CN115358476A - 需求响应潜力预测方法、装置、计算机设备和存储介质 - Google Patents
需求响应潜力预测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN115358476A CN115358476A CN202211042308.3A CN202211042308A CN115358476A CN 115358476 A CN115358476 A CN 115358476A CN 202211042308 A CN202211042308 A CN 202211042308A CN 115358476 A CN115358476 A CN 115358476A
- Authority
- CN
- China
- Prior art keywords
- coefficient
- power consumption
- electricity
- predicted
- time period
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000004044 response Effects 0.000 title claims abstract description 139
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 230000005611 electricity Effects 0.000 claims abstract description 346
- 238000009826 distribution Methods 0.000 claims abstract description 109
- 239000011159 matrix material Substances 0.000 claims abstract description 63
- 238000004590 computer program Methods 0.000 claims abstract description 23
- 230000006870 function Effects 0.000 claims description 41
- 238000004519 manufacturing process Methods 0.000 claims description 33
- 230000006399 behavior Effects 0.000 claims description 13
- 230000005484 gravity Effects 0.000 claims description 9
- 230000008901 benefit Effects 0.000 abstract description 5
- 230000008859 change Effects 0.000 description 13
- 238000012546 transfer Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 8
- 230000009467 reduction Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000010248 power generation Methods 0.000 description 7
- 230000035945 sensitivity Effects 0.000 description 6
- 239000002184 metal Substances 0.000 description 5
- 229910052751 metal Inorganic materials 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 239000004753 textile Substances 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000000638 solvent extraction Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- RZVAJINKPMORJF-UHFFFAOYSA-N Acetaminophen Chemical compound CC(=O)NC1=CC=C(O)C=C1 RZVAJINKPMORJF-UHFFFAOYSA-N 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computational Linguistics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种需求响应潜力预测方法、装置、计算机设备、存储介质和计算机程序产品。通过检测需求响应潜力预测请求,从电力数据库中获取待预测对象的单位度电产值、负荷峰谷分布系数和负荷可中断系数,并根据上述各个系数分别对应的等级查询预设规则表,根据得到的自弹性系数和互弹性系数确定弹性系数矩阵,根据弹性系数矩阵、待预测对象在预设时间段内的原始用电需求量、原始用电代价、更新后用电代价以及用电时段数量,确定待预测对象在预设时间段内响应于更新后用电代价的新用电需求量。相较于传统的通过物理建模方式进行预测,本方案通过基于单位度电产值、峰谷负荷系数、负荷可中断系数和弹性系数矩阵预测需求响应潜力,降低了预测复杂度。
Description
技术领域
本申请涉及电力技术领域,特别是涉及一种需求响应潜力预测方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着电力***中可再生能源发电占比的不断提升,电网面临着时段性调峰能力不足的问题,需进一步挖掘调峰潜力,提升***的调节能力,促进电力的供需平衡。需求响应在电力行业中是一种高效的负荷管理手段,通过在用电高峰期间适当提高电价或者给予用户激励奖励,在用电低谷期间降低电价的方式引导用户错峰用电,达到削峰填谷的目的。通过需求响应的方法能够实现高峰时段的电力负荷削减和转移,有效消纳分布式发电,减小电网运行的成本。评估需求响应潜力是科学制定需求侧管理手段、评估需求响应效益的基础,能够帮助电力企业、负荷管理商明确需求响应资源的预期规模、来源,从而帮助制定需求响应发展的目标和战略。目前预测需求响应潜力的方式通常为对不同用电设备进行物理建模后评估需求响应潜力。然而,通过物理建模方式预测需求响应潜力,由于建模过程复杂,会导致预测的复杂度升高。
因此,目前的需求响应潜力预测方法存在复杂度高的缺陷。
发明内容
基于此,有必要针对上述技术问题,提供一种能够降低预测复杂度的需求响应潜力预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种需求响应潜力预测方法,所述方法包括:
响应于需求响应潜力预测请求,从电力数据库中查询并获取待预测对象对应的单位度电产值、负荷峰谷分布系数和负荷可中断系数;所述单位度电产值表征用电代价对所述待预测对象的用电量的影响;所述负荷峰谷分布系数表征待预测对象用电量的用电时段分布特性;所述负荷可中断系数表征中断用电对所述待预测对象生产的影响程度;
根据所述单位度电产值对应的等级、所述负荷峰谷分布系数对应的等级和所述负荷可中断系数对应的等级查询预设规则表,得到对应的自弹性系数和互弹性系数;所述预设规则表包括所述单位度电产值对应的等级、所述负荷峰谷分布系数对应的等级和所述负荷可中断系数对应的等级与所述自弹性系数以及互弹性系数的对应关系;所述自弹性系数表征所述待预测对象每个时间段的用电量与当前时间段的用电代价变化量的对应关系;所述互弹性系数表征所述待预测对象每个时间段的用电量与其他时间段的用电代价变化量的对应关系;
根据所述自弹性系数和所述互弹性系数确定弹性系数矩阵,并根据所述弹性系数矩阵、所述待预测对象在预设时间段内的原始用电需求量、所述待预测对象在预设时间段内的原始用电代价、所述待预测对象在预设时间段内对应的更新后的用电代价以及用电时段数量,确定所述待预测对象在预设时间段内响应于所述更新后的用电代价的新用电需求量;
根据所述新用电需求量和所述原始用电需求量的差值,确定所述待预测对象的需求响应潜力。
在其中一个实施例中,所述获取待预测对象对应的单位度电产值、负荷峰谷分布系数和负荷可中断系数,包括:
获取待预测对象的历史时间段内的年产值增加量和年用电量,以及获取所述待预测对象预设时间段内的总用电量,所述预设时间段包括用电峰时段、用电谷时段和用电平时段;
根据所述历史时间段内年产值增加量和年用电量,确定所述待预测对象的单位度电产值;
