一种基于多尺度时间卷积网络的用电成本预测及优化方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115829101A(43)申请公布日2023.03.21(21)申请号202211479999.3G06N3/045(2023.01)(22)申请日2022.11.21G06F18/00(2023.01)G06F123/00(2023.01)(71)申请人国网甘肃省电力公司酒泉供电公司地址735000甘肃省酒泉市肃州区敦煌路8号(72)发明人涂超陈明赵龙白露杨凯郑渤龙马勇岳子洋(74)专利代理机构成都众恒智合专利代理事务所(普通合伙)51239专利代理师刘华平(51)Int.Cl.G06Q10/04(2023.01)G06Q10/0631(2023.01)G06Q50/06(2012.01)G06N3/0464(2023.01)权利要求书2页说明书8页附图3页(54)发明名称一种基于多尺度时间卷积网络的用电成本预测及优化方法(57)摘要本发明公开了一种基于多尺度时间卷积网络的用电成本预测及优化方法，包括以下步骤：S1，构建基于多尺度时间卷积网络的用电成本预测模型；S2，构建基于用电成本预测的用电成本优化阈值规则库；S3，构建基于用电成本预测和阈值规则库的用电成本优化工具；本发明从平均负荷预测和最大负荷预测两大电力负荷成本关键指标出发，采用多个层次、步长不同的时间卷积网络提取用电成本预测中的电力负荷数据的时序特征，并根据用电用户的不同用电类型，挖掘用户用电数据的信息，制定阈值规则库，对用电成本进行更准确的预测，提供更丰富和个性化的用电成本优化方案。CN115829101ACN115829101A权利要求书1/2页1.一种基于多尺度时间卷积网络的用电成本预测及优化方法，其特征在于，包括以下步骤：S1，构建基于多尺度时间卷积网络的用电成本预测模型，具体步骤为：S11，从平均负荷预测和最大负荷预测定义电力成本预测问题；S12，采用多个层次、步长不同的时间卷积网络提取用电成本预测中的电力负荷数据的时序特征；S13，利用逐层蒸馏的方式对多个层次、步长不同的时间卷积网络的信息进行提取，采用高分辨率向低分辨率逐步融合的方式将每层不同分辨率的信息融合起来；S2，构建基于用电成本预测的用电成本优化阈值规则库，具体步骤为：S21，对用电成本的预测模型中的用电用户及用电计费科目进行分析；S22，根据步骤S21的分析结果，构建包括单一制与两部制的转换、基本电费计费规则的切换、计费未及时报停的判断及基于预测结果的建议的阈值规则；S23，根据构建的阈值规则提供成本优化建议；S3，构建基于用电成本预测和阈值规则库的用电成本优化工具，具体步骤为：S31，由传感器采集用户各项用电数据存储在大数据平台，然后使用SQL脚本将需要的数据从大数据平台导出；S32，将导出的数据按照时序数据和非时序数据进行分类存储；S33，根据各项用电数据计算平均负荷数据和最大负荷数据并输入电力成本预测模型中；S34，预测模型根据历史数据学习每个用户的用电规律，预测出未来的平均负荷和最大负荷；S35，对预测出的未来的平均负荷和最大负荷进行数据处理并展示结果，提供成本优化建议。2.根据权利要求1所述的一种基于多尺度时间卷积网络的用电成本预测及优化方法，其特征在于，在所述步骤S11中，平均负荷预测的定义为：给定单变量一维时间序列其中Qt表示电力系统在时刻t的电量负荷，平均负荷预测任务的目标是预测电力系统在未来Δt个时刻T+1，…，T+Δt的电量负荷时间序列使电量负荷时间序列与电力系统在未来Δt个时刻的真实电量负荷时间序列相近；最大负荷预测的定义为：给定单变量一维时间序列其中Pt表示电力系统在时刻t的功率负荷，最大负荷预测任务的目标是预测电力系统在未来Δt个时刻T+1，...，T+Δt内最大功率负荷使与电力系统在未来Δt个时刻的真实功率负荷最大值相近。3.根据权利要求2所述的一种基于多尺度时间卷积网络的用电成本预测及优化方法，其特征在于，在所述步骤S12中，多尺度的时间卷积网络由因果卷积和空洞卷积组成。4.根据权利要求1所述的一种基于多尺度时间卷积网络的用电成本预测及优化方法，其特征在于，单一制与两部制的转换的阈值规则为：若单一制计费电价低于两部制，且使用2CN115829101A权利要求书2/2页单一制能够满足变压器容量需求，则使用单一制计费；若两部制计费电价低于单一制，则使用两部制。5.根据权利要求1所述的一种基于多尺度时间卷积网络的用电成本预测及优化方法，其特征在于，基本电费计费规则的切换的阈值规则为：按实际最大需量计费与按容量计费的选择：实际最大需量低于变压器总容量的66％时，使用前者，否则使用后者；按实际最大需量计费与按合约最大需量计费的选择：当实际最大需量小于合约最大需量或大于合约最大需量的1.075倍时，使用前者；否