(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 202211169411.4 (22)申请日 2022.09.26 (71)申请人 国网浙江余 姚市供电有限公司 地址 315000 浙江省宁波市余 姚市体育场 路145号 申请人 国网浙江省电力有限公司宁波供电 公司 (72)发明人 俞建　高明　赵剑　仇钧　杨跃平　 王大治　孙辉　刘文建　毛益厅　 黄建平　陈浩　李钟煦　 (74)专利代理 机构 浙江中桓凯通专利代理有限 公司 33376 专利代理师 李美宝 (51)Int.Cl. G06Q 10/06(2012.01)G06K 9/62(2022.01) G06Q 50/06(2012.01) H02J 3/00(2006.01) (54)发明名称 配电网资源的消纳调度方法、 装置、 电子设 备及存储介质 (57)摘要 本发明提供了一种基于用户画像的配电网 资源的消纳调度方法、 装置、 电子设备及可读存 储介质， 基于用户画像的配电网资源的消纳调度 方法包括： 步骤S100， 获取配电网分布式电源标 准历史信息和分布式电源标准预测信息； 步骤 S200， 对分布式电源 标准历史信息和分布式电源 标准预测信息进行分析， 得到用户的用电历史画 像和用电预测画像； 步骤S300， 对用户进行区域 场景聚类分析， 得到不同场景下的用户类型集； 步骤S400， 基于用户类型集对用电历史画 像和用 电预测画像进行相似度计算， 得到匹配用电用 户； 步骤S500， 依据匹配用电用户对配电网的分 布式电源资源进行消纳调度配置。 本发明实施例 解决了执 行消纳调度任务时效率低的问题。 权利要求书3页 说明书9页 附图7页 CN 115423353 A 2022.12.02 CN 115423353 A 1.一种基于用户画像的配电网资源的消纳调度方法， 其特 征在于， 包括： 步骤S100， 获取配电网分布式电源标准历史信息和分布式电源标准预测信息， 所述获 取配电网分布式电源标准历史信息和分布式电源标准预测信息具体包括： 步骤S110， 获取第一预设时间段内分布式电源历史信息； 步骤S120， 将所述分布式电源历史信息输入用电预测模型， 依据用电用户属性画像， 获 得第二时间段内的分布式电源预测信息； 步骤S130， 对所述分布式电源历史信息和所述分布式电源预测信息进行标准化统一， 获得所述分布式电源标准历史信息和所述分布式电源标准预测信息； 步骤S200， 对所述分布式电源标准历史信息和所述分布式电源标准预测信息进行分 析， 得到用户的用电历史画像和用电预测画像； 步骤S300， 对所述用户进行区域场景聚类分析， 得到不同场景 下的用户类型集； 步骤S400， 基于所述用户类型集对所述用电历史画像和所述用电预测画像进行相似度 计算， 得到匹配用电用户； 步骤S500， 依据所述匹配用电用户对所述配电网的分布式电源资源进行消纳调度配 置。 2.根据权利要求1所述的基于用户画像的配电网资源的消纳调度方法， 其特 征在于， 所述第一预设时间段和所述第二时间段的时间跨度相同， 均为 N天； 所述分布式电源历史信息包括： 某地区的用电数量平均值、 用电范围边界平均面积大 小、 用电数量波动方差； 所述用电属性画像包括： 某区域用户用电人数、 用电人员移动范围、 用电人员作息规 划； 所述用电预测模型为： ； 其中， Ci表示某地区的用电预测参数， 所述某地区的用电参数Ci中， 当i=1时， C1表示分 布式电源预测信息中 的某地区的用电数量预测平均值； 当i=2时， C2表示用电范围预测边 界 平均面积大小； 当i=3时， C3表示用电数量预测波动方差； k为配准系数且取值范围为 （0.5， 1） ； ωj表示某地区的用电参数， 所述某地区的用电参数ωj中， 当ω=1时， ω1表示某地区的 用电数量平均值； 当ω=2时， ω2表示用电范围边界平均面积大小； 当ω=3时， ω3表示用电数 量波动方差 。 