获取所述预设时段内的总用电量中用电峰时段的第一用电量、用电谷时段的第二用电量以及用电峰时段、用电谷时段和用电平时段的用电量数据点数,并根据所述第一用电量、第二用电量和所述用电量数据点数获取负荷峰谷分布系数;
根据所述待预测对象的用电行为,确定所述待预测对象对应的负荷可中断系数。
在其中一个实施例中,所述获取所述预设时间段内的总用电量中用电峰时段的第一用电量,用电谷时段的第二用电量以及用电峰时段、用电谷时段和用电平时段的用电量数据点数之前,还包括:
获取所述待预测对象所在的地区,根据所述地区对应的用电代价策略,确定所述预设时间段中用电峰时段、用电谷时段和用电平时段的划分策略;
根据所述划分策略确定所述预设时间段内的用电峰时段、用电谷时段和用电平时段。
在其中一个实施例中,所述根据所述地区对应的用电代价策略,确定所述预设时间段中用电峰时段、用电谷时段和用电平时段的划分策略,包括:
若所述用电代价策略为分时电价策略,根据所述分时电价策略确定所述预设时间段中用电峰时段、用电谷时段和用电平时段的划分策略;
若所述用电代价策略不为分时电价策略,根据典型日用电量曲线确定所述预设时间段中的用电峰时段、用电谷时段和用电平时段的划分策略。
在其中一个实施例中,所述根据所述单位度电产值对应的等级、所述负荷峰谷分布系数对应的等级和所述负荷可中断系数对应的等级查询预设规则表,得到对应的自弹性系数和互弹性系数,包括:
将所述单位度电产值输入第一隶属函数,得到所述第一隶属函数输出的所述单位度电产值对应的多个单位度电产值等级的多个第一概率;
将所述负荷峰谷分布系数输入第二隶属函数,得到所述第二隶属函数输出的所述负荷峰谷分布系数对应的多个负荷峰谷分布系数等级的多个第二概率;
将所述负荷可中断系数输入第三隶属函数,得到所述第三隶属函数输出的所述负荷可中断系数对应的多个负荷可中断系数等级的多个第三概率;
根据所述多个单位度电产值等级以及对应的多个第一概率、所述多个负荷峰谷分布系数等级以及对应的多个第二概率和所述多个负荷可中断系数等级以及对应的多个第三概率查询预设规则表,得到每组单位度电产值等级、负荷峰谷分布系数等级以及负荷可中断系数等级条件下的多个自弹性系数等级的多个第四概率和多个互弹性系数等级的多个第五概率;
对所述多个第四概率和所述多个第五概率分别进行逻辑与运算,确定所述待预测对象对应的概率最大的至少一个目标第四概率对应的至少一个目标自弹性系数等级,以及确定所述待预测对象对应的概率最大的至少一个目标第五概率对应的至少一个目标互弹性系数等级;
根据重心法分别对所述至少一个目标自弹性系数等级和至少一个目标互弹性系数等级进行反模糊化,得到所述待预测对象的自弹性系数和互弹性系数。
在其中一个实施例中,所述根据所述自弹性系数和所述互弹性系数确定弹性系数矩阵,并根据所述弹性系数矩阵、所述待预测对象在预设时间段内的原始用电需求量、所述待预测对象在预设时间段内的原始用电代价、所述待预测对象在预设时间段内对应的更新后的用电代价以及用电时段数量,确定所述待预测对象在预设时间段内响应于所述更新后的用电代价的新用电需求量,包括:
根据所述自弹性系数,确定所述预设时间段内用电谷时段和用电谷时段间的第一系数、用电平时段和用电平时段间的第二系数以及用电峰时段与用电峰时段间的第三系数;
根据所述互弹性系数,确定所述预设时间段内用电峰时段与用电谷时段间的第四系数、用电峰时段和用电平时段间的第五系数以及用电平时段和用电谷时段间的第六系数;
根据所述第一系数、第二系数、第三系数、第四系数、第五系数和第六系数,得到所述弹性系数矩阵;
获取所述弹性系数矩阵、所述原始用电需求量、所述原始用电代价与所述更新后的用电代价的差值得到的用电代价变化量和所述原始用电代价的比值的乘积,并根据所述乘积与所述用电时段数量的比值,确定所述待预测对象在预设时间段内响应于所述更新后的用电代价的新用电负荷变化量,再将该负荷变化量加上原始用电需求量就能够得到更新后的用电需求量。
第二方面,本申请提供了一种需求响应潜力预测装置,所述装置包括:
响应模块,用于响应于需求响应潜力预测请求,从电力数据库中查询并获取待预测对象对应的单位度电产值、负荷峰谷分布系数和负荷可中断系数;所述单位度电产值表征用电代价对所述待预测对象的用电量的影响;所述负荷峰谷分布系数表征待预测对象用电量的用电时段分布特性;所述负荷可中断系数表征中断用电对所述待预测对象生产的影响程度;
查询模块,用于根据所述单位度电产值对应的等级、所述负荷峰谷分布系数对应的等级和所述负荷可中断系数对应的等级查询预设规则表,得到对应的自弹性系数和互弹性系数;所述预设规则表包括所述单位度电产值对应的等级、所述负荷峰谷分布系数对应的等级和所述负荷可中断系数对应的等级与所述自弹性系数以及互弹性系数的对应关系;所述自弹性系数表征所述待预测对象每个时间段的用电量与当前时间段的用电代价变化量的对应关系;所述互弹性系数表征所述待预测对象每个时间段的用电量与其他时间段的用电代价变化量的对应关系;
确定模块,用于根据所述自弹性系数和所述互弹性系数确定弹性系数矩阵,并根据所述弹性系数矩阵、所述待预测对象在预设时间段内的原始用电需求量、所述待预测对象在预设时间段内的原始用电代价、所述待预测对象在预设时间段内对应的更新后的用电代价以及用电时段数量,确定所述待预测对象在预设时间段内响应于所述更新后的用电代价的新用电需求量;
预测模块,用于根据所述新用电需求量和所述原始用电需求量的差值,确定所述待预测对象的需求响应潜力。
第三方面,本申请提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述的方法的步骤。
第四方面,本申请提供了一种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上述的方法的步骤。
第五方面,本申请提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述的方法的步骤。
上述需求响应潜力预测方法、装置、计算机设备、存储介质和计算机程序产品,通过在检测到需求响应潜力预测请求时,从电力数据库中获取待预测对象的单位度电产值、负荷峰谷分布系数和负荷可中断系数,并根据单位度电产值对应的等级、负荷峰谷分布系数对应的等级和负荷可中断系数对应的等级查询预设规则表,得到对应的自弹性系数和互弹性系数,并根据自弹性系数和互弹性系数确定弹性系数矩阵,并根据弹性系数矩阵、待预测对象在预设时间段内的原始用电需求量、待预测对象在预设时间段内的原始用电代价、待预测对象在预设时间段内对应的更新后的用电代价以及用电时段数量,确定待预测对象在预设时间段内响应于更新后的用电代价的新用电需求量。相较于传统的通过物理建模方式进行预测,本方案通过基于单位度电产值、峰谷负荷系数、负荷可中断系数和弹性系数矩阵预测需求响应潜力,降低了预测复杂度。
附图说明
图1为一个实施例中需求响应潜力预测方法的应用环境图;
图2为一个实施例中需求响应潜力预测方法的流程示意图;
图3为另一个实施例中需求响应潜力预测方法的流程示意图;
图4为一个实施例中需求响应潜力预测步骤的界面示意图;
图5为一个实施例中需求响应潜力预测步骤的界面示意图;
图6为一个实施例中需求响应潜力预测装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的需求响应潜力预测方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储***可以存储服务器104需要处理的数据。数据存储***可以集成在服务器104上,也可以放在云上或其他网络服务器上。终端102可以在接收到需求响应潜力预测请求时,从服务器104的数据库中获取带预测对象对应的单位度电产值、负荷峰谷分布系数和负荷可中断系数,从而终端102可以基于这些系数确定对应的弹性系数矩阵,进而得到带预测对象的需求响应潜力。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种需求响应潜力预测方法,以该方法应用于图1中的终端为例进行说明,包括以下步骤:
步骤S202,响应于需求响应潜力预测请求,从电力数据库中查询并获取待预测对象对应的单位度电产值、负荷峰谷分布系数和负荷可中断系数;单位度电产值表征用电代价对待预测对象的用电量影响;负荷峰谷分布系数表征用电时段分布对待预测对象的用电量影响;负荷可中断系数表征中断用电对待预测对象生产的影响程度。
其中,需求响应是电力需求响应的简称,是指电力用户接收到供电方发出的诱导性减少负荷的直接补偿通知或者用电代价上升信号后,改变其固有的习惯用电模式,达到减少或者推移某时段的用电负荷的短期行为。需求响应潜力指的是用户参与需求响应计划调整负荷的能力,其中包括增加负荷和削减负荷两种调整方向。待预测对象可以是需要进行需求响应潜力预测的对象,例如金属制造厂和纺织厂等工业用户。终端可以对待预测对象进行需求响应潜力的预测。该预测可以通过指令触发进行,终端可以在检测到用户触发的需求响应潜力预测请求时,从电力数据库中查询并获取待预测对象对应的单位度电产值、负荷峰谷分布系数和负荷可中断系数;其中,单位度电产值表征用电代价对待预测对象的用电量的影响;负荷峰谷分布系数表征用电时段分布对待预测对象的用电量影响;负荷可中断系数表征中断用电对待预测对象的影响程度。上述单位度电产值可以根据待预测对象的年产值增加量和年用电量计算得到;上述负荷峰谷分布系数可以根据待预测对象对应的在峰谷时段的用电量得到;上述负荷可中断系数可以根据待预测对象的用电行为得到。
