[发明专利]用电量预测方法、用电量调节方法

说明书

本发明涉及一种用电量预测方法、用电量调节方法，包括：S11、选择受激效果好的用电负荷作为激励重点目标；S12、提取与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；S13、使用遗传算法搜寻BP神经网络的初始权重值，建立初始BP神经网络；将训练集的温度向量和电价向量作为输入，将训练集的用电量向量作为输出，得到BP神经网络；使用测试集测试BP神经网络，将BP神经网络的预测误差作为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神经网络即目标BP神经网络。这样，可以提高用电量调节的有效性。

技术领域

本发明涉及一种用电负荷调节技术领域，具体涉及一种用电量预测方法、用电量调节方法。

背景技术

目前，用电量逐年攀升，单一调整供给侧以缓解供电压力的模式已不再适用，因此，需要最大限度地统筹利用供需两侧资源，进一步加强需求侧管理，增加需求侧响应的实施范围与项目类别，而用户主动响应意愿与响应程度对需求响应项目的实施效果影响较大，且价格波动或激励措施对用户负荷影响具有较大的不确定性，因此，根据用电负荷响应潜力建立用电负荷调节模型，以指导对需求侧的用电负荷调节具有重要意义。

公开于2022年11月25日的中国专利文献CN115392594A记载了一种基于神经网络和特征筛选的用电负荷模型训练方法，包括：获取训练样本数据；所述训练样本数据包括至少一个用户用电负荷样本数据，以及，各所述用户用电负荷样本数据对应的各候选用电特征组合；获取针对各所述候选用电特征组合对应的特征选择变量，并采用梯度下降的方法，从各所述候选用电特征组合中筛选出目标用电特征组合；将所述目标用电特征组合输入至待训练的电力负荷预测模型中，得到用户用电负荷预测数据；基于所述用户用电负荷预测数据和所述目标用电特征组合所对应的用户用电负荷样本数据之间的差异，获取所述待训练的电力负荷预测模型对应的模型损失值；根据所述模型损失值调整所述待训练的电力负荷预测模型的模型参数，直至所述模型损失值低于预设阈值，将所述模型参数调整后的待训练的电力负荷预测模型作为训练好的电力负荷预测模型。该技术方案从用电负荷预测的角度预测用电负荷，但实际中，如何预测调节后的用电负荷的应用前景更大。

发明内容

本发明的目的是提供一种用电量预测方法、用电量调节方法，以提高用电量调节的有效性。

本发明的技术方案是：

一种用电量预测方法，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。

优选的，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