(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210858922.0 (22)申请日 2022.07.20 (71)申请人 国网湖北省电力有限公司电力科 学 研究院 地址 430077 湖北省武汉市洪山区徐 东大 街227号 申请人 国家电网有限公司 　天津大学 (72)发明人 杨帆　沈煜　孔祥玉　胡伟　 卢文祺　杨志淳　胡成奕　宿磊　 (74)专利代理 机构 武汉楚天专利事务所 421 13 专利代理师 孔敏 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 30/02(2012.01) G06Q 50/06(2012.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于神经图灵机的电力用户需求响应 潜力评估方法及装置 (57)摘要 本发明提供一种基于神经图灵机(Neural   Turing Machine， NTM)的电力用户需求 响应潜力 评估方法及装置， 包括： 采用均值漂移方法对用 户进行分组， 获得具有不同响应特征的用户组群 数据集； 基于所述用户组群数据集， 在门控循环 单元GRU中执行注意力机制AM， 提取用户在不同 气象环境下的需求响应行为特征； 通过神经图灵 机模型， 基于提取的需求响应行为特征， 评估用 户在给定实时电价下的需求响应负荷调整量。 本 发明所实现了用户侧的实时需求响应评估， 考虑 气象环境影 响和用户自身的响应行为特征， 提高 了潜力评估的精准度和速度， 为后续的电价优化 决策提供可靠的评估结果， 有助于实现用户侧的 实时精准需求响应管理。 权利要求书8页 说明书19页 附图3页 CN 115310782 A 2022.11.08 CN 115310782 A 1.一种基于神经图灵机的电力用户需求响应潜力评估方法， 其特征在于， 包括以下步 骤： 采用均值漂移方法对用户进行分组， 获得 具有不同响应特 征的用户组群数据集； 基于所述用户组群数据集， 在门控循环单元GRU中执行注意力机制AM， 提取用户在不同 气象环境下的需求响应行为特 征； 通过神经图灵机模型， 基于提取的需求响应行为特征， 评估用户在给定实时电价下的 需求响应负荷调整量。 2.根据权利要求1所述的基于神经图灵机的电力用户需求响应潜力评估方法， 其特征 在于， 采用均值漂移方法对用户进行分组， 获得具有不同响应特征的用户组群数据集， 具体 包括如下步骤： 步骤1.1:由用户历史数据集扩展建立训练所需要的存 储矩阵数据集； 步骤1.2:在未标记的用户中， 随机选择用户C作为中心点， 其特征向量为ωc,t； 确定滑 动窗口的半径r， 其中所述r用于表示特 征向量浮动范围； 步骤1.3:根据区域内用户i的特征向量ωi,t， 计算区域内中心点C的漂移向量Sh， Ck表示 到中心C的距离小于半径 r的用户点的集 合： Ck(ωc,t)＝{x:(ωi,t‑ωc,t)T(ωi,t‑ωc,t)＜r2} 引入高斯核函数G(ω)， 来衡量每 个样本用户点的实际偏移贡献： 其中， h为高斯 函数的带宽； 引入高斯核函数后， 漂移向量Sh(ωc,t)为： 其中， NU为用户总数量； 步骤1.4:为每 个样本用户点赋予不同的权 重系数， 将漂移向量写为如下 形式： 其中， 权重系数的计算公式为： 步骤1.5:更新中心点 位置， 进行漂移： ωc,t:＝ωc,t+Sh权　利　要　求　书 1/8 页 2 CN 115310782 A 2步骤1.6:重 复步骤1.2～ 1.5迭代移动过程， 直到偏移向量小于预设值确定当前用户组 的中心点， 且当前窗口半径 r内的用户都归类于 簇C； 步骤1.7:遍历未分组的用户， 重复上述步骤1.2～1.6， 直到区域 内的用户点均被标记， 完成用户分组， 并分别更新各组的用户组数据集和存 储矩阵数据集。 3.根据权利要求2所述的基于神经图灵机的电力用户需求响应潜力评估方法， 其特征 在于： 步骤1.1具体包括： 在t时段， 用户i的历史响应数据包含实时电价λdri,t、 环境数据Ci,t、 需求响应负荷量 di,t， 用历史数据集 Ni表示： Ni＝{( λdri,1,Ci,1,di,1),( λdri,2,Ci,2,di,2),…,( λdri,t‑1,Ci,t‑1,di,t‑1),( λdri,t,Ci,t,di,t)} 其中， 环境数据包 含当前时刻的用户所处的温度、 湿度； 由历史数据集进行扩展得到存 储矩阵数据集Ri： Ri＝{(ωi,1,di,1),(ωi,2,di,2),…,(ωi,t‑1,di,t‑1),(ωi,t,di,t)} 其中， 在t时段， 特征向量ωi,t由当前时段的实时价格与环境数据， 以及过去L个时段的 激励电价、 需求响应量、 环境气象数据共同构成： ωi,t＝{ λdri,t‑L,Ci,t‑L,di,t‑L,…, λdri,t‑2,Ci,t‑2,di,t‑2, λdri,t‑1,Ci,t‑1,di,t‑1, λdri,t,Ci,t}。 4.根据权利要求2所述的基于神经图灵机的电力用户需求响应潜力评估方法， 其特征 在于， 基于所述用户组群数据集， 在门控循环单元GRU中执行注意力机制AM， 提取用户在不 同气象环境下的需求响应行为特 征， 具体包括如下步骤： 步骤2.1： 对t时刻的GRU单元， 输入xt为存储矩阵数据集中的用户特征向量ωi,t， 同时读 取记忆矩阵Mt中来自上一训练时段的记 忆向量mi,t‑1； 步骤2.2： 计算更新门zi,t与重置门ri,t， 更新门zi,t用来决定用户历史信息和当前时刻 输入信息的保存比例， 重 置门ri,t用来决定要遗 忘的历史信息： zi,t＝σ(Wzxi,t+Uzmi,t‑1) ri,t＝σ(Wrxi,t+Urmi,t‑1) 其中， σ(·)是激活函数； Wz、 Wr、 和Uz、 Ur分别是不同的权 重系数矩阵； 步骤2.3： 根据重置门计算结果， 结合实际输入的xi,t， 生成当前 时间段该用户的最新特 征内容 其中， tanh( ·)是激活函数， W和U是权 重系数矩阵； 步骤2.4： 计算得到最新的传输向量hi,t， 更新传输矩阵并将hi,t传递到t时段的注意力 聚集单元： 步骤2.5： 进行内容注意力聚集， 输入控制器给出的ht， 并与记忆矩阵Mt进行基于内容的 注意力聚集， 采用余弦距离衡量相似度， 通过计算输入与记忆矩阵中每一个记忆片段的余 弦距离， 再进行归一 化， 得到相似度权 重 计算公式如下：权　利　要　求　书 2/8 页 3 CN 115310782 A 3