具体地,上述终端的显示设备中可以设置有需求响应潜力预测的启动按钮,用户可以在终端的显示设备中点击该启动按钮,从而终端可以接收需求响应潜力预测请求,并查询电力数据库,获取待预测对象对应的信息。基于价格的需求响应是指随着电价的动态变化,电力用户调整用电行为和需求,以达到削减用电支出的作用。价格型的需求响应主要包括分时电价和尖峰电价。分时电价方案是指按***运行状况,将一天24小时划分为若干个时段,每个时段按不同收费标准收取电费来改变用户的用电行为。
步骤S204,根据单位度电产值对应的等级、负荷峰谷分布系数对应的等级和负荷可中断系数对应的等级查询预设规则表,得到对应的自弹性系数和互弹性系数;预设规则表包括单位度电产值对应的等级、负荷峰谷分布系数对应的等级和负荷可中断系数对应的等级与自弹性系数以及互弹性系数的对应关系;自弹性系数表征待预测对象每个时间段的用电量与当前时间段的用电代价变化量的对应关系;互弹性系数表征待预测对象每个时间段的用电量与其他时间段的用电代价变化量的对应关系。
其中,终端获取上述单位度电产值、负荷峰谷分布系数和负荷可中断系数后,可以分别获取上述单位度电产值、负荷峰谷分布系数和负荷可中断系数的等级,得到单位度电产值对应的等级、负荷峰谷分布系数对应的等级和负荷可中断系数对应的等级。其中,上述等级可以有多个等级,以单位度电产值为例,其对应的等级可以是低、中、高三个等级;各个等级可以通过将上述单位度电产值、负荷峰谷分布系数和负荷可中断系数分别输入各自对应的隶属函数后,基于隶属函数输出的属于每个等级的概率值确定。终端在获取上述单位度电产值对应的等级、负荷峰谷分布系数对应的等级和负荷可中断系数对应的等级后,可以基于各个等级查询预设规则表,得到对应的自弹性系数和互弹性系数。其中,上述预设规则表中包括单位度电产值对应的等级、负荷峰谷分布系数对应的等级和负荷可中断系数对应的等级与自弹性系数以及互弹性系数的对应关系。上述自弹性系数表征待预测对象每个时间段的用电量与当前时间段的用电代价变化量的对应关系;上述互弹性系数表征待预测对象每个时间段的用电量与其他时间段的用电代价变化量的对应关系。
具体地,终端可以将上述单位度电产值对应的多个等级、负荷峰谷分布系数对应的多个等级和负荷可中断系数对应的多个等级进行组合,得到多种等级条件,每种等级条件中包括一个单位度电产值对应的等级、负荷峰谷分布系数对应的等级和负荷可中断系数对应的等级,并确定每种等级条件下对应的自弹性系数等级和互弹性系数等级,形成预设规则表。从而终端可以通过上述待预测对象的单位度电产值对应的等级、负荷峰谷分布系数对应的等级和负荷可中断系数对应的等级形成等级条件,查询预设规则表,得到对应的自弹性系数等级和互弹性系数等级,终端可以通过重心法对自弹性系数等级和互弹性系数等级进行转换,从而得到待预测对象对应的自弹性系数和互弹性系数。
步骤S206,根据自弹性系数和互弹性系数确定弹性系数矩阵,并根据弹性系数矩阵、待预测对象在预设时间段内的原始用电需求量、待预测对象在预设时间段内的原始用电代价、待预测对象在预设时间段内对应的更新后的用电代价以及用电时段数量,确定待预测对象在预设时间段内响应于更新后的用电代价的新用电需求量。
其中,终端获取到上述自弹性系数和互弹性系数后,可以根据自弹性系数和互弹性系数确定弹性系数矩阵。其中,上述自弹性系数和互弹性系数表征的是用电时段的价格变化量对用电需求的影响,包括用电时段价格变化对本时段的用电需求影响和用电价格变化对其他时段的用电需求影响等。终端可以根据上述自弹性系数和互弹性系数确定弹性系数矩阵中的各个时段对比的数值,包括用电谷时段、用电平时段和用电峰时段各自之间的对比,从而形成弹性系数矩阵。
终端得到上述弹性系数矩阵后,可以根据弹性系数矩阵、待预测对象在预设时间段内的原始用电需求量、待预测对象在预设时间段内的原始用电代价、待预测对象在预设时间段内对应的更新后的用电代价以及用电时段数量,确定待预测对象在预设时间段内响应于更新后的用电代价的新用电需求量。例如,终端基于上述原始用电需求量用电代价确定待预测对象在预设时间段内的用电曲线,并基于待预测对象的更新后的用电代价和用电时段数量,确定待预测对象在预设时间段内响应更新后的用电代价的新用电需求量的用电曲线。上述原始用电代价可以是某一时刻未采用分时电价计算时的用电代价,上述更新后的用电代价可以是某一时刻采用分时电价计算时的用电代价。上述用电时段数量可以是采用分时电价后一天中包含的需要调整电价的时间段的数量。上述原始用电需求量可以是待预测对象未响应用电代价的变化对用电量做出调整时的负荷量。新用电需求量可以是待预测对象响应用电代价的变化,对用电量做出调整时的负荷量。
步骤S208,根据新用电需求量和原始用电需求量的差值,确定待预测对象的需求响应潜力。
其中,上述预设时间段可以是一天24小时的时间段,新用电需求量可以包括一天中各个时刻的新用电需求量,原始用电需求量可以包括一天中各个时刻的原始用电需求量,则终端可以根据各个时刻的原始用电需求量和各个时刻的新用电需求量,分别形成原始用电曲线和新的用电曲线,终端可以根据上述新用电需求量和原始用电需求量的差值,确定待预测对象的需求响应潜力。例如,终端可以通过上述原始用电曲线和新的用电曲线的比较,确定用电需求量差值,并基于用电需求量的差值确定待预测对象的需求响应潜力。例如,当用电需求量差值越大,说明待预测对象需求响应潜力越大。终端也可以通过价格型需求响应的潜力预测模型,对待预测对象的需求资源进行潜力预测。上述价格型需求响应的潜力预测模型根据上述弹性系数矩阵、待预测对象在预设时间段内的原始用电需求量、待预测对象在预设时间段内的原始用电代价、待预测对象在预设时间段内对应的更新后的用电代价以及用电时段数量构建得到。从而终端可以得到待预测对象基于用电代价变化的需求响应潜力。
上述需求响应潜力预测方法中,通过在检测到需求响应潜力预测请求时,从电力数据库中获取待预测对象的单位度电产值、负荷峰谷分布系数和负荷可中断系数,并根据单位度电产值对应的等级、负荷峰谷分布系数对应的等级和负荷可中断系数对应的等级查询预设规则表,得到对应的自弹性系数和互弹性系数,并根据自弹性系数和互弹性系数确定弹性系数矩阵,并根据弹性系数矩阵、待预测对象在预设时间段内的原始用电需求量、待预测对象在预设时间段内的原始用电代价、待预测对象在预设时间段内对应的更新后的用电代价以及用电时段数量,确定待预测对象在预设时间段内响应于更新后的用电代价的新用电需求量。相较于传统的通过物理建模方式进行预测,本方案通过基于单位度电产值、峰谷负荷系数、负荷可中断系数和弹性系数矩阵预测需求响应潜力,降低了预测复杂度。
在一个实施例中,获取待预测对象对应的单位度电产值、负荷峰谷分布系数和负荷可中断系数,包括:获取待预测对象的历史时间段内的年产值增加量和年用电量;以及获取待预测对象预设时间段内的总用电量,预设时间段包括用电峰时段、用电谷时段和用电平时段;根据历史时段的年产值增加量和年用电量,确定待预测对象的单位度电产值;获取预设时间段内的总用电量中用电峰时段的第一用电量、用电谷时段的第二用电量以及用电峰时段、用电谷时段和用电平时段的用电量数据点数,并根据第一用电量、第二用电量和用电量数据点数获取负荷峰谷分布系数;根据待预测对象的用电行为,确定待预测对象对应的负荷可中断系数。
本实施例中,终端可以通过不同计算方式分别获取上述待预测对象的单位度电产值、负荷峰谷分布系数和负荷可中断系数。对于单位度电产值,终端可以获取待预测对象的历史时间段内的年产值增加量和年用电量。其中,预设时间段内包括用电峰时段、用电谷时段和用电平时段,用电峰时段、用电谷时段和用电平时段的划分策略可以基于用电代价策略的不同而不同,例如,在一个实施例中,获取预设时间段内的总用电量中用电峰时段的第一用电量,用电谷时段的第二用电量以及用电峰时段、用电谷时段和用电平时段的用电量数据点数之前,还包括:获取待预测对象所在的地区,根据地区对应的用电代价策略,确定预设时间段中用电峰时段、用电谷时段和用电平时段的划分策略;根据划分策略确定预设时间段内的用电峰时段、用电谷时段和用电平时段。本实施例中,终端可以检测待预测对象所在地区,并获取该地区对应的用电代价策略,其中用电代价可以是电力价格,终端可以根据地区的用电代价策略确定预设时间段中用电峰时段、用电谷时段和用电平时段的划分策略,并根据该划分策略确定预设时间段内的用电峰时段、用电谷时段和用电平时段的划分策略。
