CN112183634A - 一种用户需求响应方法、装置、终端及存储介质 - Google Patents

一种用户需求响应方法、装置、终端及存储介质 Download PDF

Info

Publication number
CN112183634A
CN112183634A CN202011047588.8A CN202011047588A CN112183634A CN 112183634 A CN112183634 A CN 112183634A CN 202011047588 A CN202011047588 A CN 202011047588A CN 112183634 A CN112183634 A CN 112183634A
Authority
CN
China
Prior art keywords
user
electricity consumption
demand response
customers
classification
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
Application number
CN202011047588.8A
Other languages
English (en)
Inventor
陈瑞林
王腾
岳岩
张宗贤
马亚南
张涛
何延辉
程旭辉
任军霞
岳宗坤
刘奎民
邢树浩
刘明利
王惠民
邹飞
王亚玲
徐慧
杜燕
柳楠楠
王新新
张玉景
王玉琳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Shandong Electric Power Co Guanxian Power Supply Co
Liaocheng Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Shandong Electric Power Co Guanxian Power Supply Co
Liaocheng Power Supply Co of State Grid Shandong Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Shandong Electric Power Co Guanxian Power Supply Co, Liaocheng Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical State Grid Shandong Electric Power Co Guanxian Power Supply Co
Priority to CN202011047588.8A priority Critical patent/CN112183634A/zh
Publication of CN112183634A publication Critical patent/CN112183634A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • 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)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Water Supply & Treatment (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种用户需求响应方法、装置、终端及存储介质，获取用户用电参数；对于用户用电参数，基于预先训练模型的用户分类模型对用户进行分类，所述预先训练模型由最近邻分类器进行训练；根据用户分类的类别对用户调整用户用电模式。本发明所考虑参数包括日用电量、周用电量、月用电量、每日平均峰值用电时长、每日峰值用电时段，不仅考虑每日的用电量，还考虑周用电量和月用电量，有效剔除异常情况，提高分类准确性。

