本发明专利技术公开了一种居民用户聚合体参与需求响应行为预测方法和系统，包括：获取居民区供电配电变压器的额定容量、居民区环境气象数据、日期类型数据和电价数据；根据预设的居民用户聚合体参与需求响应行为预测网络模型，预测得到居民用户聚合体参与需求响应行为的类别；其中，所述预设的居民用户聚合体参与需求响应行为预测网络模型是将二维图像集传入DenseNet网络模型而训练获得的；所述二维图像集是第二数据集通过格拉姆角场变换方法而转换获得的；所述第二数据集包括居民区历史环境气象数据、历史日期类型数据、历史电价数据和居民用户聚合体参与需求响应行为的历史类别。本发明专利技术实现了更准确地预测居民用户聚合体参与需求响应的行为。
【技术实现步骤摘要】
本专利技术涉及电力系统需求响应领域，尤其涉及一种居民用户聚合体参与需求响应行为预测方法和系统。
技术介绍
1、电力系统需求响应是指电力市场价格明显升高(降低)或系统安全可靠性存在风险时，电力用户根据价格或激励措施，改变其用电行为，减少(增加)用电，从而促进电力供需平衡、保障电网稳定运行，保障电力迎峰度夏顺利进行，是需求侧管理的解决方案之一。随着售电侧电力市场改革推进，参与需求响应的用户数量日益增加，居民用户响应行为具有多样化的特点，不同用户的特性不一、响应能力差异大、多类型用户组合后还造成整体响应特性呈现高维、非线性、非凸的复杂特征。
2、现有针对居民用户参与需求响应行为预测的研究，主要采用基于物理模型或者函数的预测方法，这类方法可以反应用户弹性在电价信号下的用电特性，但是需要用户的用电设备的详细信息和用电习惯、用户的用电收益等涉及隐私的敏感参数，实际中应用中这类信息往往缺失或者错误，影响物理模型的精确度。因此需要一种不涉及居民个人隐私且能够准确居民参与需求响应行为的方法。
技术实现思路
1、本专利技术提供了一种居民用户聚合体参与需求响应行为预测方法和系统，实现了在保护居民用户个人隐私的基础上，更准确地预测居民用户聚合体参与需求响应的行为。
2、为了解决上述技术问题，本专利技术实施例提供了一种居民用户聚合体参与需求响应行为预测方法，包括：
3、获取居民区供电配电变压器的额定容量、居民区环境气象数据、日期类型数据和电价数据，得到第一数据集；
4、根据预设的居民用户聚合体参与需求响应行为预测网络模型，对所述第一数据集进行预测，得到居民用户聚合体参与需求响应行为的类别；
5、其中，所述预设的居民用户聚合体参与需求响应行为预测网络模型是将二维图像集传入densenet网络模型而训练获得的；所述二维图像集是第二数据集通过格拉姆角场变换方法而转换获得的；所述第二数据集包括居民区历史环境气象数据、历史日期类型数据、历史电价数据和居民用户聚合体参与需求响应行为的历史类别。
6、可以理解的是，相较于现有技术，本专利技术提供的方法选取居民区为对象进行聚合，保护了居民个体的隐私。同时，综合考虑环境因素、电价因素和日期类型因素对居民用户聚合体参与需求响应的影响，利用格拉姆角场矩阵将原始时序数据集变换为二维图像，再通过构建densenet网络模型进行训练，能够深度挖掘原始数据集中的居民用户聚合体需求响应行为与环境因素、电价因素、日期类型等关系，从而更准确地居民用户聚合体参与需求响应的行为，居民用户聚合体参与需求响应协助电网公司制定需求响应计划。
7、进一步地，所述预设的居民用户聚合体参与需求响应行为预测网络模型是将二维图像集传入densenet网络模型而训练获得的，具体包括：
8、根据预设的训练参数和损失函数，将所述二维图像集传入densenet网络模型，计算损失函数值；
9、根据每次迭代的所述损失函数值，更新所述densenet网络模型的参数，以使densenet网络模型的准确率达到预设准确率，得到预设的居民用户聚合体参与需求响应行为预测网络模型。
