一种基于需求价格弹性修正的负荷预测方法及装置

摘要

本发明实施例提供一种基于需求价格弹性修正的负荷预测方法及装置，该方法包括根据多天各时刻的历史负载需求变化率和多天各时刻的历史电价变化率，得到电价需求响应弹性矩阵；通过电价需求响应弹性矩阵和原始用电量‑当日电价变化率乘积向量信息，计算得到多天中任一时刻的负载需求变化预估值信息；根据负载需求变化预估值信息和原始用电量‑当日电价变化率乘积向量信息，构建负载需求变化量重构误差最小函数；通过灰狼优化算法对负载需求变化量重构误差最小函数进行优化，当满足预设条件时，得到优化后的电价需求响应弹性矩阵，以根据优化后的电价需求响应弹性矩阵得到预测日最终负荷预测信息。更准确地预测负荷响应前后的负荷曲线。

说明书

技术领域

本发明涉及电力技术领域，尤其涉及一种基于需求价格弹性修正的负荷预测方法及装置。

背景技术

随着主动配电系统的发展，大量的分布式电源、电动汽车和储能装置等灵活性资源大规模接入配电网，不仅影响着电网运行的经济性、更影响着电力系统的安全和稳定性。不同于传统的配电网，主动配电网中的负荷可以随着电力市场动态调整自身的用电行为习惯来提高用电经济性，改变原有的用电负荷曲线，显然，基础负荷预测方法已经不能准确地预测参与需求响应的负荷，

并且，只有更精准的预测出用户在未来一段时间内负荷响应的变化情况，才能有针对性的提出需求响应的举措，改善负载曲线，促进发电商与用户之间的交易成功率。

因此如何针对于主动配电系统，更精准的实现负荷预测已经成为业界亟待解决的问题。

发明内容

本发明实施例提供一种基于需求价格弹性修正的负荷预测方法及装置，用以解决上述背景技术中提出的技术问题，或至少部分解决上述背景技术中提出的技术问题。

第一方面，本发明实施例提供一种基于需求价格弹性修正的负荷预测方法，包括：

根据多天各时刻的历史负载需求变化率和多天各时刻的历史电价变化率，得到电价需求响应弹性矩阵；

通过所述电价需求响应弹性矩阵和原始用电量-当日电价变化率乘积向量信息，计算得到多天中任一时刻的负载需求变化预估值信息；

根据所述负载需求变化预估值信息和原始用电量-当日电价变化率乘积向量信息，构建负载需求变化量重构误差最小函数；

通过灰狼优化算法对所述负载需求变化量重构误差最小函数进行优化，当满足预设条件时，得到优化后的响应弹性矩阵，以根据所述优化后的电价需求响应弹性矩阵得到预测日最终负荷预测信息。

