(19)中华 人民共和国 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 202111651702.2 (22)申请日 2021.12.2 9 (71)申请人 国网天津市电力公司 地址 300010 天津市河北区五经路39号 申请人 国家电网有限公司 　 国网天津市电力公司城东供电分公 司 (72)发明人 杨国朝　赵学明　杨朝雯　郝爽　 焦龙　王炎彬　杨征　刘响　 王龙飞　兰岳　赵越　杨光　 白辛雨　 (74)专利代理 机构 天津盛理知识产权代理有限 公司 12209 代理人 王雨晴(51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于全息感知的电能替代潜力估算方 法 (57)摘要 本发明涉及一种基于全息感知的电能替代 潜力估算方法包括以下步骤： 步骤1、 针对电能替 代重点设备进行负荷识别； 步骤2、 基于步骤1的 电能替代重点设备进行负荷识别结果， 对用电行 为与电能替代潜力综合分析； 步骤3、 根据步骤2 的用电行为与电能替代潜力综合 分析结果， 采用 STIRPAT‑岭回归算法建立预测模型， 进行电能替 代潜力预测； 步骤4、 对步骤3所建立的预测模型 进行修正； 步骤5、 基于步骤4得到的电能替代预 测修正模型， 修正电能替代潜力预测值， 完成电 能替代潜力评估。 本发明能够解决面向电能替代 潜力分析的用户个性化数据获取与行为感知 的 技术难题。 权利要求书2页 说明书6页 附图2页 CN 114372691 A 2022.04.19 CN 114372691 A 1.一种基于全息感知的电能替代潜力估算方法， 其特 征在于： 包括以下步骤： 步骤1、 针对电能替代重点设备进行负荷识别； 步骤2、 基于步骤1的 电能替代重点设备进行负荷识别结果， 对用电行为与电能替代潜 力综合分析； 步骤3、 根据步骤2的用电行为与电能替代潜力综合分析结果， 采用STIRPAT ‑岭回归算 法建立预测模型， 进行电能替代潜力预测； 步骤4、 对步骤3所建立的预测模型进行修 正； 步骤5、 基于步骤4得到的电能替代预测修正模型， 修正电能替代潜力预测值， 完成电能 替代潜力评估。 2.根据权利要求1所述的一种基于全息感知的电能替代潜力估算方法， 其特征在于： 所 述步骤1的具体步骤 包括： (1)对目标用户采样得到高频监测数据和用能历史数据， 结合耗能设备机理分析， 找出 各类目标设备运行 过程中的相关维度信息； (2)分析得到大工业用户电能替代的主要目标用能设备， 构建形成电能替代重点设备 库； (3)将(1)得到的各设备运行过程 中的相关维度信息与(2)得到的电能替代重点设备库 相结合， 形成适用于负荷监测的重点设备感知特 征库； (4)根据(2)得到的电能替代重点设备库和(3)得到的重点设备感知特征库， 通过模式 匹配完成电能替代重点设备识别。 3.根据权利要求1所述的一种基于全息感知的电能替代潜力估算方法， 其特征在于： 所 述步骤2的具体方法为： 首先通过已有研究对煤油气等多场景下的替代模型进行建模； 进而在电能替代重点设 备识别技术的基础上对用户的用电行为规律进行个性化分析和建模； 并结合灰色关联度分 析， 对不同场景/模 型下的电能替代水平需进行综合效益计算， 根据计算结果对不同用户复 杂用能情况 下的模型进行动态选择。 4.根据权利要求1所述的一种基于全息感知的电能替代潜力估算方法， 其特征在于： 所 述步骤3的具体步骤 包括： (1)定义电能替代电量作为电能替代潜力的表征值， 设定基准年TB， 第t年电能消耗相比 基准电能消耗增 加量定义 为电能替代量： 其中， St为电能替代量， Yt为第t年的实际电能消耗 量， Et为第t年终端能源消耗总量； (2)对STIRPAT模型进行扩展与改造， 构建了关于电能替代的STIRPAT模型表达式： 在本式中， S是终端电能替代电是电能替代电量， a是模型系数， T是终端电能消费强度， Y是终端电能消费量， E是某种能源的使用量， O是其它影响电能替代量的因素， β1、 β2、 β3、 β4 分别为影响因素T、 Y、 D、 O的系数， e 是模型的随机误差项； (3)为了通过回归分析确定有关参数， 对(2)两边取对数， 得：权　利　要　求　书 1/2 页 2 CN 114372691 A 2LnS＝Lnα +β1LnT+β1LnY+β1LnD+β1LnO+Lne  (3) (4)采用岭回归算法对步骤(3)的模型进行拟合： 首先将目标设备的历史数据作为训练集样本， 来训练岭回归模型， 之后用训练后的该 模型对新的数据进行 预测。 5.根据权利要求1所述的一种基于全息感知的电能替代潜力估算方法， 其特征在于： 所 述步骤4的具体步骤 包括： (1)将小波分析与人工神经网络结合， 通过残差历史数据训练小波神经网络， 动态修正 步骤3中的预测模型 结果， 残差的计算方式如式(4)； et＝(Yt‑1+St)‑Yt   (4) 其中， 第t ‑1年终端电能消耗量Yt‑1与拟合得到的替代量St之和为第t年的拟合消耗量 残差et为拟合消耗 量 与实际消耗 量之差； (2)对给定 的小波神经网络(输入层、 隐含层及输出层的神经元个数分别为m、 n、 N)， 设 输入、 输出向量 为X＝[x1x2…xN]， 则其模型输出 可以表示 为： 式中， xk和yi别为向量X的第k个输 入和输出层的第i个输出； aj和bj分别为第j个隐含层结点的小波基伸缩因子及平移因子； wj,k和wi,j分别为输入层结点k和隐藏层结点j以及隐藏层结点j和输出层结点i的连接权值； h(x)为Sigmo id函数。 (3)得到残差历史数据后， 网络训练过程的关键是要确定一组合适的权值和小波基,使 得如下目标函数值 最小： 式中， P＝(w  c)T； w和c分别为网络中所有权值和小波基组成的向量； ti为网络的期望输 出。 6.根据权利要求1所述的一种基于全息感知的电能替代潜力估算方法， 其特征在于： 所 述步骤5的具体方法为： 将岭回归分析的预测结果St与基于小波神经网络智能修正的残差 相结合， 实现对电 能替代量的预测， 得到预测值 权　利　要　求　书 2/2 页 3 CN 114372691 A 3