3.根据权利要求1所述的基于用户画像的配电网资源的消纳调度方法， 其特征在于， 所 述步骤S200具体包括： 步骤S210， 获取 所述分布式电源标准历史信息下的已用电用户的属性画像； 步骤S220， 对所述已用电用户的属性画像进行调整校正， 获取用电历史画像； 步骤S230， 获取所述分布式电源标准预测信息下的未用电用户的属性画像； 步骤S240， 对所述未用电用户的属性画像进行调整校正， 获取用电预测画像。 4.根据权利要求3所述的基于用户画像的配电网资源的消纳调度方法， 其特征在于， 所 述用户包括： 所述已用电用户和所述未用电用户， 所述 步骤S300具体包括： 步骤S310： 对所述用户进行区域分析， 获取 所述用户的地理位置信息数据；权　利　要　求　书 1/3 页 2 CN 115423353 A 2步骤S320： 所述 地理位置信息数据包括气候信息、 地质信息、 经纬度信息和天气信息； 步骤S330： 对所述用户进行场景聚类分析， 获得所述用户在各个用电场景下的用户类 型集； 其中， 所述场景聚类包括用电数量、 用电范围、 用电波动、 其 他用电场景 下的聚类集 合。 5.根据权利要求4所述的基于用户画像的配电网资源的消纳调度方法， 其特征在于， 所 述步骤S400具体包括： 步骤S410： 对所述用电历史画像和所述用电预测画像中的用户进行用户属性相似度计 算； 步骤S420： 获取相似度大于预设阈值的候选匹配用电用户； 步骤S430： 获取在同一用户类型集下的用户； 步骤S440： 获取所述匹配用电用户和所述同一用户类型集下的用户的公共集 合； 步骤S450： 依据所述相似度的排名获取相似度最高的作为匹配用电用户； 步骤S460： 如果结果为空， 则直接依据所述相似度的排名获取相似度最高的作为匹配 用电用户。 6.根据权利要求5所述的基于用户画像的配电网资源的消纳调度方法， 其特征在于， 对 所述用电历史画像和用电预测画像中的用户进行用户属性相似度计算具体包括： 令所述用电预测画像 中的用户为u， 所述用电历史画像的用户为v， 由所述用户u的用户 属性构成用户u相似向量ru， 利用属性相似向量， 计算所述用电预测画像中的用户u与系统 中其他用户间的相似情况， 最终 获得用户相似度矩阵， 计算公式为： 其中， rui表示用户u在属性i上的相似 分值， rvi表示用户v在属性i上的相似 分值， 集合Iu 是由用户u各自相似的属性组成，  集合Iv是由用户v各自相似的属性组成， Iu， v表示用户u和 用户v同时产生评价分值的属性 集合。 7.根据权利要求5所述的基于用户画像的配电网资源的消纳调度方法， 其特征在于， 所 述步骤S500具体包括： 步骤S510： 获取 所述匹配用电用户对应的用电历史画像和用电预测画像； 步骤S520： 依据所述用电历史画像对所述用电预测画像进行差值运算， 获取差值运算 结果； 步骤S530： 基于所述差值运算结果对所述用电预测画像对应的用户进行分布式电源资 源消纳调度配置 。 8.一种基于用户画像的配电网资源的消纳调度装置， 其特 征在于， 包括： 信息抓取模块， 获取配电网分布式电源标准历史信息和分布式电源标准预测信息； 画像配置模块， 对所述分布式电源标准历史信 息和所述分布式电源标准预测信 息进行 分析， 得到用户的用电历史画像和用电预测画像； 聚类分析模块， 对所述用户进行区域场景聚类分析， 得到不同场景 下的用户类型集； 匹配分析模块， 基于用户类型集对所述用电历史画像和用电预测画像进行相似度计 算， 得到匹配用电用户；权　利　要　求　书 2/3 页 3 CN 115423353 A 3