技术特征：
1.一种基于快速响应的工业用户负荷可行域预测方法，其特征在于，包括以下步骤：基于prophet算法，通过采集工业用户的历史日负荷数据，进行训练，构建用于预测所述工业用户的负荷的预测模型；基于所述工业用户的试点用户群的随机可变参考项的均值与方差，获取所述随机可变参考项的基准值与模糊值，作为所述试点用户群的行业共性特征；基于所述试点用户群的日常用电曲线，获取用电特征指标值，作为所述试点用户群的个性特征；基于所述预测模型，通过所述行业共性特征和所述个性特征，获取所述试点用户群的负荷的可行域进行预测。2.根据权利要求1所述一种基于快速响应的工业用户负荷可行域预测方法，其特征在于：在获取历史日负荷数据的过程中，将所述历史日负荷数据进行预处理后，作为训练的数据集，从而生成所述预测模型，其中，数据包括历史多日的用电负荷数据、是否节假日、是否停工停产；将历史多日的用电负荷数据、是否节假日、是否停工停产进行数据预处理，对历史数据中的异常值的平稳化以及缺失数据的补遗，针对异常数据，在进行分析数据时，将前后两个时间的负荷数据作为基准，设定待处理数据的最大变动范围，当待处理数据超过这个范围，就视为不良数据，采用平均值的方法平稳其变化。3.根据权利要求2所述一种基于快速响应的工业用户负荷可行域预测方法，其特征在于：在构建预测模型的过程中，基于所述prophet算法，通过所述数据集构建所述预测模型，其中，所述预测模型用于将所述数据集中的用户的非周期变化趋势项类型，输入负荷数据进行拟合，得到预测用户的非周期变化趋势项；通过采用傅里叶级数拟合时间序列中包含天、周、月的多种周期类型的季节性变化趋势，以表达相关的周期变化属性，得到负荷的周期变化趋势项，给每个特殊日期制定一个时间变化窗口进行定义，并进行拟合得到负荷的特殊日期影响项；拟合三类数据得到所述用户的最终预测值。4.根据权利要求3所述一种基于快速响应的工业用户负荷可行域预测方法，其特征在于：在构建预测模型的过程中，所述预测模型表示为：在构建预测模型的过程中，所述预测模型表示为：在构建预测模型的过程中，所述预测模型表示为：
其中，表示增长函数，一般用来表示用户负荷拟合时间序列中的预测值的非周期性变化；是一个周期项用来表示一般用户负荷时序数据的周期性变化，是节假日项，用来表示假期、节日对时序数据造成的影响，为误差项，表示模型未预测到的波动，服从高斯分布；k表示负荷随时间t变化的平均周期增长率，a（t）为拟定的特殊时段前负荷突变点发生变化的次数，δ是为负荷增长率变化量，m是偏移量，，与特殊时段导致的突变点选取有关，s为突变点，是a（t）的转置矩阵，为最大承载量；p表示时间序列的周期，2n表示模型中使用的周期的个数，、为傅里叶系数；ｎ为prophet自调节的傅里叶级数的阶数，表示模型中使用的周期的个数；i表示节假日，d
i
表示窗口期中包含的时间t，k
i
表示节假日对预测结果的影响，1表示d
i
当前取值。5.根据权利要求4所述一种基于快速响应的工业用户负荷可行域预测方法，其特征在于：在获取误差项的过程中，所述误差项包括：均方误差、均方根误差、平均绝对误差和平均绝对百分比误差，其中，和平均绝对百分比误差，其中，和平均绝对百分比误差，其中，和平均绝对百分比误差，其中，式中，实际值为，预测值为。6.根据权利要求5所述一种基于快速响应的工业用户负荷可行域预测方法，其特征在于：在获取试点用户群的随机可变参考项的均值与方差的过程中，将用户参与需求响应的用户参与度与电价刺激水平的关系表示为一个三段式的分段线性函数，其中，第一段表示电价刺激水平的响应下限区，第二段表示电价刺激水平的响应可行域，第三段表示电价刺
激水平的响应上限区；所述分段线性函数表示为：式中，μ、σ、以及四个参数定义为描述用户响应潜力的指标，分别为均值、方差、均值模糊值以及方差模糊值，为电价刺激水平，表示给定电价刺激水平，为已知的确定参数，μ0、σ0为随机可变参考项实际数据的均值与标准差、δ
i
表示给定的激励强度、δμ表示μ的误差量、δσ表示σ的误差量。7.根据权利要求6所述一种基于快速响应的工业用户负荷可行域预测方法，其特征在于：在获取随机可变参考项的基准值与模糊值的过程中，基于均值与方差的取值，获取所述基准值和所述模糊值，其中，所述基准值和所述模糊值表示为：述基准值和所述模糊值，其中，所述基准值和所述模糊值表示为：述基准值和所述模糊值，其中，所述基准值和所述模糊值表示为：式中，、为均值与方差的基准值，、为均值与方差的模糊值，和分别为、的误差量。8.根据权利要求7所述一种基于快速响应的工业用户负荷可行域预测方法，其特征在于：在获取个性特征的过程中，通过构建用电特征指标集，通过pca进行指标降维，获取所述试点用户群的个性化确定参数，作为所述个性特征，其中，所述个性化确定参数的表达式
为：为：式中，表示提取出的用电曲线主成分，表示第k个主成分的贡献率，r为表示样本个数，为第k个主成分对应第l个指标的系数，为主成分的系数，x
l
表示第l个指标的取值。9.一种基于快速响应的工业用户负荷可行域预测系统，其特征在于，包括：数据采集模块，用于工业用户的试点用户群的日负荷数据；数据处理模块，用于获取所述日负荷数据的随机可变参考项；第一数据分析模块，用于根据所述随机可变参考项的均值与方差，获取所述随机可变参考项的基准值与模糊值，作为所述试点用户群的行业共性特征；第二数据分析模块，用于通过所述日负荷数据，获取所述试点用户群的日常用电曲线，生成用电特征指标值，作为所述试点用户群的个性特征；负荷可行域预测模块，用于基于所述预测模型，通过所述行业共性特征和所述个性特征，获取所述试点用户群的负荷的可行域进行预测，其中，基于prophet算法，通过采集所述工业用户的历史日负荷数据，进行训练，构建用于预测所述工业用户的负荷的预测模型。
技术总结
本发明公开了一种基于快速响应的工业用户负荷可行域预测方法及系统，属于电力系统负荷预测技术领域，包括：获取用户近一个季度的历史日负荷数据，并进行预处理；通过prophet算法，拟合得到大工业用户的基线负荷值；然后计算试点用户群的随机可变参考项，以此为数据基础建立大工业用户的随即可变参考项数学模型；计算大工业一般用户的响应特征参数，并将响应特征参数作为个性特征，随机可变参考项作为行业特征，二者进行拟合得到用户参与度；拟合基线负荷和用户需求响应潜力，得到快速响应的预测可行域；本发明实现了对于工业用户负荷可行域的快速预测，快速响应了电力系统的变化，有效提高了电力系统的安全性和可靠性。效提高了电力系统的安全性和可靠性。效提高了电力系统的安全性和可靠性。
技术研发人员：周亮 张景淇 马振宇 申一凡 马力 刘敦楠 孟梁涛 吴琼 余志文 彭伟伦 刘琦颖 施应玲 李奥
受保护的技术使用者：华北电力大学 北京华电能源互联网研究院有限公司
技术研发日：2023.06.27
技术公布日：2023/10/10