【技术实现步骤摘要】
一种电力用户可调负荷预测方法及其系统
[0001]本专利技术涉及电力
,具体涉及一种电力用户可调负荷预测方法及其系统。
技术介绍
[0002]随着“双碳”政策的提出以及多样化新能源并入电网,对于电力系统的可靠性提出了更高的要求。通过引导电力用户根据需求侧响应,调整用电情况,将其可调负荷投放市场,可减轻电力平衡压力。随着电力系统的智慧化和智能化发展,电力企业搭建了用户用电信息采集系统,用于为电力企业的发展、电力调控等业务开展提供了数据支撑。通过对电力用户的可调负荷进行计算,可以提高电力用户参与电力服务市场稳定运行的积极性,可以提升电力系统调节能力和能源清洁利用水平,进一步保障电力系统的安全平稳运行。但目前进行电力用户的可调负荷计算时,用电数据在收集的过程中,由于设备故障等等原因容易导致收集到的用电数据存在缺失的现象;并且,目前用于电力用户的可调负荷计算的预测模型没有能够很好地利用到用电数据的特征,训练得到的模型计算结果准确性较低。
技术实现思路
[0003]本专利技术的目的在于提出一种电力用户可调负荷预测方法及其系统,以解决电力用户可调负荷预测问题。
[0004]为实现上述目的,本专利技术提出一种电力用户可调负荷预测方法,所述方法包括:
[0005]获取多个电力用户的用电数据,对所述多个电力用户的用电数据中的缺失值进行填充,获得多个电力用户的完整用电数据;
[0006]根据所述多个电力用户的完整用电数据构建用户之间的关联矩阵;其中,所述关联矩阵用于表示不同用户之间的用电负荷 ...
【技术保护点】
【技术特征摘要】
1.一种电力用户可调负荷预测方法,其特征在于,所述方法包括:获取多个电力用户的用电数据,对所述多个电力用户的用电数据中的缺失值进行填充获得多个电力用户的完整用电数据;根据所述多个电力用户的完整用电数据构建用户之间的关联矩阵;其中,所述关联矩阵用于表示不同用户之间的用电负荷关联性,若两个电力用户之间的用电负荷相差5%以内,则认为该两个电力用户之间存在用电负荷关联性;对所述关联矩阵进行QR分解得到关联特征;将所述关联特征输入预先训练好的电力用户可调负荷预测模型得到电力用户可调负荷预测结果。2.根据权利要求1所述的电力用户可调负荷预测方法,其特征在于,所述预先训练好的电力用户可调负荷预测模型包括因子分解机模型、XGBoost基础模型和线性回归模型;其中,所述预先训练好的电力用户可调负荷预测模型的输入端分别连接所述因子分解机模型和所述XGBoost基础模型的输入端,所述因子分解机模型和所述XGBoost基础模型的输出端连接所述线性回归模型的输入端,所述线性回归模型的输出端输出电力用户可调负荷预测结果。3.根据权利要求2所述的电力用户可调负荷预测方法,其特征在于,所述预先训练好的电力用户可调负荷预测模型通过以下方式训练得到:获取多个电力用户的历史用电数据,对该多个电力用户的历史用电数据中的缺失值进行填充获得多个电力用户的完整历史用电数据;根据该多个电力用户的完整历史用电数据构建用户之间的关联矩阵;其中,该关联矩阵用于表示不同用户之间的用电负荷关联性,若两个电力用户之间的用电负荷相差5%以内,则认为该两个电力用户之间存在用电负荷关联性;对该关联矩阵进行QR分解得到关联特征样本;将所述关联特征样本输入预设的电力用户可调负荷预测模型得到所述预先训练好的电力用户可调负荷预测模型。4.如权利要求1所述的电力用户可调负荷预测方法,其特征在于,所述对所述用户用电数据中的缺失值进行填充获得完整的用户用电数据,包括:对于任一缺失值,取缺失值前后各3位有效数据,求取所述缺失值前后各3位有效数据的平均值作为该缺失值的填充值进行填充得到完整的用户用电数据。5.如权利要求1所述的电力用户可调负荷预测方法,其特征在于,所述用户之间的关联矩阵如下所示:其中,m
ii
的值为1,m
ij
表示电力用户l
i
和l
j
之间的关联特征值,如果电力用户l
i
和l
j
之间的负荷相差5%以内,m
ij
=1,否则m
ij
=0。6.一种电力用户可调负荷预测...
【专利技术属性】
技术研发人员:梁洪浩,姜和芳,陈晓伟,刘涛,马越,
申请(专利权)人:深圳供电局有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。