其中,用电代价策略的判断具体可以是终端对地区是否有分时电价策略的判断。例如,在一个实施例中,根据地区对应的用电代价策略,确定预设时间段中用电峰时段、用电谷时段和用电平时段的划分策略,包括:若用电代价策略为分时电价策略,根据分时电价策略确定预设时间段中用电峰时段、用电谷时段和用电平时段的划分策略;若用电代价策略不为分时电价策略,根据典型日用电量曲线确定预设时间段中的用电峰时段、用电谷时段和用电平时段的划分策略。本实施例中,终端可以判断上述待预测对象所在地区是否有分时电价策略,若待预测对象所在地区的用电代价策略为分时电价策略,则终端可以根据分时电价策略确定预设时间段中用电峰时段、用电谷时段和用电平时段的划分策略,即划分策略与分时电价策略的分时方式有关;若上述用电代价策略不为分时电价策略,则终端可以根据电力行业典型日用电量曲线确定上述预设时间段中的用电峰时段、用电谷时段和用电平时段的划分策略,即划分策略和典型日的用电量变化有关。
终端可以获取上述目标原始待预测对象历史时间段内的年产值增加量和年用电量;以及获取待预测对象预设时间段内的总用电量,预设时间段包括用电峰时段、用电谷时段和用电平时段以及各个时段的分布情况。
终端获取待预测对象的预设时间段内的产值增加量和总用电量时,需要首先确定待预测对象。例如,在一个实施例中,获取待预测对象的预设时间段内的产值增加量和总用电量,包括:获取多个原始待预测对象,并获取每个原始待预测对象在预设时间段内的原始产值增加量和原始总用电量;根据原始总用电量对多个原始待预测对象进行降序排序,获取名次小于预设名次阈值的目标原始待预测对象,作为待预测对象,并获取目标原始待预测对象对应的原始产值增加量和原始总用电量,作为待预测对象的产值增加量和总用电量。本实施例中,终端可以通过条件筛选方式确定出待预测对象,终端可以获取多个原始待预测对象,并获取每个原始待预测对象在预设时间段内的原始产值增加量和原始总用电量,终端可以基于原始总用电量对多个原始待预测对象进行降序排序,获取名次小于预设名次阈值的目标原始待预测对象,作为参与需求响应潜力预测的待预测对象。终端可以获取上述目标原始待预测对象对应的原始产值增加量和原始总用电量,作为待预测对象的产值增加量和总用电量。
具体地,终端可以根据电力用户的行业进行分类,收集预设区域内各个行业最大负荷日的电力负荷数据,用96个点表示,即在一天内每15分钟取一个点,其中上述获取数据的时间间隔可以根据实际需要确定。并且终端还可以获取各个行业的年负荷数据以及相关的经济统计数据,终端还可以获取不同地区对价格弹性系数矩阵的测算范围。
终端获取待预测对象的历史时间段的年产值增加量和年用电量后,可以根据年产值增加量和总用电量,确定待预测对象的单位度电产值。具体地,上述单位用电产值计算公式可以如下所示:
其中,α为单位度电产值,Pgdp为待预测对象历史时间段内的年产值增加量,Ql为待预测对象在历史时间段内的年用电量。单位度电产值α用于判断该行业生产对用电代价的敏感程度,当行业的单位度电产值α较低时,认为该行业电价敏感度较高,即电价的波动对该行业的成本、收益有较大影响,进而影响该行业的用电模式,则该行业的需求响应潜力较大。当行业的单位度电产值α较高时,认为该行业电价敏感度较低,该行业的需求响应潜力较小。
对于负荷峰谷分布系数,终端可以获取预设时间段内用电峰时段的第一用电量、用电谷时段的第二用电量以及峰时段和谷时段的用电量数据点数,并根据第一用电量和第二用电量以及用电量数据点数确定负荷峰谷分布系数。其中,用电量数据点数可以是上述预设时间段中按照预设时间间隔设置的时间点,具体地,预设时间段可以是一天的时间,终端可以按照每十五分钟为间隔设置一个用电量数据点,则一天中会包含96个用电量数据点数,并且用电峰时段、用电谷时段和用电平时段具有相应的用电量数据点数。待预测对象可以是在预设区域中,终端对上述预设区域可以采用分时电价方案。终端可以根据上述分时电价方案或预设区域内最大负荷日的负荷分布情况,将预设时间段内,例如一天内的时间划分为用电峰时段、用电谷时段和用电平时段三个时间段,高电价时段对应为用电峰时段,平电价时段对应为用电平时段,低电价时段对应为用电谷时段。上述负荷峰谷分布系数的计算公式可以如下所示:
终端可以基于负荷峰谷分布系数β对行业参与价格型需求响应意愿、程度进行判断,当负荷峰谷分布系数β大于1时,说明该行业峰时段的单位负荷量是大于谷时段的单位负荷量,则该行业具有较强的负荷削减和负荷转移潜力,该行业的负荷峰谷分布系数β越高,该行业的负荷削减和转移的潜力越大。当峰谷负荷相关系数β小于1时,则说明该行业谷时段的单位负荷量是大于峰时段的单位负荷量,认为该行业的负荷削减或转移的潜力较低。
对于负荷可中断系数,终端可以根据待预测对象的用电行为,确定待预测对象对应的负荷可中断系数。其中,用电行为可以是待预测对象进行生产时如何用电进行生产的相关行为,用电行为表示了待预测对象的生产行为对电力的依赖度。具体地,终端可以通过分析待预测对象所属行业的用电特性和行业的用电逻辑来确定负荷可中断系数θ,具体指通过相关资料的搜集和调研分析得到该行业的负荷用电规律、用电模式和行业特性。例如在化学材料生产行业中,主要的用电负荷来自加工炉和生产线,中断负荷或低负荷运行存在着较大安全风险,停炉再恢复生产难度大且易形成安全隐患,可能会引起整套生产***及人身安全事故。由于化学材料生产行业的这一用电特性,所以可以认为该行业具备的负荷转移和负荷中断的能力较低。定义当该行业完全不具备负荷转移的能力时,负荷可中断系数θ为0,当该行业具备很强的负荷转移的能力时,负荷可中断系数θ为1。其中,负荷转移的能力表示待预测对象在断电时能否通过其他能源进行生产的能力。
通过上述实施例,终端可以基于多种方式分别确定待预测对象对应的单位度电产值、负荷峰谷分布系数和负荷可中断系数,从而终端可以基于单位度电产值、负荷峰谷分布系数和负荷可中断系数对待预测对象进行需求响应潜力预测,降低了需求响应潜力预测的复杂度。
在一个实施例中,根据单位度电产值对应的等级、负荷峰谷分布系数对应的等级和负荷可中断系数对应的等级查询预设规则表,得到对应的自弹性系数和互弹性系数,包括:将单位度电产值输入第一隶属函数,得到第一隶属函数输出的单位度电产值对应的多个单位度电产值等级的多个第一概率;将负荷峰谷分布系数输入第二隶属函数,得到第二隶属函数输出的负荷峰谷分布系数对应的多个负荷峰谷分布系数等级的多个第二概率;将负荷可中断系数输入第三隶属函数,得到第三隶属函数输出的负荷可中断系数对应的多个负荷可中断系数等级的多个第三概率;根据多个单位度电产值等级以及对应的多个第一概率、多个负荷峰谷分布系数等级以及对应的多个第二概率和多个负荷可中断系数等级以及对应的多个第三概率查询预设规则表,得到每组单位度电产值等级、负荷峰谷分布系数等级以及负荷可中断系数等级条件下的多个自弹性系数等级的多个第四概率和多个互弹性系数等级的多个第五概率;对多个第四概率和多个第五概率分别进行逻辑与运算,确定待预测对象对应的概率最大的至少一个目标第四概率对应的至少一个目标自弹性系数等级,以及确定待预测对象对应的概率最大的至少一个目标第五概率对应的至少一个目标互弹性系数等级;根据重心法分别对至少一个目标自弹性系数等级和至少一个目标互弹性系数等级进行反模糊化,得到待预测对象的自弹性系数和互弹性系数。
本实施例中,上述单位度电产值、负荷峰谷分布系数和负荷可中断系数可以分别有对应的等级。终端可以通过各自对应的隶属函数确定各个参数的等级。终端可以将单位度电产值输入第一隶属函数,得到第一隶属函数输出的单位度电产值对应的多个单位度电产值等级的多个第一概率,即单位度电产值等级可以有多个,终端可以基于第一隶属函数得到上述单位度电产值分别属于各个等级的第一概率,得到多个第一概率。终端还可以将负荷峰谷分布系数输入第二隶属函数,得到第二隶属函数输出的负荷峰谷分布系数对应的多个负荷峰谷分布系数等级的多个第二概率,即负荷峰谷分布系数等级可以有多个,终端可以基于第二隶属函数得到上述负荷峰谷分布系数分别属于各个等级的第二概率,得到多个第二概率。终端还可以将负荷可中断系数输入第三隶属函数,得到第三隶属函数输出的负荷可中断系数对应的多个负荷可中断系数等级的多个第三概率,即负荷可中断系数等级可以有多个,终端可以基于第三隶属函数得到上述负荷可中断系数分别属于各个等级的第三概率,得到多个第三概率。上述各个等级的确定,可以是一种模糊化过程。终端可以将一个单位度电产值等级、一个负荷峰谷分布系数等级和一个负荷可中断系数等级形成一组判断条件。终端可以根据多个单位度电产值等级以及对应的多个第一概率、多个负荷峰谷分布系数等级以及对应的多个第二概率和多个负荷可中断系数等级以及对应的多个第三概率查询预设规则表,得到每组单位度电产值等级、负荷峰谷分布系数等级以及负荷可中断系数等级条件下的多个自弹性系数等级的多个第四概率和多个互弹性系数等级的多个第五概率。从而终端可以对多个第四概率和多个第五概率分别进行逻辑与运算,确定待预测对象对应的概率最大的至少一个目标第四概率对应的至少一个目标自弹性系数等级,以及确定待预测对象对应的概率最大的至少一个目标第五概率对应的至少一个目标互弹性系数等级,由于上述多个概率值中可能存在相同的情况,因此上述目标第四概率和目标第五概率均可以为至少一个。终端确定概率最大的至少一个目标自弹性系数等级和至少一个目标互弹性系数等级后,可以根据重心法分别对至少一个目标自弹性系数等级和至少一个目标互弹性系数等级进行反模糊化,得到待预测对象的自弹性系数和互弹性系数。
