买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网(天津)综合能源服务有限公司;国网天津市电力公司;国家电网有限公司

摘要：本发明涉及一种近零能耗建筑电网需求响应潜力评估方法，通过卷积神经网络CNN从多源数据中提取局部特征，结合变分自编码器VAE进行特征降维和L1正则化选择特征，使得特征数据集更具代表性和高解释性；引入长短期记忆网络LSTM，有效地捕捉了电力需求中的长时序依赖；同时LSTM层中引入自注意力机制，能够动态调整模型对不同时间步特征的关注度，从而更精准地反映出需求变化的细节；通过基于深度Q网络DQN的自适应增强学习模型，根据实时数据进行自我调整和优化，动态调整需求响应策略，提升需求响应的灵活性和效果；不仅通过经验回放机制提高训练稳定性，还可以通过目标网络更新机制保证模型在不同情况下的泛化能力。

主权项：1.一种近零能耗建筑电网需求响应潜力评估方法，其特征在于，包括以下步骤：步骤1.电网需求数据收集，收集电力负荷数据、天气数据、经济活动数据和用户行为数据；处理缺失值、异常值和噪声数据，对收集的各数据进行标准化和归一化处理；步骤2.电网需求数据特征提取，使用卷积神经网络CNN从多源数据中提取局部特征，从天气数据中提取气温变化模式，从用电数据中提取负荷波动特征；将时间序列数据切片，提取关键时序特征，包括每日用电高峰和低谷时间段；利用变分自编码器VAE进行特征降维，去除冗余信息保留重要特征，通过L1正则化方法选择最具代表性的特征；步骤3.多层次深度学习模型构建，构建结合卷积神经网络CNN和长短期记忆网络LSTM的多层次模型，卷积神经网络CNN用于提取局部特征，长短期记忆网络LSTM用于捕捉长时序依赖；在长短期记忆网络LSTM层中引入自注意力机制，动态调整模型对不同时间步特征的关注度；使用步骤2中提取和选择的特征数据集训练多层次深度学习模型；并采用交叉验证方法评估模型性能；步骤4.引入自适应增强学习，从智能电网获取实时电力需求和环境数据，实时更新数据集；并基于深度Q网络DQN构建自适应增强学习模型，动态调整需求响应策略；模型根据实时数据进行自我调整和优化；将多层次深度学习模型的预测结果作为增强学习模型的输入；步骤5.进行需求响应潜力评估，利用训练好的多层次深度学习模型和自适应增强学习模型，对电力需求进行预测，识别潜在的需求响应机会；结合历史数据和实时数据，分析各类因素对电力需求的影响，评估不同情况下的需求响应潜力；选择关键评估指标，包括预测精度、响应时间、用户参与度，全面评估需求响应的潜力；通过比较不同策略的效果，识别最优需求响应方案。

全文数据：

权利要求：

百度查询： 国网(天津)综合能源服务有限公司 国网天津市电力公司 国家电网有限公司 一种近零能耗建筑电网需求响应潜力评估方法