Description

一种用户需求响应方法、装置、终端及存储介质
技术领域
本发明涉及电网用户需求响应领域，具体涉及一种用户需求响应方法、装置、终端及存储介质。
背景技术
随着智能电网的发展，电力需求侧的管理越来越受到重视。电力需求侧管理通过需求侧和供电侧的互动实现供电用电的优化，达到节能减排，提高用电使用效率的效果。进行电力需求侧的管理首先需要对用户进行分类，但目前的分类方式一般只考虑短期用电，对用户分类不够精确。
发明内容
为解决上述问题，本发明提供一种用户需求响应方法、装置、终端及存储介质。
本发明的技术方案为：一种用户需求响应方法，包括以下步骤：
获取用户用电参数；
对于用户用电参数，基于预先训练模型的用户分类模型对用户进行分类，所述预先训练模型由最近邻分类器进行训练；
根据用户分类的类别对用户调整用户用电模式。
进一步地，所获取用户用电参数包括：日用电量、周用电量、月用电量、每日平均峰值用电时长。
进一步地，最近邻分类器分类函数为：
Figure 393460DEST_PATH_IMAGE001
其中，xi为用户用电参数的第i个变量，ui个某个类别所对应第i个变量的特征值，wi为第i个变量的特征权重，N为变量数。
进一步地，最近邻分类器对预先训练模型进行训练时，通过高斯函数对用户用电参数的各变量权重进行训练。
本发明的技术方案还包括一种用户需求响应装置，包括，
参数获取模块：获取用户用电参数；
类别分类模块：对于用户用电参数，基于预先训练模型的用户分类模型对用户进行分类，所述预先训练模型由最近邻分类器进行训练；
模式调整模块：根据用户分类的类别对用户调整用户模式。
进一步地，参数获取模块所获取用户用电参数包括：日用电量、周用电量、月用电量、每日平均峰值用电时长。
进一步地，最近邻分类器分类函数为：
Figure 62339DEST_PATH_IMAGE001
其中，xi为用户用电参数的第i个变量，ui个某个类别所对应第i个变量的特征值，wi为第i个变量的特征权重，N为变量数。
进一步地，最近邻分类器对预先训练模型进行训练时，通过高斯函数对用户用电参数的各变量的特征权重进行训练。
本发明的技术方案还包括一种终端，包括：
处理器；
用于存储处理器的执行指令的存储器；
其中，所述处理器被配置为执行上述任一项所述的方法。
本发明的技术方案还包括一种存储有计算机程序的计算机可读存储介质，该程序被处理器执行时实现如上述任一项所述的方法。
本发明提供的一种用户需求响应方法、装置、终端及存储介质，预先通过最近邻分类器对用户分类模型进行训练，之后通过训练的模型对用户分类即可，对用户分类后根据分类结果调整用户用电模式。优选地，所考虑参数包括日用电量、周用电量、月用电量、每日平均峰值用电时长、每日峰值用电时段，不仅考虑每日的用电量，还考虑周用电量和月用电量，有效剔除异常情况，提高分类准确性。
附图说明
图1是本发明具体实施例一方法流程示意图；
图2是本发明具体实施例二结构示意框图。
具体实施方式
下面结合附图并通过具体实施例对本发明进行详细阐述，以下实施例是对本发明的解释，而本发明并不局限于以下实施方式。
实施例一
如图1所示，本实施例提供一种用户需求响应方法，包括以下步骤。
S1，获取用户用电参数；
所获取用户用电参数包括：日用电量、周用电量、月用电量、每日平均峰值用电时长。
其中，用电的峰值根据每日用电曲线确定，定义一个比例值，该比例值为当前用电量与当日最高用电量的比值，超过该比例值的部分为峰值用电。另外，定义一个低用电量，若全日段用电量均在低用电量以上，则该日全日段均为峰值用电。
S2，对于用户用电参数，基于预先训练模型的用户分类模型对用户进行分类，其中，预先训练模型由最近邻分类器进行训练；
本实施例通过最近邻分类器进行用户分类，实际分类前，需要预先进行分类模型训练。
最近邻分类器分类函数为：
Figure 55702DEST_PATH_IMAGE001
其中，xi为用户用电参数的第i个变量，ui个某个类别所对应第i个变量的特征值，wi为第i个变量的特征权重，N为变量数（本实施例N为4）。
最近邻分类器的目标即找出与样本x最相近的类别。需要说明的是，在进行训练之前，已根据需要对用户类别进行设置，比如分为稳定高用电用户、不稳定高用电用户、稳定低用电用户、不稳定低用电用户。
进行训练时，已获知训练样本x（用户用电参数），也已知其应对应的分类，训练的目的是如何设置特征权重w使样本x分类到其应对应的类别。
本实施例通过高斯函数对用户用电参数的各变量的特征权重进行训练，最终确定出用户用电参数各变量的特征权重。确定出特征权重后，真实对用户进行分类时，只需输入用户用电参数，即可分别针对各个类别进行计算，找出最相似的类别。
S3，根据用户分类的类别对用户调整用户用电模式；
对用户进行分别后，即可调整用户的用电模式，比如具体电价，电价峰谷时间等。
实施例二
如图2所示，在实施例一基础上，本实施例提供一种用户需求响应装置。包括以下功能模块。
参数获取模块101：获取用户用电参数；
类别分类模块102：对于用户用电参数，基于预先训练模型的用户分类模型对用户进行分类，所述预先训练模型由最近邻分类器进行训练；
模式调整模块103：根据用户分类的类别对用户调整用户模式。
其中，参数获取模块101所获取用户用电参数包括：日用电量、周用电量、月用电量、每日平均峰值用电时长。
类别分类模块102所使用最近邻分类器分类函数为：
Figure 810032DEST_PATH_IMAGE001
其中，xi为用户用电参数的第i个变量，ui个某个类别所对应第i个变量的特征值，wi为第i个变量的特征权重，N为变量数。
最近邻分类器对预先训练模型进行训练时，通过高斯函数对用户用电参数的各变量的特征权重进行训练。
类别分类模块102对用户的分类类别包括稳定高用电用户、不稳定高用电用户、稳定低用电用户、不稳定低用电用户。
实施例三
本实施例提供一种终端，该终端包括处理器和存储器。
存储器用于存储处理器的执行指令。存储器可以由任何类型的易失性或非易失性存储终端或者它们的组合实现，如静态随机存取存储器（SRAM），电可擦除可编程只读存储器（EEPROM），可擦除可编程只读存储器（EPROM），可编程只读存储器（PROM），只读存储器（ROM），磁存储器，快闪存储器，磁盘或光盘。当存储器中的执行指令由处理器执行时，使得终端能够执行上述方法实施例中的部分或全部步骤。
处理器为存储终端的控制中心，利用各种接口和线路连接整个电子终端的各个部分，通过运行或执行存储在存储器内的软件程序和/或模块，以及调用存储在存储器内的数据，以执行电子终端的各种功能和/或处理数据。所述处理器可以由集成电路(IntegratedCircuit，简称IC) 组成，例如可以由单颗封装的IC 所组成，也可以由连接多颗相同功能或不同功能的封装IC而组成。
实施例四
本实施例提供一种计算机存储介质，其中，该计算机存储介质可存储有程序，该程序执行时可包括本发明提供的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体（英文：read-only memory，简称：ROM）或随机存储记忆体（英文：randomaccess memory，简称：RAM）等。
以上公开的仅为本发明的优选实施方式，但本发明并非局限于此，任何本领域的技术人员能思之的没有创造性的变化，以及在不脱离本发明原理前提下所作的若干改进和润饰，都应落在本发明的保护范围内。