更具体的，在所述根据多天各时刻的历史负载需求变化率和多天各时刻的历史电价变化率得到电价需求响应弹性矩阵的步骤之前，所述方法还包括：

获取多天各时刻的历史电价信息和多天各时刻的历史负载信息；

根据所述多天各时刻的历史电价信息得到多天各时刻的历史电价变化率，根据所述多天各时刻的历史负载信息得到多天各时刻的历史负载需求变化率；

其中，每天包括24个时刻。

更具体的，所述根据多天各时刻的历史负载需求变化率和多天各时刻的历史电价变化率，得到电价需求响应弹性矩阵的步骤，具体包括：

获取同一时刻的电价需求自响应弹性系数；

获取不同时刻的电价需求交叉响应弹性系数；

根据所述电价需求自相应弹性系数和电价需求交叉响应弹性系数组成电价需求响应弹性矩阵。

更具体的，所述通过所述电价需求响应弹性矩阵和原始用电量-当日电价变化率乘积向量信息，计算得到多天中任一时刻的负载需求变化预估值信息的步骤之前，所述方法还包括：

根据所述多天各时刻的历史负载信息获取第一时刻的初始用电量信息；

根据所述多天各时刻的历史电价信息获取所述第一时刻所在当天24个时刻的电价变化量信息；

根据所述第一时刻的初始用电量信息和所述第一时刻所在当天24个时刻的电价变量信息，得到原始用电量-当日电价变化率乘积向量信息。

更具体的，所述根据所述优化后的电价需求响应弹性矩阵得到预测日最终负荷预测信息的步骤，具体包括：

获取预测日电价信息和预测日负荷信息，得到预测日电价变化率信息；

根据所述预测日电价变化率信息和所述优化后的电价需求响应弹性矩阵得到预测日响应负荷信息；

将预测日基础负荷和预测日响应负荷信息进行叠加，得到预测日最终负荷预测信息。

更具体的，在所述将预测日基础负荷和预测日响应负荷信息进行叠加的步骤之前，所述方法还包括：

构建预测日特征矩阵信息；

对所述特征矩阵信息进行主成分分析，选取相似日信息；

根据所述相似日信息通过CS-SVM短期负荷预测方法，得到预测日基础负荷。

第二方面，本发明实施例提供一种基于需求价格弹性修正的负荷预测装置，包括：

第一计算模块，用于根据多天各时刻的历史负载需求变化率和多天各时刻的历史电价变化率，得到电价需求响应弹性矩阵；

第二计算模块，用于通过所述电价需求响应弹性矩阵和原始用电量-当日电价变化率乘积向量信息，计算得到多天中任一时刻的负载需求变化预估值信息；

重构误差模块，用于根据所述负载需求变化预估值信息和原始用电量-当日电价变化率乘积向量信息，构建负载需求变化量重构误差最小函数；

预测模块，用于通过灰狼优化算法对所述负载需求变化量重构误差最小函数进行优化，当满足预设条件时，得到优化后的响应弹性矩阵，以根据所述优化后的电价需求响应弹性矩阵得到预测日最终负荷预测信息。

第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述基于需求价格弹性修正的负荷预测方法的步骤。

第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述基于需求价格弹性修正的负荷预测方法的步骤。

本发明实施例提供的一种基于需求价格弹性修正的负荷预测方法及装置，通过将负荷分解为基础负荷和需求响应负荷来分别进行预测，并从自响应弹性和交叉响应弹性角度构建电价需求响应弹性系数，并通过构建负载需求变化量重构误差最小函数，运用灰狼优化算法得到优化响应弹性矩阵，从而实现需求响应负荷的预测，在基于相似日基础负荷预测方法得到基础负荷预测的基础上，建立需求响应环境下总体负荷组合预测方法，准确地预测负荷响应前后的负荷曲线，将为电力系统安全调度、电力市场有序进行提供依据，对需求响应策略的更好实施具有重要意义。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一实施例中所描述的基于需求价格弹性修正的负荷预测方方法流程示意图；

图2为本发明一实施例中所描述的基础负荷预测方法流程图；

图3为本发明一实施例所描述的基于需求价格弹性修正的负荷预测装置结构示意图；

图4为本发明一实施例所描述的电子设备结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明一实施例中所描述的基于需求价格弹性修正的负荷预测方方法流程示意图，如图1所示，包括：

步骤S1，根据多天各时刻的历史负载需求变化率和多天各时刻的历史电价变化率，得到电价需求响应弹性矩阵；

步骤S2，通过所述电价需求响应弹性矩阵和原始用电量-当日电价变化率乘积向量信息，计算得到多天中任一时刻的负载需求变化预估值信息；

步骤S3，根据所述负载需求变化预估值信息和原始用电量-当日电价变化率乘积向量信息，构建负载需求变化量重构误差最小函数；

步骤S4，通过灰狼优化算法对所述负载需求变化量重构误差最小函数进行优化，当满足预设条件时，得到优化后的电价需求响应弹性矩阵，以根据所述优化后的电价需求响应弹性矩阵得到预测日最终负荷预测信息。

具体的，本发明实施例中所描述的多天各时刻的历史负载需求变化率和多天各时刻的历史电价变化率都是通过响应前后的电网历史数据中的历史电价信息和历史负载信息得到的，本发明实施例中的多天各时刻是指，历史数据中的不特定多天，且每天存在24个时刻，即每个时刻可以是指一个小时。

