基于用户舒适度损失的电力需求侧调度方法及相关设备

本技术涉及电力，尤其涉及基于用户舒适度损失的电力需求侧调度方法及相关设备。

背景技术：

1、电力系统需求响应通过激励用户调整用电行为，以缓解电力系统的负荷峰谷差异显著、供需匹配困难等问题。现有需求响应技术在应对配电网紧急情况时，通常采用轮换限电或按合同容量比例削减的方式，忽视用户个体对用电中断的敏感度差异，这种调度方式虽然能够恢复电网安全，但容易导致高敏感用户承受过大损失，而低敏感用户的调节潜力未被充分利用，造成社会福利损失。

技术实现思路

1、本技术的主要目的在于提出基于用户舒适度损失的电力需求侧调度方法及相关设备，旨在提高配电网的运行安全性，同时提高用户的用电满意度。

2、为实现上述目的，本技术的一方面提出一种基于用户舒适度损失的电力需求侧调度方法，所述方法包括如下步骤：

3、获取落在配电网运行风险区域内的多个用户的历史多变量时间序列数据，每个所述用户的历史多变量时间序列数据至少包含每个所述用户在当前时刻之前的历史时间段内的用电数据和天气数据；

4、通过敏感度系数预测模型对每个所述用户的历史多变量时间序列数据进行分析，得到每个所述用户在所述当前时刻下的敏感度系数；其中，所述敏感度系数预测模型是基于多尺度频率掩码神经网络训练得到的；

5、获取每个所述用户在所述当前时刻下的用电响应量，再根据每个所述用户在所述当前时刻下的用电响应量和敏感度系数，确定每个所述用户在所述当前时刻下的舒适度损失量；

6、根据所述多个用户在所述当前时刻下的舒适度损失量，生成调度策略。

7、进一步地，所述通过敏感度系数预测模型对每个所述用户的历史多变量时间序列数据进行分析，得到每个所述用户在所述当前时刻下的敏感度系数包括：

8、对每个所述用户的历史多变量时间序列数据进行预处理；

9、将预处理后的每个所述用户的历史多变量时间序列数据输入所述敏感度系数预测模型，所述敏感度系数预测模型包括多尺度频率分解模块、掩码频率插值模块和频谱反转模块，先通过所述多尺度频率分解模块对预处理后的每个所述用户的历史多变量时间序列数据进行多尺度分解与频域变换，得到多尺度初始频域分量，再通过所述掩码频率插值模块对所述多尺度初始频域分量进行掩码处理与线性映射，得到多尺度预测频域分量，随后通过所述频谱反转模块对所述多尺度预测频域分量进行时域转换与融合，以确定每个所述用户在所述当前时刻下的敏感度系数。

10、进一步地，所述对每个所述用户的历史多变量时间序列数据进行预处理包括：

11、采用k近邻算法对每个所述用户的历史多变量时间序列数据进行缺失值插补，得到每个所述用户的第一历史多变量时间序列数据；

12、采用箱形图法从每个所述用户的第一历史多变量时间序列数据中筛选出所有异常值并确定统计特征值，再将所述所有异常值替换为所述统计特征值，以得到每个所述用户的第二历史多变量时间序列数据；

13、对每个所述用户的第二历史多变量时间序列数据进行归一化，得到预处理后的每个所述用户的历史多变量时间序列数据。

14、进一步地，每个所述用户在所述当前时刻下的敏感度系数包括每个所述用户在所述当前时刻下的基础敏感度系数和边际递增敏感度系数，所述基础敏感度系数用于表征用户在单位负荷削减初始阶段的舒适度损失变化率，所述边际递增敏感度系数用于表征用户随负荷削减量增加而额外产生的非线性舒适度损失变比率；所述根据每个所述用户在所述当前时刻下的用电响应量和敏感度系数，确定每个所述用户在所述当前时刻下的舒适度损失量包括：

