调控值的差值之和；对所述差值之和求平均值，在下一次负荷调控时，将所述平均值下发至每一台待进行负荷调控任务的用电设备。

29、实现本发明目的之二的一种基于二次聚合预测的负荷优化调控系统，包括：

30、第一分类模块：用于根据用电设备的使用场景对用电设备进行分类，得到第一分类组；属于同一使用场景的用电设备分为一类；

31、第二分类模块：用于根据电设备所属用户的用电满意度评分对所述第一分类组进行分类，得到第二分类组；

32、聚类模块：用于遍历第二分类组中的每个分类，采用聚类算法对每个分类进行聚类，得到多个聚类；

33、模型构建模块：用于构建并训练lstm模型得到负荷预测模型，其用于预测用电设备的最大可调负荷容量；

34、可调负荷容量预测模块：用于获取聚类后每个聚类的聚类中心点所代表的用电设备在预测日前多日的日负荷运行曲线和负荷影响因素，并输入所述负荷预测模型，得到聚类中心点所在聚类的每个用电设备在预测日的最大可调负荷容量；

35、负荷调节模块：用于根据所述最大可调负荷容量对聚类中心点所在聚类中的每个用电设备在预测日的负荷进行调节，使得预测日的负荷满足每个用电设备的负荷需求。

36、进一步地，所述聚类模块中，对每个分类进行聚类的方法包括：

37、构建多个矩阵，每个矩阵用于存储第二分类组的每个分类中所有用电设备的电力需求qre和时延de；

38、遍历每个矩阵，采用自适应模糊c均值算法对每个矩阵中的每个用电设备的电力需求qre和时延de进行聚类，得到多个聚类。

39、进一步地，所述可调负荷容量预测模块中，所述负荷影响因素包括：

40、ft,d＝{ωt,d,et,d,ht,d}

41、式中：t∈[1,24]，对应一天中的24小时；ωt,d为室外天气温度；et,d为室外天气湿度；ht,d为0-1变量，为0代表非工作日，为1代表工作日。

42、进一步地，所述负荷调节模块包括：

43、调控状态获取模块：用于获取每次负荷调控任务执行后用电设备的调控状态，所述调控状态包括：未完成调控，已完成调控，超额完成调控。

44、更进一步地，所述负荷调节模块还包括第一调控优化模块和/或第二调控优化模块；

45、所述第一调控优化模块用于对负荷调控采用第一优化方法进行优化，所述第一优化方法包括：若连续多次负荷调控后，未完成调控的用电设备的数量多于已完成调控或超额完成调控的用电设备的数量，则获取所有未完成调控的用电设备的负荷调控值的差值之和；对所述差值之和求平均值，在下一次负荷调控时，将所述平均值下发至每一台待进行负荷调控任务的用电设备。

46、所述第二调控优化模块用于对负荷调控采用第二优化方法进行优化，所述第二优化方法包括：若连续多次负荷调控后，未完成调控的用电设备的数量多于已完成调控或超额完成调控的用电设备的数量，则获取所有未完成调控的用电设备的负荷调控值的差值之和；对所述差值之和求平均值，在下一次负荷调控时，将所述平均值下发至每一台待进行负荷调控任务的用电设备。

47、实现本发明目的之三的一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述基于二次聚合预测的负荷优化调控方法的任一步骤。

48、本发明的有益效果包括：

49、(1)通过二次分类可以区分出用户调控的优先级和用电设备之间的不同用电规律，通过基于lstm的负荷预测模型可以更好的预测用电设备的典型负荷需求，从而更准确地预测用电设备的典型负荷需求，从而改善负荷管理的准确性，提高了负荷管理的精度；

50、(2)优化调控方法兼顾用电满意度，增强了用电设备所属用户在电力供应方面的用电满意度；

51、(3)通过经济效益目标函数，电力系统可以更有效地分配资源，从而提高了电力系统的经济性；

52、(4)本发明能更好地对包括农业，制造业等使用场景的县域电力负荷进行管理，具有广泛的应用前景。