本发明实施例中所描述的电价需求响应弹性矩阵是指，由同一时刻的电价需求自响应弹性系数，和不同时刻的电价需求交叉响应弹性系数组成的电价需求响应弹性矩阵。

本发明实施例中所描述的负载需求变化量是指相应负荷和需求负荷的差值。

电价需求响应弹性矩阵具体为：

其中，e(i,j)为电价需求响应弹性矩阵E的第i行第j列的元素，表示j时刻的电价变化对i时刻的负荷变化的影响。

本发明实施例中所描述的原始用电量-当日电价变化率乘积向量信息具体是指第M天第i时段的初始用电量，与当天24个时段电价变化率的成绩向量，为1×24维。

本发明实施例中所描述的计算多天中任意时刻负载需求变化预估值信息具体是指通过电价需求响应弹性，计算M天第i时段需求变化率Δq

其中，e(i,j)为电价需求响应弹性矩阵向量，q

本发明实施例中所描述的构建负载需求变化量重构误差最小函数，是指以i时段的需求变化量重构误差函数最小的目标函数，即：

其中，q

本发明实施例中所描述的通过灰狼优化算法优化过程是指，通过灰狼优化算法对负载需求变化量重构误差最小函数每次输出一个最优解，然后将i+1，重复通过灰狼算法进行优化，直至满足i≥24，得到多个最优解，从而得到优化后的电价需求响应弹性矩阵。

具体为，设置狼群规模大小为D、最大迭代次数为t

按照灰狼狩猎时包围、猎捕、更新等规则更新狼群位置，产生新一代个体，采用精英保持策略，将父代与子代狼群合并成为新狼群D。

判断种群迭代是否达到最大值y

判断是否i≥24，若是，则进行下一步；否则，i＝i+1,继续进行下一时刻的响应系数的优化，直到i＝24结束得到响应弹性矩阵。

根据预测日的电价信息和预测日负荷信息，得到预测日电价变化率信息，然后结合优化后的电价需求响应弹性矩阵得到预测日响应负荷信息，通过相似日基础负荷预测方法得到基础负荷预测，最后将预测日基础负荷和预测日响应负荷信息进行叠加，得到预测日最终负荷预测信息。

本发明实施例的方法还包括：

针对需求响应负荷曲线引入最大负荷减少比例、最小负荷增加比例、负荷减少的峰谷差比例和最大峰谷负荷差比例指标这四个聚类指标，将需求响应负荷曲线进行聚类，分别得到聚类后的最大负荷减少电价需求弹性矩阵、最小负荷增加电价需求弹性矩阵、负荷减少的峰谷差电价需求弹性矩阵和最大峰谷负荷差电价需求弹性矩阵。

根据聚类后的最大负荷减少电价需求弹性矩阵、最小负荷增加电价需求弹性矩阵、负荷减少的峰谷差电价需求弹性矩阵和最大峰谷负荷差电价需求弹性矩阵，分别通过构建负载需求变化量重构误差最小函数，运用灰狼优化算法得到优化响应弹性矩阵，从而实现需求响应负荷的预测。通过先聚类在分析的方法，更够有效减少算法运算量，加快算法收敛，保证预测的准确性。

本发明实施例通过负荷分解为基础负荷和需求响应负荷来分别进行预测，并从自响应弹性和交叉响应弹性角度构建电价需求响应弹性系数，并通过构建负载需求变化量重构误差最小函数，运用灰狼优化算法得到优化响应弹性矩阵，从而实现需求响应负荷的预测，在基于相似日基础负荷预测方法得到基础负荷预测的基础上，建立需求响应环境下总体负荷组合预测方法，准确地预测负荷响应前后的负荷曲线，将为电力系统安全调度、电力市场有序进行提供依据，对需求响应策略的更好实施具有重要意义。