10、进一步地，所述densenet网络模型，依次包括：第一卷积层、第一池化层、densenet模块、第二池化层和线性输出层；其中，所述densenet模块包括两个过渡层和三个密集块，所述密集块之间由所述过渡层连接。
11、可以理解的是，本专利技术提供的方法针对居民参与需求响应行为，对densenet模型进行结构调整，减少了网络深度，在满足预测居民参与需求响应要求的同时，减轻训练负担，更高效地得到预测结果。
12、进一步地，所述二维图像集是第二数据集通过格拉姆角场变换方法而转换获得的，具体包括：
13、对所述第二数据集中每行数据进行归一化处理；
14、将归一化处理后的第二数据集中每行数据进行极坐标变换，得到所述每行数据中每个数据对应的角度和半径；
15、根据所述每行数据中每个数据对应的角度和半径，通过格拉姆转换公式，得到每行数据对应的格拉姆角场图，并将所述每个数据对应的格拉姆角场图放缩至预设的二维图像尺寸大小；
16、根据居民用户聚合体参与需求响应行为的历史类别，标注各所述格拉姆角场图，得到二维图像集。
17、可以理解的是，本专利技术提供的方法通过格拉姆矩阵变换技术将原始时序数据转换为二维图像。居民参与需求响应行为数据通常具有时序性，将时序数据应用于densenet模型需要进行数据转换和重塑，以适应模型的输入要求。同时，将原始时序数据转换成二维图像后传入后续的densenet网络模型可以提供更稳定的输入表示、更好地学习复杂模式、减少参数和计算需求，并能够借助计算机视觉领域的技术和算法来处理数据。这些优势有助于改善模型的性能和泛化能力。
18、进一步地，所述第二数据集包括居民区历史环境气象数据、历史日期类型数据、历史电价数据和居民用户聚合体参与需求响应行为的历史类别，具体为：
19、获取预设时间段内的日期类型、每小时的居民区历史环境气象数据、每小时的历史电价数据和居民用户聚合体参与需求响应后的历史负荷数据；其中，所述居民区历史环境气象数据包括气温、湿度、风速、降水量、云量和气压；
20、结合3σ准则，删除所述日期类型、居民区历史环境气象数据、历史电价数据和历史负荷数据中的缺失值和异常值；
21、将所述日期类型中的工作日转换为第一日期预设值，所述日期类型中的周六转换为第二日期预设值，所述日期类型中的周日转换为第三日期预设值，作为历史日期类型数据；
22、通过最大最小值归一化，对所述居民区历史环境气象数据和历史电价数据进行归一化处理；
23、根据居民区供电配电变压器的额定容量，确定所述历史负荷数据对应的居民用户聚合体参与需求响应行为的历史类别；
24、将所述居民区历史环境气象数据、所述历史日期类型数据、所述历史电价数据和所述居民用户聚合体参与需求响应行为的历史类别，作为第二数据集。
25、可以理解的是，本专利技术提供的方法通过数据补缺、3σ准则异常值检测、数据归一化和数据标注，对获取到的居民区数据进行预处理，从而保证输入数据的有效性，提高后续预测工作的准确性。
26、进一步地，所述根据居民区供电配电变压器的额定容量，确定所述历史负荷数据对应的居民用户聚合体参与需求响应行为的历史类别，具体包括：
27、根据所述居民区供电配电变压器的额定容量，确定预设的负荷指标；其中，所述预设的负荷指标包括第一负荷指标、第二负荷指标、第三负荷指标、第四负荷指标；
28、当所述历史负荷数据大于所述第一负荷指标，确定居民用户聚合体参与需求响应行为的历史类别为第一类行为；
29、当所述历史负荷数据小于所述第一负荷指标且大于等于所述第二负荷指标，确定居民用户聚合体参与需求响应行为的历史类别为第二类行为；...