15、根据每个所述用户在所述当前时刻下的用电响应量和基础敏感度系数，计算每个所述用户在所述当前时刻下的第一舒适度损失分量；

16、根据每个所述用户在所述当前时刻下的用电响应量和边际递增敏感度系数，计算每个所述用户在所述当前时刻下的第二舒适度损失分量；

17、根据每个所述用户在所述当前时刻下的第一舒适度损失分量和第二舒适度损失分量，计算每个所述用户在所述当前时刻下的舒适度损失量。

18、进一步地，所述根据所述多个用户在所述当前时刻下的舒适度损失量，生成调度策略包括：

19、将所述多个用户在所述当前时刻下的舒适度损失量按照由低到高的顺序进行排列，再以优先调节舒适度损失量低的用户的用电负荷为目标，根据排列结果生成所述调度策略。

20、进一步地，所述敏感度系数预测模型通过以下方式得到：

21、获取训练数据集，所述训练数据集包含多个目标用户的历史多变量时间序列数据，每个所述目标用户的历史多变量时间序列数据携带对应的真实敏感度系数；其中，所述多个目标用户落在配电网的不同供电拓扑区域；

22、根据所述训练数据集和预设损失函数，对所述多尺度频率掩码神经网络进行训练，得到所述敏感度系数预测模型；其中，所述预设损失函数用于衡量模型输出的预测敏感度系数与真实敏感度系数之间的误差。

23、进一步地，所述配电网运行风险区域通过以下方式确定：

24、实时监测配电网的运行状态数据，所述配电网的运行状态数据包括所述配电网的各个供电线路的负载率和各个节点的电压；

25、当监测到任一所述供电线路的负载率超过预设负载率阈值时，将所述供电线路所在的供电拓扑区域作为所述配电网运行风险区域；

26、当监测到任一所述节点的电压与额定电压之间的偏差值超出预设电压允许波动范围时，将所述节点所在的供电拓扑区域作为所述配电网运行风险区域。

27、为实现上述目的，本技术的另一方面提出一种基于用户舒适度损失的电力需求侧调度系统，所述系统包括：

28、获取模块，用于获取落在配电网运行风险区域内的多个用户的历史多变量时间序列数据，每个所述用户的历史多变量时间序列数据至少包含每个所述用户在当前时刻之前的历史时间段内的用电数据和天气数据；

29、分析模块，用于通过敏感度系数预测模型对每个所述用户的历史多变量时间序列数据进行分析，得到每个所述用户在所述当前时刻下的敏感度系数；其中，所述敏感度系数预测模型是基于多尺度频率掩码神经网络训练得到的；

30、确定模块，用于获取每个所述用户在所述当前时刻下的用电响应量，再根据每个所述用户在所述当前时刻下的用电响应量和敏感度系数，确定每个所述用户在所述当前时刻下的舒适度损失量；

31、生成模块，用于根据所述多个用户在所述当前时刻下的舒适度损失量，生成调度策略。

32、为实现上述目的，本技术的另一方面提出一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的基于用户舒适度损失的电力需求侧调度方法。

33、为实现上述目的，本技术的另一方面提出一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的基于用户舒适度损失的电力需求侧调度方法。

34、本技术至少包括以下有益效果：先获取落在配电网运行风险区域内的多个用户的历史多变量时间序列数据，每个用户的历史多变量时间序列数据至少包含每个用户在当前时刻之前的历史时间段内的用电数据和天气数据，再通过敏感度系数预测模型对每个用户的历史多变量时间序列数据进行分析，得到每个用户在当前时刻下的敏感度系数，其中的敏感度系数预测模型基于多尺度频率掩码神经网络训练得到，接着获取每个用户在当前时刻下的用电响应量，并结合每个用户在当前时刻下的敏感度系数，确定每个用户在当前时刻下的舒适度损失量，可以在适应用户用电行为和外部环境变化的情况下可靠地量化需求响应过程中的用户舒适度损失，随后根据多个用户在当前时刻下的舒适度损失量来生成调度策略，可以提高配电网的运行安全性，同时提高用户的用电满意度。