在上述实施例的基础上，在所述根据多天各时刻的历史负载需求变化率和多天各时刻的历史电价变化率得到电价需求响应弹性矩阵的步骤之前，所述方法还包括：

获取多天各时刻的历史电价信息和多天各时刻的历史负载信息；

根据所述多天各时刻的历史电价信息得到多天各时刻的历史电价变化率，根据所述多天各时刻的历史负载信息得到多天各时刻的历史负载需求变化率；

其中，每天包括24个时刻。

所述根据多天各时刻的历史负载需求变化率和多天各时刻的历史电价变化率，得到电价需求响应弹性矩阵的步骤，具体包括：

获取同一时刻的电价需求自响应弹性系数；

获取不同时刻的电价需求交叉响应弹性系数；

根据所述电价需求自相应弹性系数和电价需求交叉响应弹性系数组成电价需求响应弹性矩阵。

具体的，电价和用户用电需求之间的响应关系可以用弹性系数表示。同一时刻的功率需求变化率Δq

其中，q

某一时刻的需求变化率Δq

其中，p

由自响应弹性系数和交叉响应弹性系数组成响应弹性矩阵为

其中，e(i,j)为电价需求响应弹性矩阵E的第i行第j列的元素，表示j时刻的电价变化对i时刻的负荷变化的影响。

本发明实施例通过同一时刻的电价需求自响应弹性系数和不同时刻的电价需求交叉响应弹性系数，有效构建了电价需求响应弹性矩阵，有利于后续步骤的进行。

在上述实施例的基础上，所述通过所述电价需求响应弹性矩阵和原始用电量-当日电价变化率乘积向量信息，计算得到多天中任一时刻的负载需求变化预估值信息的步骤之前，所述方法还包括：

根据所述多天各时刻的历史负载信息获取第一时刻的初始用电量信息；

根据所述多天各时刻的历史电价信息获取所述第一时刻所在当天24个时刻的电价变化量信息；

根据所述第一时刻的初始用电量信息和所述第一时刻所在当天24个时刻的电价变量信息，得到原始用电量-当日电价变化率乘积向量信息。

具体的，本发明实施例中所描述的第一时刻是指历史数据多天各时刻中的任意时刻。

M天i时刻的负荷需求变化量Δq

其中，i＝1,2,…,24，m＝1,2,…,M,Δq

M天第i时段的初始用电量与当日24个时段电价变化率的乘积向量q

其中，

本发明实施例通过计算第一时刻的初始用电量信息和所述第一时刻所在当天24个时刻的电价变量信息，便于后续实现后续对于需求变化量的预测，有利于负荷预测的实现。

在上述实施例的基础上，所述根据所述优化后的电价需求响应弹性矩阵得到预测日最终负荷预测信息的步骤，具体包括：

获取预测日电价信息和预测日负荷信息，得到预测日电价变化率信息；

根据所述预测日电价变化率信息和所述优化后的电价需求响应弹性矩阵得到预测日响应负荷信息；

将预测日基础负荷和预测日响应负荷信息进行叠加，得到预测日最终负荷预测信息。

具体的，本发明实施例中所描述的预测日电价信息和预测日负荷信息可以通过先有数据库进行查询，例如美国PJM电力市场官网中就能查到具体的数据。

本发明实施例中所描述的根据所述预测日电价变化率信息和所述优化后的电价需求响应弹性矩阵得到预测日响应负荷信息具体为：

其中，e(i,j)为响应弹性矩阵E的第i行第j列的元素，表示j时刻的电价变化对i时刻的负荷变化的影响。

本发明实施例中所描述的预测日基础负荷和预测日响应负荷信息进行叠加具体可以是指将其相加，从而得到预测日最终负荷预测信息。

本发明实施例通过将负荷分解为基础负荷和需求响应负荷来分别进行预测，在对其进行叠加，从而准确地预测负荷响应前后的负荷曲线，将为电力系统安全调度、电力市场有序进行提供依据，对需求响应策略的更好实施具有重要意义。

在上述实施例的基础上，在所述将预测日基础负荷和预测日响应负荷信息进行叠加的步骤之前，所述方法还包括：

构建预测日特征矩阵信息；

对所述特征矩阵信息进行主成分分析，选取相似日信息；

根据所述相似日信息通过CS-SVM短期负荷预测方法，得到预测日基础负荷。

具体的，图2为本发明一实施例中所描述的基础负荷预测方法流程图，如图2所示，包括根据负荷数据和气象因素、节假日类型、最高气温等因素构建特征矩阵，然后采用主成分分析法对特征矩阵进行分析，在将其进行降维优化，得到降维优化后的特征矩阵，计算降维优化后各特征矩阵距离，若其距离小于预设值，则将其选为相似日，通过CS-SVM短期负荷预测方法，得到预测日基础负荷。

