一种面向工业负荷需求响应可调节潜力的预测方法与流程

本发明专利设计一种面向工业负荷需求响应可调节潜力的预测方法。

背景技术：

0、技术背景

1、大量清洁的可再生能源投入使用，可减少碳排放，然而可再生能源的产出具有间歇性，为使可再生能源供电与电力需求相匹配，挖掘用电用户的可调节潜力，可支撑需求侧进行新能源消纳，能够保持电网的稳定。

2、负荷预测能够提高新型电力系统新能源消纳可靠性。由于电力系统的现代化，负荷预测的应用在当今的需求响应背景下变得更为重要。需求响应对新能源消纳的优势，也依赖负荷预测技术分析需求以及调节潜力。短期负荷预测已有一定的研究基础，然而，由于单变量时间序列历史负荷数据的非线性特征，基于机器学习的预测方法被广泛使用，其中长短期记忆(lstm)网络，已广泛用于短期负荷需求和功率波动预测任务等场景。但是单向lstm网络预测方法，由于其只使用单向存储器，部分隐藏层数据可能缺失，为提高预测准确率可通过使用的双向lstm网络预测方法通过两个定向存储器(前馈和反馈回路)使用以前和将来的隐藏层数据。通过这种方式，所提出的预测方法可以有效地提取所有隐藏层特征，提高预测准确率。

技术实现思路

1、本发明属于需求侧用户可调节潜力分析的技术领域，具体涉及一种面向工业负荷需求响应调节潜力的预测方法，用于支撑电网开展基于工业用户的大规模可再生能源消纳。随着国家能源战略的实施，可再生能源面临更大规模开发的历史机遇，同时各地也已开始出现一定程度的限电问题。工业高耗能负荷占比较大，且受季节性变化具有一定波动性，可作为新能源消纳对象分析其可调节潜力，因此，本专利考虑单变量时间序列历史负荷数据的非线性特征，采用lstm改进双向网络算法结合不同工业典型用电设备用电特性，通过历史数据分析以及量化新能源消纳可调节指标，针对工业可调节潜力分析场景的同时满足新能源消纳需求，能够障电力供需平衡，并且提高电力系统运行可靠性。

技术特征：

1.一种面向工业负荷需求响应可调节潜力的预测方法，所述方法包含：

2.根据权利要求1所述的方案，预测模型输入包括工业典型佛工厂历史用电数据、分工业主要用电设备用电特性，可以扩展为同一类工业用户负荷的预测因子。

3.根据权利要求1所述的方案，进行新能源消纳需求侧调节的指标，主要描述为基于历史合约需求响应调节最大容量下，结合实际工业用电情况与新能源消纳需求所满足的约束条件。

4.根据权利要求1所述的方案，所述通过迭代算法优化双向lstm网络参数提高准确率，包括在训练阶段，将训练数据分成若干个相等的子集，并对预测精度参数进行交叉验证，直到通过收敛测试。

技术总结
本发明属于电力需求响应短期负荷预测的技术领域，具体涉及一种面向工业负荷需求响应调节潜力的基于双向长短期记忆(LSTM)网络预测方法过程的预测方法，用于支撑电网开展工业可再生能源消纳。负荷预测对于平衡电力供需以及新能源消纳至关重要。目前大多数基于机器学习的负荷预测都属于单向LSTM网络，预测准确率以及精度都有所局限，因此，本专利通过双向LSTM网络来改进负荷预测方法。面向工业负荷预测场景考虑工业用电设备及生产工艺流程，基于历史用电数据预测不同工业生产典型工厂可调节潜力。在考虑区域新能源消纳的前提下提高方法的普适性以及预测准确率，实现可调节负荷资源的价值挖掘。

技术研发人员：刘飞,张桂红,张祥成,王世斌,刘庆彪,刘联涛,李积泰,白左霞,张君,车琰瑛,彭飞,范瑞铭,刘安誉,魏吟娬,王京菊,白雪峰,李彬
受保护的技术使用者：国网青海省电力公司经济技术研究院
技术研发日：
技术公布日：2024/1/13