[发明专利]一种基于神经图灵机的电力用户需求响应潜力评估方法及装置

权利要求书

1.一种基于神经图灵机的电力用户需求响应潜力评估方法，其特征在于，包括以下步骤：

采用均值漂移方法对用户进行分组，获得具有不同响应特征的用户组群数据集；

基于所述用户组群数据集，在门控循环单元GRU中执行注意力机制AM，提取用户在不同气象环境下的需求响应行为特征；

通过神经图灵机模型，基于提取的需求响应行为特征，评估用户在给定实时电价下的需求响应负荷调整量。

2.根据权利要求1所述的基于神经图灵机的电力用户需求响应潜力评估方法，其特征在于，采用均值漂移方法对用户进行分组，获得具有不同响应特征的用户组群数据集，具体包括如下步骤：

步骤1.1:由用户历史数据集扩展建立训练所需要的存储矩阵数据集；

步骤1.2:在未标记的用户中，随机选择用户C作为中心点，其特征向量为ω_c,t；确定滑动窗口的半径r，其中所述r用于表示特征向量浮动范围；

步骤1.3:根据区域内用户i的特征向量ω_i,t，计算区域内中心点C的漂移向量S_h，C_k表示到中心C的距离小于半径r的用户点的集合：

C_k(ω_c,t)＝{x:(ω_i,t-ω_c,t)^T(ω_i,t-ω_c,t)＜r²}

引入高斯核函数G(ω)，来衡量每个样本用户点的实际偏移贡献：

其中，h为高斯函数的带宽；

引入高斯核函数后，漂移向量S_h(ω_c,t)为：

其中，NU为用户总数量；

步骤1.4:为每个样本用户点赋予不同的权重系数，将漂移向量写为如下形式：

其中，权重系数的计算公式为：

步骤1.5:更新中心点位置，进行漂移：

ω_c,t:＝ω_c,t+S_h

步骤1.6:重复步骤1.2～1.5迭代移动过程，直到偏移向量小于预设值确定当前用户组的中心点，且当前窗口半径r内的用户都归类于簇C；

步骤1.7:遍历未分组的用户，重复上述步骤1.2～1.6，直到区域内的用户点均被标记，完成用户分组，并分别更新各组的用户组数据集和存储矩阵数据集。