具体地,上述获取等级的过程可以是一种模糊化的过程,对于一个精确的输入值,要找出它对应的语言变量值即模糊变量值,然后用自然语言的形式,去描述语言变量值,这个过程就是指模糊化。依照适合的自然语言值,去求得相对应的隶属度,这个自然语言变量就成为模糊子集合。终端中可以设置有模糊控制器,终端可以将上述单位度电产值α、负荷峰谷分布系数β和负荷可中断系数θ输入模糊控制器,分别使用三个模糊集进行描述,各个参数的等级描述可以如下所示:单位度电产值:低(SA),中(MA)和高(LA);负荷峰谷分布系数:低(SB),中(MB)和高(LB);负荷可中断系数:低(SC),中(MC)和高(LC)。对于自弹性系数e1和互弹性系数e2,终端可以通过如下描述确定自弹性系数e1的等级和互弹性系数e2的等级:自弹性系数e1:很低(VS1),低(S1),中(M1),高(L1),很高(VL1);互弹性系数e2:很低(VS2),低(S2),中(M2),高(L2),很高(VL2)。终端可以获取上述各个参数分别属于各个等级的概率,并将一个单位度电产值、一个负荷峰谷分布系数和一个负荷可中断系数作为一组判断条件,确定在各组条件下所属的弹性系数及其概率,形成预设规则表。该表格可以如下所示:
其中,上述表中共描述了27条模糊规则,对于第*条规则为:“Ifαis SA,βis SBANDθis SC,THEN e1 is M1 AND e2 is VS2”,即“如果单位度电产值α较小,负荷峰谷分布系数β较低,且负荷可中断系数θ较小,则自弹性系数e1为中;互弹性系数e2为很低”。终端在进行上述确定目标自弹性系数和目标互弹性系数时,可以首先将上述待预测对象的三个系数指标代入到对应的隶属函数中,进而算出各输入指标对应的隶属度。然后在模糊规则库中通过隶属度查找相匹配的模糊规则,即确定上述系数对应的等级以及所属等级的概率。终端可以进行规则前提推理:在每一条规则里面,各规则前提之间可以通过“与”的关系推出结论。例如规则为IF X is PA and Y is NA then Z is VS。然后通过取小运算,求的前提的隶属度,该规则前提的隶属度是min(μPA(X),μNA(Y))μPA(X)表示X为PA的隶属度,也可以称为概率。终端还可以将所有同类型的规则前提的隶属度取并集,获得模糊***总的隶属度输出,终端通过总的隶属度输出,可以从中得到至少一个隶属度最大,即概率值最大的至少一个目标自弹性系数等级和至少一个目标互弹性系数等级。终端得到至少一个目标自弹性系数等级和至少一个目标互弹性系数等级后,可以基于面积重心法,对至少一个目标自弹性系数等级和至少一个目标互弹性系数等级进行反模糊化,得到待预测对象的自弹性系数和互弹性系数。进而终端可以基于自弹性系数和互弹性系数得到价格弹性系数矩阵E。
通过上述实施例,终端可以基于隶属函数确定待预测对象对应的各个参数的等级,并基于等级和预设规则表,确定自弹性系数和互弹性系数,从而终端可以基于自弹性系数和互弹性系数构建弹性系数矩阵,并预测待预测对象的需求响应潜力,降低了预测复杂度。
在一个实施例中,根据自弹性系数和互弹性系数确定弹性系数矩阵,并根据弹性系数矩阵、待预测对象在预设时间段内的原始用电需求量、待预测对象在预设时间段内的原始用电代价、待预测对象在预设时间段内对应的更新后的用电代价以及用电时段数量,确定待预测对象在预设时间段内响应于更新后的用电代价的新用电需求量,包括:根据自弹性系数,确定预设时间段内用电谷时段和用电谷时段间的第一系数、用电平时段和用电平时段间的第二系数以及用电峰时段与用电峰时段间的第三系数;根据互弹性系数,确定预设时间段内用电峰时段与用电谷时段间的第四系数、用电峰时段和用电平时段间的第五系数以及用电平时段和用电谷时段间的第六系数;根据第一系数、第二系数、第三系数、第四系数、第五系数和第六系数,得到弹性系数矩阵;获取弹性系数矩阵、原始用电需求量、原始用电代价与更新后的用电代价的差值得到的用电代价变化量和原始用电代价的比值的乘积,并根据乘积与用电时段数量的比值,确定待预测对象在预设时间段内响应于更新后的用电代价的新用电负荷变化量,根据新用电负荷变化量与原始用电需求量的和得到更新后的用电需求量。
本实施例中,终端得到上述待预测对象的自弹性系数和互弹性系数后,可以根据自弹性系数,确定预设时间段内用电谷时段和用电谷时段间的第一系数、用电平时段和用电平时段间的第二系数以及用电峰时段与用电峰时段间的第三系数,并根据互弹性系数,确定预设时间段内用电峰时段与用电谷时段间的第四系数、用电峰时段和用电平时段间的第五系数以及用电平时段和用电谷时段间的第六系数,即每种弹性系数分别代表了不同用电时段之间的影响关系。终端可以根据第一系数、第二系数、第三系数、第四系数、第五系数和第六系数,得到弹性系数矩阵。终端得到弹性系数矩阵后,可以获取弹性系数矩阵、原始用电需求量、原始用电代价与更新后的用电代价的差值得到的用电代价变化量和所述原始用电代价的比值的乘积,并根据乘积与用电时段数量的比值,确定待预测对象在预设时间段内响应于更新后的用电代价的新用电负荷变化量,再将该负荷变化量加上原始用电需求量就能够得到更新后的用电需求量。
具体地,上述弹性系数矩阵E可以如下所示:
其中,ε为需求弹性系数,也可以称为e,它不仅与本时段的价格变化有关,还与其他时段的价格变化有关,终端可以分别用自需求弹性系数εii与交叉弹性系数εij表示与本时段价格变化有关的部分和与其他时段价格变化有关的部分。εii表示i时段电价变化对i时段需求的影响,其值通常为负;εij表示j时段电价变化对i时段需求的影响,其值通常为正。终端得到上述弹性系数矩阵后,可以基于如下公式确定新用电需求量:
其中,Q为某一时刻对应的原始电力需求量,Q’为某时刻对应的需求响应后的电力需求量;P为某一时刻对应的原始用电代价,ΔP为某一时刻对应的需求响应用电代价的变化量;E为价格弹性系数矩阵;n为每天划分的时段数量。
通过上述实施例,终端可以基于自弹性系数和互弹性系数确定的弹性系数矩阵,确定待预测对象对应的响应电价更新后的新用电需求量,终端可以基于新用电量和原始用电量预测待预测对象的需求响应起来,降低了预测复杂度。
本实施例中,终端确定出待预测对象响应用电代价改变的新用电需求量后,可以获取新用电需求量和原始用电需求量的差值。其中,上述新用电需求量和原始用电需求量均可以包括多个时间点的需求量,则终端可以根据多个时间点的需求量构建用电曲线,并基于用电曲线的差值确定待预测对象的需求响应潜力。
通过本实施例,终端可以基于新用电需求量和原始用电需求量的差值确定待预测对象的需求响应潜力,降低了预测复杂度。
在一个实施例中,根据新用电需求量和原始用电需求量的差值,确定待预测对象的需求响应潜力,包括:若新用电需求量和原始用电需求量的差值大于预设用电需求量阈值,确定待预测对象在当前用电代价下的需求响应潜力为第一等级;若新用电需求量和原始用电需求量的差值小于或等于预设用电需求量阈值,确定待预测对象在当前用电代价下的需求响应潜力为第二等级;其中第一等级大于第二等级。
本实施例中,终端确定出待预测对象响应用电代价改变的新用电需求量后,可以获取新用电需求量和原始用电需求量的差值,若终端检测到新用电需求量和原始用电需求量的差值大于预设用电需求量阈值,则终端可以确定待预测对象在当前用电代价下的需求响应潜力为第一等级。若终端检测到新用电需求量和原始用电需求量的差值小于或等于预设用电需求量阈值,则终端可以确定待预测对象在当前用电代价下的需求响应潜力为第二等级;其中第一等级大于第二等级,第一等级表征待预测对象的需求响应潜力较大,第二等级表征待预测对象的需求响应潜力较小。其中,上述新用电需求量和原始用电需求量均可以包括多个时间点的需求量,则终端可以根据多个时间点的需求量构建用电曲线,并基于用电曲线的差值确定待预测对象的需求响应潜力。
通过本实施例,终端可以基于新用电需求量和原始用电需求量的差值确定待预测对象的需求响应潜力,降低了预测复杂度。
