[发明专利]用电量预测方法、用电量调节方法

权利要求书

1.一种用电量预测方法，其特征在于，包括以下步骤：

S11、选择受激效果好的用电负荷作为激励重点目标；

S12、从所述激励重点目标所属行业内的用电数据中提取与所述激励重点目标的用电特性相近的用电数据构造成训练集和测试集，所述训练集的训练样本和测试集的测试样本均包括温度向量、电价向量和用电量向量；

S13、使用遗传算法搜寻BP神经网络的初始权重值；在每次搜寻到BP神经网络的初始权重值后，使用所述BP神经网络的初始权重值建立初始BP神经网络；将所述训练集的温度向量和电价向量作为输入，将所述训练集的用电量向量作为输出，使用所述训练集训练所述初始BP神经网络，得到BP神经网络AI_k；使用所述测试集测试所述BP神经网络AI_k，将所述BP神经网络AI_k的预测误差作为BP神经网络的初始权重值的适应度，当BP神经网络的初始权重值的适应度收敛后，最后一次搜寻到的BP神经网络的初始权重值对应的BP神经网络AI_k即目标BP神经网络。

2.如权利要求1所述的用电量预测方法，其特征在于，在步骤S11中，确定受激效果好的用电负荷的方法包括以下步骤：

S111、建立受激响应潜力评价指标，设受激响应潜力评价指标有n_a个；使用主观赋权法和客观赋权法分别对所述受激响应潜力评价指标赋主观权重、客观权重，使用融合算法融合所述主观权重和所述客观权重，得到所述受激响应潜力评价指标的综合权重

S112、基于所述受激响应潜力评价指标的综合权重建立加权标准化决策矩阵，用电负荷与所述受激响应潜力评价指标的最优解之间的距离越近，则该用电负荷的受激效果越好。

3.如权利要求2所述的用电量预测方法，其特征在于，所述受激响应潜力评价指标包括：申报参与率、有效响应率、日前响应邀约响应量比、日前响应邀约价格比、典型日峰谷差、典型日峰谷差率、峰时段负荷占比、谷时段负荷占比、峰时段贡献率、日负荷率和负荷波动率。

4.如权利要求2所述的用电量预测方法，其特征在于，在所述步骤S111中，确定所述受激响应潜力评价指标的综合权重的方法包括以下步骤：

S1111、建立受激响应潜力评价指标；

S1112、使用层次分析法对所述受激响应潜力评价指标赋主观权重

S1113、使用CRITIC法对所述受激响应潜力评价指标赋客观权重

S1114、使用最小二乘法融合所述主观权重和所述客观权重，得到所述受激响应潜力评价指标的综合权重ω_j(j＝1,2,…,n_a)，具体方法是：

第i(i＝1,2,…,m_a)个评价对象的评价值为

其中，

式中，x'_ij表示标准化后的数据矩阵；

得到受激响应潜力评价指标的权重

5.如权利要求2所述的用电量预测方法，其特征在于，在所述步骤S112中，确定用电负荷与所述受激响应潜力评价指标的最优解之间的距离的方法是：

基于所述受激响应潜力评价指标的综合权重建立加权标准化决策矩阵

式中，Z为标准化数据矩阵，m_a为用电负荷个数；

则

第i(i＝1,2,…,m_a)个用电负荷与正理想解之间的距离与负理想解之间的距离分别为

第i(i＝1,2,…,m_a)个用电负荷的评分

按评分顺序排列m_a个用电负荷，评分越高的用电负荷受激效果越好。