(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 202210834114.0 (22)申请日 2022.07.14 (71)申请人 国网电力科 学研究院武汉能效测评 有限公司 地址 430074 湖北省武汉市洪山区珞 瑜路 143号 申请人 国网电力科 学研究院有限公司 　 国网江苏省电力有限公司营销服 务 中心　 国家电网有限公司 (72)发明人 肖楚鹏　江城　王忠东　王振宇　 周超　王奎　胡文博　吴凯槟　 李悦　周玉　高凡　穆卓文　 (74)专利代理 机构 武汉开元知识产权代理有限 公司 42104 专利代理师 李满　王亚萍(51)Int.Cl. G06Q 10/04(2012.01) G06Q 30/02(2012.01) G06Q 50/06(2012.01) G06N 3/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) H02J 3/00(2006.01) (54)发明名称 一种考虑社会信息影响的需求侧参与柔性 互动的引导方法、 系统及存 储介质 (57)摘要 本发明公开了一种考虑社会信息影响的需 求侧参与柔性互动的引导方法、 系统及存储介 质。 过程为： 确定各社会信息分别对用户用电负 荷的影响程度； 根据所述影 响程度对应的社会信 息确定用户用电量； 建立售电商多级市场购电模 型和售电商购售电优化决策模型； 对售电商购售 电优化决策模型进行求解得到最优的需求侧可 调负荷， 根据最优的需求侧可调负荷引导用户参 与柔性互动。 本发明能够准确计算引导信息与用 户负荷调整量之间的关系， 并结合优化算法得到 最优引导策略， 所得引导策略能够有效达到优化 目标， 同时起到一定程度的削峰填谷作用， 解决 电力负荷高峰攀升破坏电网稳定的问题， 具有一 定的社会效益， 适用性强。 权利要求书3页 说明书8页 附图4页 CN 115271184 A 2022.11.01 CN 115271184 A 1.一种考虑社会信息影响的需求侧参与柔 性互动的引导控制方法， 其特 征在于： 确定各社会信息分别对用户用电负荷的影响程度； 根据所述影响程度对应的社会信息确定用户用电量； 建立售电商 多级市场购电模型； 基于社会信息、 用户用电量、 售电商多级市场购电模型建立售电商购售电优化决策模 型； 采用粒子群算法与CPLEX求解器对售电商购售电优化决策模型进行求解得到最优的需 求侧可调负荷， 根据最优的需求侧可调负荷引导用户参与柔 性互动。 2.根据权利要求1所述的考虑社会信息影响的需求侧参与柔性互动的引导方法， 其特 征在于： 通过最大信息系 数模型量化社会信息对用户用电负荷的影响程度， 所述社会信息 包括优惠券系数、 用户用电的历史负荷、 温度和湿度， 所述 最大信息系数模型为 式中： MIC为社会信息与用户用电负荷的相关性； X为社会信息， Y为用户用电负荷； nx,ny 为x轴与y轴网格的数量； G为nx×ny形成的网格； IG(X,Y)表示网格G下的互信息； B(n, α )＝nα (0＜α ＜1)为用来限制格数最大数量的函数； log2min(nx,ny)是一个标准化项， 确保MIC在0 到1的范围内。 3.根据权利要求2所述的考虑社会信息影响的需求侧参与柔性互动的引导方法， 其特 征在于： 所述优惠券系数通过以下公式确定： 式中： cpi,t为用户i在t时刻可得到的优惠券面额； kt为t时刻的优惠券系数； Δqi,t为用 户i在t时刻的负荷调节量； 为用户i在t时刻得到最大优惠券面额需要达到的负荷调 整量； 为用户i在 t时刻的最大负荷调节量； 为用户i在 t时刻可得到的最大优惠券 面额， 4.根据权利要求1所述的考虑社会信息影响的需求侧参与柔性互动的引导方法， 其特 征在于： 通过A ttention‑LSTM负荷预测模型计算用户用电量： xt＝[Tej(t)， hj(t)， pj(t)， kj(t)， qj(t‑1)， qj(t‑2)， qj‑1(t)， qj‑1(t‑1)] 式中： 为用户在t时刻的用电量； ft为用电负荷预测函数； xt为t时刻的输入特征向 量； j表示天数； Tej(t)为预测点时刻的预报温度、 hj(t)为预测点时刻的预报湿度、 pj(t)为 预测点时刻的电价、 kj(t)为预测点时刻优惠券系数、 qj(t‑1)为预测点前一时刻负荷值、 qj (t‑2)为预测点前两时刻负荷值、 qj‑1(t)为预测点前一天同时刻负荷值、 qj‑1(t‑1)为预测点 前一天前一时刻负荷值。 5.根据权利要求1所述的考虑社会信息影响的需求侧参与柔性互动的引导方法， 其特权　利　要　求　书 1/3 页 2 CN 115271184 A 2征在于： 所述售电商多级市场购电模型包括中长期市场购电模型和日前市场购电模型， 分 别为 式中： BY为在中长期市场的购电成本； BD为日前市场的购电成本； Y为中长期市场； D 为日 前市场； L为售电商签订 的中长期合同数量； 为中长期合同l签订 的电量； 为中长期合 同l的价格； 为在日前市场购买的t时刻电量； 为日前市场t时刻的电价。 6.根据权利要求1所述的考虑社会信息影响的需求侧参与柔性互动的引导方法， 其特 征在于： 所述售电商购售电优化决策模型为： maxC＝(Csell‑Cbuy‑Cp‑Ccp) Cbuy＝BY+BD 其中： C为售电商总收益； Csell为售电收益； Cbuy为购电支出； CP为售电公司向发电公司支 付的偏差电量结算电费； Ccp为优惠券成本； I为用户集合； pt为t时刻的峰谷 分时电价； T为全 天时刻集合； 为用户i在t时刻的用电量； BY为在中长期市场的购电成本； BD为日前市场的 购电成本； 为售电公司在t时刻的双边合同偏差电量； 和 分别为售电公司的正、 负偏 差电量结算价格； α1和α2为0/1变量， 当售电公司的偏差电量为正时α1＝1， α2＝0， 反之α1＝0， α2＝1； 为日前市场t时刻的电价； 为合同l在t时刻的电量分解比例。 7.根据权利要求1所述的考虑社会信息影响的需求侧参与柔性互动的引导方法， 其特 征在于： 对售电商购售电优化决策模型进行求 解的过程包括以下步骤： 步骤1、 输入售电商购售电优化决策模型 所需参数； 步骤2、 设定粒子个数与最大迭代次数， 所述粒子为优惠券系数； 步骤3、 随机生成初始粒子群， 计算初始粒子群所有个体的适应度值， 同时得到个体极 值与全局极值； 步骤4、 每一个粒子都追随两个极值来改变自己的速度和位置， 之后与个体极值和全局 极值进行比对， 若优于个体极值或全局极值则对个体极值或全局极值进行更新， 并以更新 后的个体极值和全局极值对每 个粒子的位置与速度进行 更新形成新的粒子； 步骤5、 调用用户用电行为分析程序， 基于新的粒子通过Attention ‑LSTM求解各用户各 时刻的用电量； 步骤6、 调用售电商优化子程序， 基于售电商购售电优化决策模型通过CPLEX求解器， 以 效益最大为目标函数求 解售电商购售电收益； 步骤7、 对当前迭代次数加一， 并与设定的最大迭代次数进行比较， 若未达到最大迭代权　利　要　求　书 2/3 页 3 CN 115271184 A 3