在一个实施例中,如图3所示,图3为另一个实施例中需求响应潜力预测方法的流程示意图。本实施例中,终端通过设计一套指标体系,包括单位度电产值α、峰谷负荷相关系数β、负荷可中断系数θ这3个系数指标,先计算得到所选行业的相关系数指标,通过建立模糊控制模型,得到指标体系与弹性系数矩阵的映射关系,进而定量分析得到需求弹性矩阵E,最后通过上述新的用电需求量公式对基于分时电价的需求侧资源的可调潜力进行测算。具体包括:终端首先根据全社会电力用户的行业分类,收集某一区域内各行最大负荷日的电力负荷数据的96个点(在一天内每15分钟取一个点)、行业年负荷数据以及相关的经济统计数据,以及获取国内外不同地区对价格弹性系数矩阵的测算范围。终端可以对行业进行初筛,根据需要分析的对象对所选行业进行初筛,本专利中,通过对各行业日负荷总量在全社会用电中所占比重进行排序,选取在全社会用电中耗电量占比靠前的行业,作为待预测对象。终端可以通过上述公式计算得到单位度电产值α,单位度电产值α用于判断该行业生产对用电代价的敏感程度,当行业的单位度电产值α较低时,认为该行业电价敏感度较高,即电价的波动对该行业的成本、收益有较大影响,进而影响该行业的用电模式,则该行业的需求响应潜力较大。当行业的单位度电产值α较高时,认为该行业电价敏感度较低,该行业的需求响应潜力较小。终端还可以计算负荷峰谷分布系数β,通过负荷峰谷分布系数β对行业参与价格型需求响应意愿、程度进行判断,当负荷峰谷分布系数β大于1时,说明该行业峰时段的单位负荷量是大于谷时段的单位负荷量,则该行业具有较强的负荷削减和负荷转移潜力,该行业的负荷峰谷分布系数β越高,该行业的负荷削减和转移的潜力越大。当峰谷负荷相关系数β小于1时,则说明该行业谷时段的单位负荷量是大于峰时段的单位负荷量,认为该行业的负荷削减或转移的潜力较低。终端还可以计算负荷可中断系数θ,通过分析行业的用电特性和行业的用电逻辑来确定负荷可中断系数θ,具体指通过相关资料的搜集和调研分析得到该行业的负荷用电规律、用电模式和行业特性。例如在化学材料生产行业中,主要的用电负荷来自加工炉和生产线,中断负荷或低负荷运行存在着较大安全风险,停炉再恢复生产难度大且易形成安全隐患,可能会引起整套生产***及人身安全事故。由于化学材料生产行业的这一用电特性,所以可以认为该行业具备的负荷转移和负荷中断的能力较低。定义当该行业完全不具备负荷转移的能力时,负荷可中断系数θ为0,当该行业具备很强的负荷转移的能力时,负荷可中断系数θ为1。
终端还可以通过自然语言描述上述各个系数,即通过模糊化处理确定上述各个系数的等级,并制定模糊规则表,即上述预设规则表,基于预设规则表确定弹性系数矩阵E。具体地,终端将各行业算出的三个系数指标代入到隶属函数中,进而算出各输入指标对应的隶属度。然后在模糊规则库中通过隶属度查找相匹配的模糊规则。并进行规则前提推理,包括:在每一条规则里面,各规则前提之间可以通过“与”的关系推出结论。例如规则为IF Xis PA and Y is NA then Z is VS。然后通过取小运算,求的前提的隶属度,该规则前提的隶属度是min(μPA(X),μNA(Y))。终端可以将所有同类型的规则前提的隶属度取并集,获得模糊***总的隶属度输出。并采用面积重心法进行反模糊化,得到价格弹性系数矩阵E。终端可以根据定量分析得到的需求弹性系数矩阵E,利用所建立的价格型需求响应的潜力测算模型对需求侧资源进行潜力测算,例如通过弹性系数矩阵E确定待预测对象的新用电需求量,从而终端可以基于新用电需求量和原始用电需求量确定待预测对象的需求响应潜力。
通过上述实施例,终端通过基于单位度电产值、峰谷负荷系数、负荷可中断系数和弹性系数矩阵预测需求响应潜力,降低了预测复杂度。
另外,本申请还提供一种应用实施例,例如终端可以选取金属制品业和纺织业为案例分析样本,预设时间段内的负荷数据为基础,对这些行业的可调节潜力进行测算。首先对于这些重点行业的重要指标进行计算,指标计算结果如下表所示。
终端可以按照上述各个系数对应的等级的设定,确定各个系数分别对应的三个模糊集,即三个等级。模糊控制***输入和输出的模糊子集选用三角形和梯形的隶属函数。对于模糊规则规定按照上述模糊规则设计表,即上述预设规则表进行设定。终端可以利用上述模糊规则设计表和模糊隶属度函数对模糊规则进行匹配。例如,给出三个输入变量的具体值,例如单位度电产值α为10、负荷峰谷分布系数β为1、负荷可中断系数θ为0.25,则对应的隶属度分别为:
终端可以将上述具体值代入上述预设规则表,得到如下表格:
终端可以通过上述预设规则表,得到8条模糊规则,并进行规则前提推理。具体地,终端可以在同一条规则内,前提之间通过逻辑与运算,可得各条模糊规则的结论,并得各条模糊规则前提的隶属度,如下表所示:
终端可以将上述二表求交集,通过逻辑与运算,得到各条规则的模糊输出。其中,模糊***自弹性系数e1总的隶属度结果为:μagg(e1)=max{min(1/3,μM1(e1)),min(1/3,μM1(e1)),min(1/3,μM1(e1)),min(1/3,μM1(e1)),min(1/3,μS1(e1)),min(1/3,μS1(e1)),min(1/2,μS1(e1)),min(1/2,μM1(e1))}=max{min(1/2,μS1(e1)),min(1/2,μM1(e1))}。模糊***自弹性系数e2总的隶属度结果为:μagg(e2)=max{min(1/3,μVS2(e2)),min(1/3,μS2(e2)),min(1/3,μS2(e2)),min(1/3,μM2(e2)),min(1/3,μVS2(e2)),min(1/3,μS2(e2)),min(1/2,μS2(e2)),min(1/2,μS2(e2))}=max{min(1/2,μVS2(e2)),min(1/2,μS2(e2)),min(1/3,μM2(e2))}。终端可以利用重心法进行反模糊化,可以得到弹性系数的结果为:e1=0.0942,e2=0.0668。则上述各个待预测对象的自弹性系数e1和互弹性系数的e2如下所示:
其中,在弹性系数矩阵中自弹性系数为负,互弹性系数为正。终端可以根据上述测算结果,将自弹性系数e1乘以-1的值定义为弹性系数矩阵中峰对峰时段的系数,平对平和谷对谷时段的系数定义为自弹性系数e1的-2/3;互弹性系数e2定义为峰对谷时段的系数,峰对平和平对谷时段定义为互弹性系数e2的1/2。则金属制品行业的弹性系数矩阵可以如下所示:
纺织业弹性系数矩阵可以如下所示:
终端可以令上述预设区域的分时电价方案为峰平谷电价划分为1.8∶1∶0.3和2∶1∶0.25,峰谷电价比分别为6∶1和8∶1。则终端基于所提出的可调节潜力评估模型和现行的分时电价的基础之上,经过建模仿真分析,得到上述金属制品业和纺织业的电价型需求响应前后的负荷曲线如图4和图5所示,图4为一个实施例中需求响应潜力预测步骤的界面示意图。图5为一个实施例中需求响应潜力预测步骤的界面示意图。其中,图4和图5中包括多种DR(Demand Response,需求响应)后的用电量曲线。例如,图4中现行的DR用电曲线301、电价比为6:1时的用电曲线302、电价比为8:1时的用电曲线303;图5中现行的DR用电曲线401、电价比为6:1时的用电曲线402、电价比为8:1时的用电曲线403。由图4和图5可知,待预测对象在用电价格改变时,会存在响应用电价格变化的用电需求量的变化,并且金属制造业的需求响应潜力大于纺织业的需求响应潜力。
通过上述实施例,终端通过基于单位度电产值、峰谷负荷系数、负荷可中断系数和弹性系数矩阵预测需求响应潜力,降低了预测复杂度。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的需求响应潜力预测方法的需求响应潜力预测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个需求响应潜力预测装置实施例中的具体限定可以参见上文中对于需求响应潜力预测方法的限定,在此不再赘述。
在一个实施例中,如图6所示,提供了一种需求响应潜力预测装置,包括:响应模块500、查询模块502、确定模块505和预测模块506,其中:
响应模块500,用于响应于需求响应潜力预测请求,从电力数据库中查询并获取待预测对象对应的单位度电产值、负荷峰谷分布系数和负荷可中断系数;单位度电产值表征用电代价对待预测对象的用电量影响;负荷峰谷分布系数表征待预测对象用电量的用电时段分布特性;负荷可中断系数表征中断用电对待预测对象生产的影响程度。
查询模块502,用于根据单位度电产值对应的等级、负荷峰谷分布系数对应的等级和负荷可中断系数对应的等级查询预设规则表,得到对应的自弹性系数和互弹性系数;预设规则表包括单位度电产值对应的等级、负荷峰谷分布系数对应的等级和负荷可中断系数对应的等级与自弹性系数以及互弹性系数的对应关系;自弹性系数表征待预测对象每个时间段的用电量与当前时间段的用电代价的对应关系;互弹性系数表征待预测对象每个时间段的用电量与其他时间段的用电代价的对应关系。
确定模块504,用于根据自弹性系数和互弹性系数确定弹性系数矩阵,并根据弹性系数矩阵、待预测对象在预设时间段内的原始用电需求量、待预测对象在预设时间段内的原始用电代价、待预测对象在预设时间段内对应的更新后的用电代价以及用电时段数量,确定待预测对象在预设时间段内响应于更新后的用电代价的新用电需求量。
预测模块506,用于根据新用电需求量和原始用电需求量的差值,确定待预测对象的需求响应潜力。
