基于电力需求响应的在线调度方法及其系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116029520A(43)申请公布日2023.04.28(21)申请号202310060187.3G06N3/045(2023.01)(22)申请日2023.01.13G06N3/0464(2023.01)G06N3/047(2023.01)(71)申请人上海合煌能源科技有限公司G06N3/048(2023.01)地址200082上海市杨浦区国定东路275-8G06F16/2455(2019.01)号1310室G06F16/22(2019.01)(72)发明人唐莉范长澜张烈(74)专利代理机构北京中仟知识产权代理事务所(普通合伙)11825专利代理师刘伟然(51)Int.Cl.G06Q10/0631(2023.01)H02J3/06(2006.01)G06Q50/06(2012.01)G06F18/2415(2023.01)G06F18/25(2023.01)权利要求书3页说明书15页附图4页(54)发明名称基于电力需求响应的在线调度方法及其系统(57)摘要公开了一种基于电力需求响应的在线调度方法及其系统，其基于电力用户的电力用户需求响应申报调控数据的整体分布情况来为各个电力用户智能地分配需求响应调控量。具体地，以待调度电力用户的基于全局的电力用户需求响应调控语义特征向量作为查询特征向量，以乘积的方式去搜索作为库的包含多尺度电力需求隐含特征的多尺度电力需求关联特征矩阵，通过这样的方式，构建基于电力需求响应的在线调度方案，其具有更强的适用性和智能性。CN116029520ACN116029520A权利要求书1/3页1.一种基于电力需求响应的在线调度方法，其特征在于，包括：获取多个电力用户的需求响应申报调控的描述，所述需求响应申报调控的描述包括竞价时间、竞价价格以及交易额度；将所述多个电力用户的需求响应申报调控的描述分别通过基于转换器的上下文编码器以得到多个电力用户需求响应调控语义特征向量；将所述多个电力用户需求响应调控语义特征向量进行二维排列为电力用户需求特征矩阵后通过包含第一卷积神经网络模型和第二卷积神经网络模型的多尺度卷积结构以得到多尺度电力需求关联特征矩阵；从所述多个电力用户需求响应调控语义特征向量中提取待调度电力用户的电力用户需求响应调控语义特征向量；以所述待调度电力用户的电力用户需求响应调控语义特征向量作为查询特征向量，计算其与所述多尺度电力需求关联特征矩阵之间的乘积以得到分类特征向量；将所述分类特征向量输入类Softmax分类函数以得到概率值；以及基于所述概率值和目标调控量，确定所述待调度电力用户的需求响应调控量。2.根据权利要求1所述的基于电力需求响应的在线调度方法，其特征在于，所述将所述多个电力用户的需求响应申报调控的描述分别通过基于转换器的上下文编码器以得到多个电力用户需求响应调控语义特征向量，包括：对所述各个电力用户的需求响应申报调控的描述进行分词处理以得到词序列；将所述词序列通过词嵌入层以得到词嵌入向量的序列；将所述词嵌入向量的序列输入所述基于转换器的上下文编码器以得到多个语义特征向量；以及将所述多个语义特征向量进行级联以得到所述电力用户需求响应调控语义特征向量。3.根据权利要求2所述的基于电力需求响应的在线调度方法，其特征在于，所述将所述词嵌入向量的序列输入所述基于转换器的上下文编码器以得到多个语义特征向量，包括：将所述词嵌入向量的序列排列为输入向量；将所述输入向量通过可学习嵌入矩阵分别转化为查询向量和关键向量；计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩阵；将所述标准化自注意关联矩阵输入Softmax激活函数进行激活以得到自注意力特征矩阵；以及将所述自注意力特征矩阵与以所述词嵌入向量的序列中各个词嵌入向量作为值向量分别进行相乘以得到所述多个语义特征向量。4.根据权利要求3所述的基于电力需求响应的在线调度方法，其特征在于，所述第一卷积神经网络模型使用具有第一尺度的第一卷积核，所述第二卷积神经网络模型使用具有第二尺度的第二卷积核，所述第一尺度不同于所述第二尺度。5.根据权利要求4所述的基于电力需求响应的在线调度方法，其特征在于，所述将所述多个电力用户需求响应调控语义特征向量进行二维排列为电力用户需求特征矩阵后通过包含第一卷积神经网络模型和第二卷积神经网络模型的多尺度卷积结构以得到多尺度电力需求关联特征矩阵，包括：使用所述多尺度卷积结构的第一卷积神经网络模型对所述电力用户需求特征矩阵基于所述第一卷积核进行第一尺度深度卷积编码以得到第一尺度电力需求关联特征矩阵；使用所述多尺度卷积结构的第二卷积神经网络模型对所述电力用户需求特征矩阵基于所述第二卷积核进行第二尺度深