Claims (10)

1.一种用户需求响应方法，其特征在于，包括以下步骤：
获取用户用电参数；所述用户用电参数包括：日用电量、周用电量、月用电量、每日平均峰值用电时长；
对于用户用电参数，基于预先训练模型的用户分类模型对用户进行分类，所述预先训练模型由最近邻分类器进行训练；
根据用户分类的类别对用户调整用户用电模式。
2.根据权利要求1所述的用户需求响应方法，其特征在于，最近邻分类器分类函数为：
Figure 365087DEST_PATH_IMAGE001
其中，xi为用户用电参数的第i个变量，ui个某个类别所对应第i个变量的特征值，wi为第i个变量的特征权重，N为变量数。
3.根据权利要求2所述的用户需求响应方法，其特征在于，最近邻分类器对预先训练模型进行训练时，通过高斯函数对用户用电参数的各变量权重进行训练。
4.根据权利要求3所述的用户需求响应方法，其特征在于，用户的分类类别包括稳定高用电用户、不稳定高用电用户、稳定低用电用户、不稳定低用电用户。
5.一种用户需求响应装置，其特征在于，包括，
参数获取模块：获取用户用电参数；所述用户用电参数包括：日用电量、周用电量、月用电量、每日平均峰值用电时长
类别分类模块：对于用户用电参数，基于预先训练模型的用户分类模型对用户进行分类，所述预先训练模型由最近邻分类器进行训练；
模式调整模块：根据用户分类的类别对用户调整用户模式。
6.根据权利要求5所述的用户需求响应装置，其特征在于，最近邻分类器分类函数为：
Figure 68339DEST_PATH_IMAGE001
其中，xi为用户用电参数的第i个变量，ui个某个类别所对应第i个变量的特征值，wi为第i个变量的特征权重，N为变量数。
7.根据权利要求6所述的用户需求响应装置，其特征在于，最近邻分类器对预先训练模型进行训练时，通过高斯函数对用户用电参数的各变量的特征权重进行训练。
8.根据权利要求7所述的用户需求响应装置，其特征在于，用户的分类类别包括稳定高用电用户、不稳定高用电用户、稳定低用电用户、不稳定低用电用户。
9.一种终端，其特征在于，包括：
处理器；
用于存储处理器的执行指令的存储器；
其中，所述处理器被配置为执行权利要求1-4任一项所述的方法。
10.一种存储有计算机程序的计算机可读存储介质，其特征在于，该程序被处理器执行时实现如权利要求1-4任一项所述的方法。
CN202011047588.8A 2020-09-29 2020-09-29 一种用户需求响应方法、装置、终端及存储介质 Pending CN112183634A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011047588.8A CN112183634A (zh) 2020-09-29 2020-09-29 一种用户需求响应方法、装置、终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011047588.8A CN112183634A (zh) 2020-09-29 2020-09-29 一种用户需求响应方法、装置、终端及存储介质

Publications (1)

Publication Number Publication Date
CN112183634A true CN112183634A (zh) 2021-01-05

Family

ID=73946438

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011047588.8A Pending CN112183634A (zh) 2020-09-29 2020-09-29 一种用户需求响应方法、装置、终端及存储介质

Country Status (1)