在一个实施例中,上述响应模块500,具体用于获取待预测对象的历史时间段内的年产值增加量和年用电量,以及获取待预测对象预设时间段内的总用电量,预设时间段包括用电峰时段、用电谷时段和用电平时段;根据历史时间段内年产值增加量和年用电量,确定待预测对象的单位度电产值;获取预设时间段内的总用电量中用电峰时段的第一用电量、用电谷时段的第二用电量以及用电峰时段、用电谷时段和用电平时段的用电量数据点数,并根据第一用电量、第二用电量和用电量数据点数获取负荷峰谷分布系数;根据待预测对象的用电行为,确定待预测对象对应的负荷可中断系数。
在一个实施例中,上述装置还包括:划分模块,用于获取待预测对象所在的地区,根据地区对应的用电代价策略,确定预设时间段中用电峰时段、用电谷时段和用电平时段的划分策略;根据划分策略确定预设时间段内的用电峰时段、用电谷时段和用电平时段。
在一个实施例中,上述划分模块,具体用于若用电代价策略为分时电价策略,根据分时电价策略确定预设时间段中用电峰时段、用电谷时段和用电平时段的划分策略;若用电代价策略不为分时电价策略,根据典型日用电量曲线确定预设时间段中的用电峰时段、用电谷时段和用电平时段的划分策略。
在一个实施例中,上述查询模块502,具体用于将单位度电产值输入第一隶属函数,得到第一隶属函数输出的单位度电产值对应的多个单位度电产值等级的多个第一概率;将负荷峰谷分布系数输入第二隶属函数,得到第二隶属函数输出的负荷峰谷分布系数对应的多个负荷峰谷分布系数等级的多个第二概率;将负荷可中断系数输入第三隶属函数,得到第三隶属函数输出的负荷可中断系数对应的多个负荷可中断系数等级的多个第三概率;根据多个单位度电产值等级以及对应的多个第一概率、多个负荷峰谷分布系数等级以及对应的多个第二概率和多个负荷可中断系数等级以及对应的多个第三概率查询预设规则表,得到每组单位度电产值等级、负荷峰谷分布系数等级以及负荷可中断系数等级条件下的多个自弹性系数等级的多个第四概率和多个互弹性系数等级的多个第五概率;对多个第四概率和多个第五概率分别进行逻辑与运算,确定待预测对象对应的概率最大的至少一个目标第四概率对应的至少一个目标自弹性系数等级,以及确定待预测对象对应的概率最大的至少一个目标第五概率对应的至少一个目标互弹性系数等级;根据重心法分别对至少一个目标自弹性系数等级和至少一个目标互弹性系数等级进行反模糊化,得到待预测对象的自弹性系数和互弹性系数。
在一个实施例中,上述确定模块504,具体用于根据自弹性系数,确定预设时间段内用电谷时段和用电谷时段间的第一系数、用电平时段和用电平时段间的第二系数以及用电峰时段与用电峰时段间的第三系数;根据互弹性系数,确定预设时间段内用电峰时段与用电谷时段间的第四系数、用电峰时段和用电平时段间的第五系数以及用电平时段和用电谷时段间的第六系数;根据第一系数、第二系数、第三系数、第四系数、第五系数和第六系数,得到弹性系数矩阵;获取弹性系数矩阵、原始用电需求量、原始用电代价与更新后的用电代价的差值得到的用电代价变化量和原始用电代价的比值的乘积,并根据乘积与用电时段数量的比值,确定待预测对象在预设时间段内响应于更新后的用电代价的新用电负荷变化量,根据新用电负荷变化量与原始用电需求量的和得到更新后的用电需求量。
上述需求响应潜力预测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图7所示。该计算机设备包括通过***总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种需求响应潜力预测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述的需求响应潜力预测方法。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述的需求响应潜力预测方法。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述的需求响应潜力预测方法。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种需求响应潜力预测方法,其特征在于,所述方法包括:
响应于需求响应潜力预测请求,从电力数据库中查询并获取待预测对象对应的单位度电产值、负荷峰谷分布系数和负荷可中断系数;所述单位度电产值表征用电代价对所述待预测对象的用电量的影响;所述负荷峰谷分布系数表征待预测对象用电量的用电时段分布特性;所述负荷可中断系数表征中断用电对所述待预测对象生产的影响程度;
根据所述单位度电产值对应的等级、所述负荷峰谷分布系数对应的等级和所述负荷可中断系数对应的等级查询预设规则表,得到对应的自弹性系数和互弹性系数;所述预设规则表包括所述单位度电产值对应的等级、所述负荷峰谷分布系数对应的等级和所述负荷可中断系数对应的等级与所述自弹性系数以及互弹性系数的对应关系;所述自弹性系数表征所述待预测对象每个时间段的用电量与当前时间段的用电代价变化量的对应关系;所述互弹性系数表征所述待预测对象每个时间段的用电量与其他时间段的用电代价变化量的对应关系;
根据所述自弹性系数和所述互弹性系数确定弹性系数矩阵,并根据所述弹性系数矩阵、所述待预测对象在预设时间段内的原始用电需求量、所述待预测对象在预设时间段内的原始用电代价、所述待预测对象在预设时间段内对应的更新后的用电代价以及用电时段数量,确定所述待预测对象在预设时间段内响应于所述更新后的用电代价的新用电需求量;
根据所述新用电需求量和所述原始用电需求量的差值,确定所述待预测对象的需求响应潜力。
2.根据权利要求1所述的方法,其特征在于,所述获取待预测对象对应的单位度电产值、负荷峰谷分布系数和负荷可中断系数,包括:
获取待预测对象的历史时间段内的年产值增加量和年用电量,以及获取所述待预测对象预设时间段内的总用电量,所述预设时间段包括用电峰时段、用电谷时段和用电平时段;
根据所述历史时间段内年产值增加量和年用电量,确定所述待预测对象的单位度电产值;
获取所述预设时间段内的总用电量中用电峰时段的第一用电量、用电谷时段的第二用电量以及用电峰时段、用电谷时段和用电平时段的用电量数据点数,并根据所述第一用电量、第二用电量和所述用电量数据点数获取负荷峰谷分布系数;
根据所述待预测对象的用电行为,确定所述待预测对象对应的负荷可中断系数。
3.根据权利要求2所述的方法,其特征在于,所述获取所述预设时间段内的总用电量中用电峰时段的第一用电量,用电谷时段的第二用电量以及用电峰时段、用电谷时段和用电平时段的用电量数据点数之前,还包括:
获取所述待预测对象所在的地区,根据所述地区对应的用电代价策略,确定所述预设时间段中用电峰时段、用电谷时段和用电平时段的划分策略;
根据所述划分策略确定所述预设时间段内的用电峰时段、用电谷时段和用电平时段。
4.根据权利要求3所述的方法,其特征在于,所述根据所述地区对应的用电代价策略,确定所述预设时间段中用电峰时段、用电谷时段和用电平时段和用电平时段的划分策略,包括:
若所述用电代价策略为分时电价策略,根据所述分时电价策略确定所述预设时间段中用电峰时段、用电谷时段和用电平时段的划分策略;
若所述用电代价策略不为分时电价策略,根据典型日用电量曲线确定所述预设时间段中的用电峰时段、用电谷时段和用电平时段的划分策略。
5.根据权利要求1所述的方法,其特征在于,所述根据所述单位度电产值对应的等级、所述负荷峰谷分布系数对应的等级和所述负荷可中断系数对应的等级查询预设规则表,得到对应的自弹性系数和互弹性系数,包括:
将所述单位度电产值输入第一隶属函数,得到所述第一隶属函数输出的所述单位度电产值对应的多个单位度电产值等级的多个第一概率;
将所述负荷峰谷分布系数输入第二隶属函数,得到所述第二隶属函数输出的所述负荷峰谷分布系数对应的多个负荷峰谷分布系数等级的多个第二概率;
将所述负荷可中断系数输入第三隶属函数,得到所述第三隶属函数输出的所述负荷可中断系数对应的多个负荷可中断系数等级的多个第三概率;
根据所述多个单位度电产值等级以及对应的多个第一概率、所述多个负荷峰谷分布系数等级以及对应的多个第二概率和所述多个负荷可中断系数等级以及对应的多个第三概率查询预设规则表,得到每组单位度电产值等级、负荷峰谷分布系数等级以及负荷可中断系数等级条件下的多个自弹性系数等级的多个第四概率和多个互弹性系数等级的多个第五概率;
对所述多个第四概率和所述多个第五概率分别进行逻辑与运算,确定所述待预测对象对应的概率最大的至少一个目标第四概率对应的至少一个目标自弹性系数等级,以及确定所述待预测对象对应的概率最大的至少一个目标第五概率对应的至少一个目标互弹性系数等级;
根据重心法分别对所述至少一个目标自弹性系数等级和至少一个目标互弹性系数等级进行反模糊化,得到所述待预测对象的自弹性系数和互弹性系数。
