[发明专利]一种考虑需求响应的柔性负荷短期负荷预测方法

说明书

本发明提供一种考虑需求响应的柔性负荷短期负荷预测方法，具体步骤：步骤S1：提取模型输入量和输出量。步骤S1又包括如下子步骤：步骤S1‑1.提取模型输入量；步骤S1‑2.提取模型输出量。步骤S2：数据标准化处理。步骤S3：构建BP神经网络预测模型。步骤S4：模型调试。本发明预测了需求响应场景下柔性负荷的短期用电负荷，满足了需求响应新场景下的电力负荷预测需求，提高了电力负荷预测精确度，为电力系统负荷预测提供支持，实现电力系统的经济、可靠、可持续发展。

技术领域

本发明属于电力负荷预测领域。在传统预测用电负荷的神经网络模型基础上，考虑需求响应项目对于用户用电的影响，对BP神经网络预测模型输入量进行调整，加入需求响应项目的影响因素，从而提出适用于需求响应场景的短期负荷预测方法。

背景技术

电力负荷预测是以电力负荷为对象进行的一系列预测工作，是电力系统规划的重要组成部分，也是电力系统经济运行的基础，其对电力系统规划和运行都极其重要。传统神经网络预测模型输入量通常由历史负荷数据、最高温度、平均温度、最低温度、天气状况、日类型等元素组成，但需求响应项目会使用户日负荷曲线产生变化，必须在传统预测方法基础上做出调整或改进，才能适用于考虑需求响应的负荷预测项目。

本发明提出了一种适用于需求响应场景的短期负荷预测方法，在传统预测用电负荷的BP神经网络模型基础上，考虑需求响应项目对于用户用电的影响，对BP神经网络预测模型输入量进行调整，加入需求响应项目的影响因素。该方法可应用于电力系统负荷预测的实际工作中，提升电力系统负荷预测的精确性。

发明内容

本发明提出了一种适用于需求响应场景的短期负荷预测方法，在传统预测用电负荷的BP神经网络模型基础上，考虑需求响应项目对于用户用电的影响，对BP神经网络预测模型输入量进行调整，加入需求响应项目的影响因素，从而构建了新的BP神经网络预测方案，提高了电力负荷预测的精确性。

为实现上述目的，本发明采用如下技术方案：

(1)提取模型输入量和输出量

通过对需求响应负荷的特性分析，可以确定计及需求响应神经网络预测模型输入量的传统组成元素。在此基础上，将需求响应因素视作外界影响因素进行处理。考虑需求响应因素的预测模型输入量由传统元素和模型对需求响应的量化元素共同组成，输出量为用户的用电负荷。

(2)数据标准化处理

考虑需求响应的短期负荷预测模型输入量组成元素包括温度、天气状况和DR信号等，各组成元素量纲不同，值域范围差异较大。为避免部分负荷影响因素在总体映射效果中被歪曲甚至淹没，同时防止神经元在神经网络训练和学习过程中饱和，需要在模型训练之前对各种负荷影响因素统一进行标准化预处理。

(3)构建BP神经网络预测模型

利用处理好的输入量和输出量，构建BP神经网络预测模型。

(4)模型调试

根据神经网络特性及运行过程调试，调整确定各神经网络模型参数。

本发明的有益效果是，本发明预测了需求响应场景下柔性负荷的短期用电负荷，满足了需求响应新场景下的电力负荷预测需求，提高了电力负荷预测精确度，为电力系统负荷预测提供支持，实现电力系统的经济、可靠、可持续发展。

附图说明

附图1为考虑需求响应的柔性负荷短期负荷预测流程图

附图2为考虑需求响应的BP神经网络预测模型的示意图

具体实施方式

下面参照附图1来说明本发明的实施方式。本发明的一种考虑需求响应的柔性负荷短期负荷预测方法的实施具体步骤如下：