System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【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;
...【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
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。