Country Link
CN (1) CN112183634A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106779306A (zh) * 2016-11-22 2017-05-31 南方电网科学研究院有限责任公司 用户分类模型的构建、电力能效分析用户分类方法及装置
CN107220906A (zh) * 2017-05-31 2017-09-29 国网上海市电力公司 基于用电采集系统的多时间尺度用电异常分析方法
CN108776939A (zh) * 2018-06-07 2018-11-09 上海电气分布式能源科技有限公司 用户用电行为的分析方法及系统
CN109753990A (zh) * 2018-11-27 2019-05-14 国网江苏省电力有限公司电力科学研究院 一种用户电能替代潜力预测方法、系统及存储介质
CN110674993A (zh) * 2019-09-26 2020-01-10 广东电网有限责任公司 一种用户负荷短期预测方法和装置
CN111160712A (zh) * 2019-12-06 2020-05-15 北京国电通网络技术有限公司 一种用户的用电参数调节方法及装置
CN111242808A (zh) * 2020-04-26 2020-06-05 广东电网有限责任公司东莞供电局 一种电力用户分类方法、电子设备和存储介质
CN111428766A (zh) * 2020-03-17 2020-07-17 深圳供电局有限公司 一种高维海量量测数据的用电模式分类方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106779306A (zh) * 2016-11-22 2017-05-31 南方电网科学研究院有限责任公司 用户分类模型的构建、电力能效分析用户分类方法及装置
CN107220906A (zh) * 2017-05-31 2017-09-29 国网上海市电力公司 基于用电采集系统的多时间尺度用电异常分析方法
CN108776939A (zh) * 2018-06-07 2018-11-09 上海电气分布式能源科技有限公司 用户用电行为的分析方法及系统
CN109753990A (zh) * 2018-11-27 2019-05-14 国网江苏省电力有限公司电力科学研究院 一种用户电能替代潜力预测方法、系统及存储介质
CN110674993A (zh) * 2019-09-26 2020-01-10 广东电网有限责任公司 一种用户负荷短期预测方法和装置
CN111160712A (zh) * 2019-12-06 2020-05-15 北京国电通网络技术有限公司 一种用户的用电参数调节方法及装置
CN111428766A (zh) * 2020-03-17 2020-07-17 深圳供电局有限公司 一种高维海量量测数据的用电模式分类方法
CN111242808A (zh) * 2020-04-26 2020-06-05 广东电网有限责任公司东莞供电局 一种电力用户分类方法、电子设备和存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
李昂: "基于高斯函数加权的自适应KNN算法", 《现代计算机》 *
焦哲: "新电改条件下负荷特性及零售电价套餐设计分析", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *
陆凯等: "基于最近邻距离权重的ML-KNN算法", 《计算机应用研究》 *

Similar Documents

Publication Publication Date Title
US20150277410A1 (en) Power delivery system management
Hargreaves et al. REFLEX: An adapted production simulation methodology for flexible capacity planning
CN113112099A (zh) 电网日电量预测模型训练方法和电网日电量预测方法
CN112508734A (zh) 基于卷积神经网络的电力企业发电量的预测方法及装置
CN109389437A (zh) 电价的定价方法、定价装置及终端
CN114238856A (zh) 风光资源未来预测误差求解方法、装置、设备及存储介质
CN112183634A (zh) 一种用户需求响应方法、装置、终端及存储介质
CN112330017A (zh) 电力负荷预测方法、装置、电子设备和存储介质
CN109582921B (zh) 配电变压器负载状态评估方法及终端设备
CN109344875B (zh) 基于聚类分析的日风电出力时序生成方法及装置
CN116488149A (zh) 微电网发电策略确定方法、装置以及微电网
CN116706884A (zh) 光伏发电量的预测方法、装置、终端及存储介质
CN115864461A (zh) 一种电力储能系统的控制方法
CN112737422B (zh) 一种基于云计算的电机设备调速控制方法
CN112348235B (zh) 风光母线负荷自适应预测方法、装置、计算机设备
CN112488447A (zh) 一种基于需求响应合同的数据中心的功耗调控方法及系统
CN114638472B (zh) 限制企业用电的方法、系统、终端及存储介质
CN115528687B (zh) 一种有限成本约束下的电力系统柔性响应能力优化方法
CN118070134B (zh) 一种园区内用户用电能耗预测方法及系统
CN117332236B (zh) 一种虚拟电厂的数据跟踪检测方法、装置及存储介质
CN118536840B (zh) 一种基于前后处理机制的分布式光伏出力预测方法及系统
CN117526376B (zh) 一种虚拟电厂的光伏发电与储能聚合管理方法及装置
US20230402843A1 (en) System and method of forcasting the impact of different energy technologies on power consumption and/or cost
CN117709554B (zh) 一种储热与电磁加热器联合的能源调度方法及系统
CN112803524B (zh) 电池充电控制方法、装置及终端

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210105

RJ01 Rejection of invention patent application after publication