本发明实施例通过传统方法得到基础负荷预测，便于本申请将基础负荷和需求响应负荷进行叠加，得到更精准的预测。

图3为本发明一实施例所描述的基于需求价格弹性修正的负荷预测装置结构示意图，如图3所示，包括：第一计算模块310、第二计算模块320、重构误差模块330和预测模块340；其中，第一计算模块310用于根据多天各时刻的历史负载需求变化率和多天各时刻的历史电价变化率，得到电价需求响应弹性矩阵；其中，第二计算模块320用于通过所述电价需求响应弹性矩阵和原始用电量-当日电价变化率乘积向量信息，计算得到多天中任一时刻的负载需求变化预估值信息；其中，重构误差模块330用于根据所述负载需求变化预估值信息和原始用电量-当日电价变化率乘积向量信息，构建负载需求变化量重构误差最小函数；其中，预测模块340用于通过灰狼优化算法对所述负载需求变化量重构误差最小函数进行优化，当满足预设条件时，得到优化后的响应弹性矩阵，以根据所述优化后的电价需求响应弹性矩阵得到预测日最终负荷预测信息。

本发明实施例提供的装置是用于执行上述各方法实施例的，具体流程和详细内容请参照上述实施例，此处不再赘述。

本发明实施例通过将负荷分解为基础负荷和需求响应负荷来分别进行预测，并从自响应弹性和交叉响应弹性角度构建电价需求响应弹性系数，并通过构建负载需求变化量重构误差最小函数，运用灰狼优化算法得到优化响应弹性矩阵，从而实现需求响应负荷的预测，在基于相似日基础负荷预测方法得到基础负荷预测的基础上，建立需求响应环境下总体负荷组合预测方法，准确地预测负荷响应前后的负荷曲线，将为电力系统安全调度、电力市场有序进行提供依据，对需求响应策略的更好实施具有重要意义。

图4为本发明一实施例所描述的电子设备结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行如下方法：根据多天各时刻的历史负载需求变化率和多天各时刻的历史电价变化率，得到电价需求响应弹性矩阵；通过所述电价需求响应弹性矩阵和原始用电量-当日电价变化率乘积向量信息，计算得到多天中任一时刻的负载需求变化预估值信息；根据所述负载需求变化预估值信息和原始用电量-当日电价变化率乘积向量信息，构建负载需求变化量重构误差最小函数；通过灰狼优化算法对所述负载需求变化量重构误差最小函数进行优化，当满足预设条件时，得到优化后的电价需求响应弹性矩阵，以根据所述优化后的电价需求响应弹性矩阵得到预测日最终负荷预测信息。

此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

本发明实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：根据多天各时刻的历史负载需求变化率和多天各时刻的历史电价变化率，得到电价需求响应弹性矩阵；通过所述电价需求响应弹性矩阵和原始用电量-当日电价变化率乘积向量信息，计算得到多天中任一时刻的负载需求变化预估值信息；根据所述负载需求变化预估值信息和原始用电量-当日电价变化率乘积向量信息，构建负载需求变化量重构误差最小函数；通过灰狼优化算法对所述负载需求变化量重构误差最小函数进行优化，当满足预设条件时，得到优化后的电价需求响应弹性矩阵，以根据所述优化后的电价需求响应弹性矩阵得到预测日最终负荷预测信息。

本发明实施例提供一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储服务器指令，该计算机指令使计算机执行上述各实施例提供的方法，例如包括：根据多天各时刻的历史负载需求变化率和多天各时刻的历史电价变化率，得到电价需求响应弹性矩阵；通过所述电价需求响应弹性矩阵和原始用电量-当日电价变化率乘积向量信息，计算得到多天中任一时刻的负载需求变化预估值信息；根据所述负载需求变化预估值信息和原始用电量-当日电价变化率乘积向量信息，构建负载需求变化量重构误差最小函数；通过灰狼优化算法对所述负载需求变化量重构误差最小函数进行优化，当满足预设条件时，得到优化后的电价需求响应弹性矩阵，以根据所述优化后的电价需求响应弹性矩阵得到预测日最终负荷预测信息。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。