【技术保护点】
1.一种居民用户聚合体参与需求响应行为预测方法，其特征在于，包括：
2.如权利要求1所述的居民用户聚合体参与需求响应行为预测方法，其特征在于，所述预设的居民用户聚合体参与需求响应行为预测网络模型是将二维图像集传入DenseNet网络模型而训练获得的，具体包括：
3.如权利要求1所述的居民用户聚合体参与需求响应行为预测方法，其特征在于，所述DenseNet网络模型，依次包括：第一卷积层、第一池化层、DenseNet模块、第二池化层和线性输出层；其中，所述DenseNet模块包括两个过渡层和三个密集块，所述密集块之间由所述过渡层连接。
4.如权利要求1所述的居民用户聚合体参与需求响应行为预测方法，其特征在于，所述二维图像集是第二数据集通过格拉姆角场变换方法而转换获得的，具体包括：
5.如权利要求1所述的居民用户聚合体参与需求响应行为预测方法，其特征在于，所述第二数据集包括居民区历史环境气象数据、历史日期类型数据、历史电价数据和居民用户聚合体参与需求响应行为的历史类别，具体为：
6.如权利要求5所述的居民用户聚合体参与需求响应行为预测方法，其特征在于，所述根据居民区供电配电变压器的额定容量，确定所述历史负荷数据对应的居民用户聚合体参与需求响应行为的历史类别，具体包括：
7.一种居民用户聚合体参与需求响应行为预测系统，其特征在于，包括：
8.如权利要求7所述的居民用户聚合体参与需求响应行为预测系统，其特征在于，所述预设的居民用户聚合体参与需求响应行为预测网络模型是将二维图像集传入DenseNet网络模型而训练获得的，具体包括：
9.如权利要求7所述的居民用户聚合体参与需求响应行为预测系统，其特征在于，所述DenseNet网络模型，依次包括：第一卷积层、第一池化层、DenseNet模块、第二池化层和线性输出层；其中，所述DenseNet模块包括两个过渡层和三个密集块，所述密集块之间由所述过渡层连接。
10.如权利要求7所述的居民用户聚合体参与需求响应行为预测系统，其特征在于，所述二维图像集是第二数据集通过格拉姆角场变换方法而转换获得的，具体包括：
11.如权利要求7所述的居民用户聚合体参与需求响应行为预测系统，其特征在于，所述第二数据集包括历史环境气象数据、历史日期类型数据、历史电价数据和居民用户聚合体参与需求响应行为的历史类别，具体为：
12.如权利要求11所述的居民用户聚合体参与需求响应行为预测系统，其特征在于，所述行为类别标注子模块，具体包括：
...
【技术特征摘要】
1.一种居民用户聚合体参与需求响应行为预测方法，其特征在于，包括：
2.如权利要求1所述的居民用户聚合体参与需求响应行为预测方法，其特征在于，所述预设的居民用户聚合体参与需求响应行为预测网络模型是将二维图像集传入densenet网络模型而训练获得的，具体包括：
3.如权利要求1所述的居民用户聚合体参与需求响应行为预测方法，其特征在于，所述densenet网络模型，依次包括：第一卷积层、第一池化层、densenet模块、第二池化层和线性输出层；其中，所述densenet模块包括两个过渡层和三个密集块，所述密集块之间由所述过渡层连接。
4.如权利要求1所述的居民用户聚合体参与需求响应行为预测方法，其特征在于，所述二维图像集是第二数据集通过格拉姆角场变换方法而转换获得的，具体包括：
5.如权利要求1所述的居民用户聚合体参与需求响应行为预测方法，其特征在于，所述第二数据集包括居民区历史环境气象数据、历史日期类型数据、历史电价数据和居民用户聚合体参与需求响应行为的历史类别，具体为：
6.如权利要求5所述的居民用户聚合体参与需求响应行为预测方法，其特征在于，所述根据居民区供电配电变压器的额定容量，确定所述历史负荷数据对应的居民用户聚合体参与...
【专利技术属性】
技术研发人员：董锴，刘佳乐，孟子杰，喻振帆，周巍，蔡新雷，李超，程章颖，郝文焕，黎可，
申请(专利权)人：广东电网有限责任公司，
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。