6.根据权利要求1所述的方法,其特征在于,所述根据所述自弹性系数和所述互弹性系数确定弹性系数矩阵,并根据所述弹性系数矩阵、所述待预测对象在预设时间段内的原始用电需求量、所述待预测对象在预设时间段内的原始用电代价、所述待预测对象在预设时间段内对应的更新后的用电代价以及用电时段数量,确定所述待预测对象在预设时间段内响应于所述更新后的用电代价的新用电需求量,包括:
根据所述自弹性系数,确定所述预设时间段内用电谷时段和用电谷时段间的第一系数、用电平时段和用电平时段间的第二系数以及用电峰时段与用电峰时段间的第三系数;
根据所述互弹性系数,确定所述预设时间段内用电峰时段与用电谷时段间的第四系数、用电峰时段和用电平时段间的第五系数以及用电平时段和用电谷时段间的第六系数;
根据所述第一系数、第二系数、第三系数、第四系数、第五系数和第六系数,得到所述弹性系数矩阵;
获取所述弹性系数矩阵、所述原始用电需求量、所述原始用电代价与所述更新后的用电代价的差值得到的用电代价变化量和所述原始用电代价的比值的乘积,并根据所述乘积与所述用电时段数量的比值,确定所述待预测对象在预设时间段内响应于所述更新后的用电代价的新用电负荷变化量,根据所述新用电负荷变化量与所述原始用电需求量的和得到更新后的用电需求量。
7.一种需求响应潜力预测装置,其特征在于,所述装置包括:
响应模块,用于响应于需求响应潜力预测请求,从电力数据库中查询并获取待预测对象对应的单位度电产值、负荷峰谷分布系数和负荷可中断系数;所述单位度电产值表征用电代价对所述待预测对象的用电量的影响;所述负荷峰谷分布系数表征待预测对象用电量的用电时段分布特性;所述负荷可中断系数表征中断用电对所述待预测对象生产的影响程度;
查询模块,用于根据所述单位度电产值对应的等级、所述负荷峰谷分布系数对应的等级和所述负荷可中断系数对应的等级查询预设规则表,得到对应的自弹性系数和互弹性系数;所述预设规则表包括所述单位度电产值对应的等级、所述负荷峰谷分布系数对应的等级和所述负荷可中断系数对应的等级与所述自弹性系数以及互弹性系数的对应关系;所述自弹性系数表征所述待预测对象每个时间段的用电量与当前时间段的用电代价变化量的对应关系;所述互弹性系数表征所述待预测对象每个时间段的用电量与其他时间段的用电代价变化量的对应关系;
确定模块,用于根据所述自弹性系数和所述互弹性系数确定弹性系数矩阵,并根据所述弹性系数矩阵、所述待预测对象在预设时间段内的原始用电需求量、所述待预测对象在预设时间段内的原始用电代价、所述待预测对象在预设时间段内对应的更新后的用电代价以及用电时段数量,确定所述待预测对象在预设时间段内响应于所述更新后的用电代价的新用电需求量;
预测模块,用于根据所述新用电需求量和所述原始用电需求量的差值,确定所述待预测对象的需求响应潜力。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211042308.3A CN115358476A (zh) | 2022-08-29 | 2022-08-29 | 需求响应潜力预测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211042308.3A CN115358476A (zh) | 2022-08-29 | 2022-08-29 | 需求响应潜力预测方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115358476A true CN115358476A (zh) | 2022-11-18 |
Family
ID=84004155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211042308.3A Pending CN115358476A (zh) | 2022-08-29 | 2022-08-29 | 需求响应潜力预测方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115358476A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117540932A (zh) * | 2023-12-07 | 2024-02-09 | 南方电网能源发展研究院有限责任公司 | 工业负荷需求响应潜力动态评估方法和装置 |
-
2022
- 2022-08-29 CN CN202211042308.3A patent/CN115358476A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117540932A (zh) * | 2023-12-07 | 2024-02-09 | 南方电网能源发展研究院有限责任公司 | 工业负荷需求响应潜力动态评估方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108470233B (zh) | 一种智能电网的需求响应能力评估方法和计算设备 | |
CN102509173B (zh) | 一种基于马尔科夫链的电力***负荷准确预测方法 | |
CN113255973A (zh) | 电力负荷预测方法、装置、计算机设备和存储介质 | |
CN110544123B (zh) | 电力用户分类方法、装置、计算机设备和存储介质 | |
CN111612275A (zh) | 一种预测区域用户负荷量的方法及装置 | |
JP2023503389A (ja) | アンサンブル機械学習技術を用いた非侵入型負荷監視 | |
CN114611845B (zh) | 碳排放量的预测方法、装置、电子设备及介质 | |
CN112633762A (zh) | 楼宇能效获取方法及设备 | |
CN115358476A (zh) | 需求响应潜力预测方法、装置、计算机设备和存储介质 | |
Aye et al. | Energy efficiency drivers in South Africa: 1965–2014 | |
CN114899830A (zh) | 基于电网峰谷差率的负荷侧交易方法、***及相关设备 | |
Zheng et al. | An application of machine learning for a smart grid resource allocation problem | |
CN113887809A (zh) | 双碳目标下配电网供需平衡方法、***、介质及计算设备 | |
Sari et al. | The effectiveness of hybrid backpropagation Neural Network model and TSK Fuzzy Inference System for inflation forecasting | |
CN115329907B (zh) | 基于dbscan聚类的电负荷补全方法和*** | |
Li et al. | Feature analysis of generalized load patterns considering active load response to real-time pricing | |
CN112256735B (zh) | 一种用电监测方法、装置、计算机设备和存储介质 | |
CN112214734A (zh) | 一种基于统计物理学与人工智能的电力负荷预测方法 | |
CN117933677B (zh) | 基于区域调频的水力发电厂关联数据预测方法和装置 | |
CN117540932A (zh) | 工业负荷需求响应潜力动态评估方法和装置 | |
Lin et al. | Load Data Analysis Based on Timestamp-Based Self-Adaptive Evolutionary Clustering | |
Ma et al. | Investment efficiency evaluation of electric power substation projects by stages using the EWM-DEA model | |
Yu et al. | Comparison of innovation diffusion models: A case study on the DRAM industry | |
Wang et al. | Baseline Load Forecasting for Demand Response Taking Meteorological Factors into Account | |
Pawar et al. | Electricity Forecasting Using Machine Learning: A Review |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |