一种基于电能互济的区域微电网互联优化方法及系统技术方案

本发明专利技术公开了一种基于电能互济的区域微电网互联优化方法及系统，涉及计算机技术领域，所述方法包括：通过采集目标区域的目标能源信息；划分得到目标训练数据、目标测试数据；利用集合经验模态分解原理分解得到多个目标子序列；提取任意两个目标子序列；利用长短期记忆模型原理训练得到长短期记忆预测模型，利用广义回归神经网络原理训练得到广义回归神经网络预测模型；结合动态自适应变权优化理论得到组合预测模型；通过组合预测模型得到目标测试数据的目标能源预测结果，并进行能源调度优化。解决了现有技术无法准确预测区域能源，进而无法及时能源调度的问题。达到了提高能源预测准确性，优化区域微电网分布式能源调度运行的效果。行的效果。行的效果。

【技术实现步骤摘要】
一种基于电能互济的区域微电网互联优化方法及系统


[0001]本专利技术涉及计算机
，尤其涉及一种基于电能互济的区域微电网互联优化方法及系统。

技术介绍

[0002]微电网作为一种新兴技术手段，通过利用其系统内部灵活多元化的结构以及控制方式，能够对能源进行有效的整合，实现对资源的优化配置，已经成为电能有效供给的重要组成部分。进一步，随着局部地区微电网数量的增加，具有相同利益或者目标的独立微电网个体更倾向于达成合作联盟，以形成区域微电网互联系统。微电网群通过采用区域内互联形式，可以更为有效地利用系统内子级微电网之间能源和负荷互补特性进行电能互济，提高用户用电可靠性和经济性，实现互联系统中子级微电网间的合作互助。现有技术中对区域能源的智能预测存在局限，从而影响能源预测准确性，进一步的，无法对能源量不满足能源使用需求的区域及时进行能源调度，最终影响区域能源正常使用。因此，研究利用计算机技术对电能互济的区域微电网互联系统的调度运行进行分析优化，具有重要的意义。
[0003]然而，现有技术中存在无法准确预测区域能源，进而无法通过区域微电网对能源量不满足能源使用需求的区域及时进行能源调度，导致影响区域电能正常使用的技术问题。

技术实现思路

[0004]本专利技术的目的是提供一种基于电能互济的区域微电网互联优化方法及系统，用以解决现有技术中存在无法准确预测区域能源，进而无法通过区域微电网对能源量不满足能源使用需求的区域及时进行能源调度，导致影响区域电能正常使用的技术问题。
[0005]鉴于上述问题，本专利技术提供了一种基于电能互济的区域微电网互联优化方法及系统。
[0006]第一方面，本专利技术提供了一种基于电能互济的区域微电网互联优化方法，所述方法通过一种基于电能互济的区域微电网互联优化系统实现，其中，所述方法包括：通过采集得到目标区域的初始能源信息，并对所述初始能源信息进行预处理得到目标能源信息，其中，所述目标能源信息为具有时间标识的信息；对所述目标能源信息进行划分，得到目标能源信息划分结果，其中，所述目标能源信息划分结果包括目标训练数据、目标测试数据；利用集合经验模态分解原理对所述目标训练数据进行分解，得到目标训练数据分解结果，其中，所述目标训练数据分解结果包括多个目标子序列；提取所述多个目标子序列中任意两个目标子序列，分别记作第一目标子序列、第二目标子序列；利用长短期记忆模型原理对所述第一目标子序列进行训练，得到长短期记忆预测模型，利用广义回归神经网络原理对所述第二目标子序列进行训练，得到广义回归神经网络预测模型；基于所述长短期记忆预测模型、所述广义回归神经网络预测模型，结合动态自适应变权优化理论分析得到组合预测模型；通过所述组合预测模型对所述目标测试数据进行处理，得到目标能源预测结果，并根
据所述目标能源预测结果对所述目标区域进行能源调度优化。
[0007]第二方面，本专利技术还提供了一种基于电能互济的区域微电网互联优化系统，用于执行如第一方面所述的一种基于电能互济的区域微电网互联优化方法，其中，所述系统包括：信息获取模块，所述信息获取模块用于采集得到目标区域的初始能源信息，并对所述初始能源信息进行预处理得到目标能源信息，其中，所述目标能源信息为具有时间标识的信息；信息划分模块，所述信息划分模块用于对所述目标能源信息进行划分，得到目标能源信息划分结果，其中，所述目标能源信息划分结果包括目标训练数据、目标测试数据；数据分解模块，所述数据分解模块用于利用集合经验模态分解原理对所述目标训练数据进行分解，得到目标训练数据分解结果，其中，所述目标训练数据分解结果包括多个目标子序列；序列获取模块，所述序列获取模块用于提取所述多个目标子序列中任意两个目标子序列，分别记作第一目标子序列、第二目标子序列；模型训练模块，所述模型训练模块用于利用长短期记忆模型原理对所述第一目标子序列进行训练，得到长短期记忆预测模型，利用广义回归神经网络原理对所述第二目标子序列进行训练，得到广义回归神经网络预测模型；模型获得模块，所述模型获得模块用于基于所述长短期记忆预测模型、所述广义回归神经网络预测模型，结合动态自适应变权优化理论分析得到组合预测模型；调度执行模块，所述调度执行模块用于通过所述组合预测模型对所述目标测试数据进行处理，得到目标能源预测结果，并根据所述目标能源预测结果对所述目标区域进行能源调度优化。
[0008]本专利技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：通过采集得到目标区域的初始能源信息，并对所述初始能源信息进行预处理得到目标能源信息，其中，所述目标能源信息为具有时间标识的信息；对所述目标能源信息进行划分，得到目标能源信息划分结果，其中，所述目标能源信息划分结果包括目标训练数据、目标测试数据；利用集合经验模态分解原理对所述目标训练数据进行分解，得到目标训练数据分解结果，其中，所述目标训练数据分解结果包括多个目标子序列；提取所述多个目标子序列中任意两个目标子序列，分别记作第一目标子序列、第二目标子序列；利用长短期记忆模型原理对所述第一目标子序列进行训练，得到长短期记忆预测模型，利用广义回归神经网络原理对所述第二目标子序列进行训练，得到广义回归神经网络预测模型；基于所述长短期记忆预测模型、所述广义回归神经网络预测模型，结合动态自适应变权优化理论分析得到组合预测模型；通过所述组合预测模型对所述目标测试数据进行处理，得到目标能源预测结果，并根据所述目标能源预测结果对所述目标区域进行能源调度优化。通过对目标区域中的能源信息进行分解分析，并利用不同模型进行能源单独预测，进而结合动态自适应变权优化理论对各模型赋权，最终得到目标区域的能源预测。通过对不同单个预测模型的有效结合，得到组合预测模型，打破了单个模型的局限性，提升了综合预测模型的整体预测表现，实现了充分利用不同模型优势，从而提高模型预测精度的技术目标。通过组合预测模型预测得到目标能源预测结果，达到了为后续区域微电网的互联运行提供更加准确、可靠的预测参考数据，进而结合目标区域的实际能源需求，利用微电网互联实现区域间的能源调度，达到了提高能源优化配置、优化区域微电网调度运行的技术效果。
[0009]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
附图说明
[0010]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0011]图1为本专利技术一种基于电能互济的区域微电网互联优化方法的流程示意图；图2为本专利技术一种基于电能互济的区域微电网互联优化方法中根据目标用电量预测结果与目标能源预测结果对目标区域进行能源调度优化的流程示意图；图3为本专利技术一种基于电能互济的区域微电网互联优化方法中构建用电阶段
‑
...

【技术保护点】

【技术特征摘要】
1.一种基于电能互济的区域微电网互联优化方法，其特征在于，包括：采集得到目标区域的初始能源信息，并对所述初始能源信息进行预处理得到目标能源信息，其中，所述目标能源信息为具有时间标识的信息；对所述目标能源信息进行划分，得到目标能源信息划分结果，其中，所述目标能源信息划分结果包括目标训练数据、目标测试数据；利用集合经验模态分解原理对所述目标训练数据进行分解，得到目标训练数据分解结果，其中，所述目标训练数据分解结果包括多个目标子序列；提取所述多个目标子序列中任意两个目标子序列，分别记作第一目标子序列、第二目标子序列；利用长短期记忆模型原理对所述第一目标子序列进行训练，得到长短期记忆预测模型，利用广义回归神经网络原理对所述第二目标子序列进行训练，得到广义回归神经网络预测模型；基于所述长短期记忆预测模型、所述广义回归神经网络预测模型，结合动态自适应变权优化理论分析得到组合预测模型；通过所述组合预测模型对所述目标测试数据进行处理，得到目标能源预测结果，并根据所述目标能源预测结果对所述目标区域进行能源调度优化。2.根据权利要求1所述的方法，其特征在于，所述根据所述目标能源预测结果对所述目标区域进行能源调度优化，包括：采集所述目标区域的历史用电数据；对所述历史用电数据进行分析，并根据分析结果得到用电阶段
‑
用电量列表；提取所述目标能源信息中的时间标识，得到目标时间阶段；将所述目标时间阶段在所述用电阶段
‑
用电量列表中遍历，并分析得到目标用电量预测结果；根据所述目标用电量预测结果与所述目标能源预测结果，对所述目标区域进行能源调度优化。3.根据权利要求2所述的方法，其特征在于，所述根据分析结果得到用电阶段
‑
用电量列表，包括：对所述历史用电数据进行预处理，得到历史用电数据处理结果；获得预设用电周期，并根据所述预设用电周期对所述历史用电数据处理结果进行周期划分，得到周期划分结果，其中，所述周期划分结果包括多个周期；提取所述多个周期中任意一个周期，并对所述任意一个周期进行阶段划分，得到阶段划分结果，其中，所述阶段划分结果包括多个阶段；依次对所述多个阶段中各阶段进行用电分析，并根据分析结果计算得到多个用电量；根据所述多个阶段与所述多个用电量之间的映射关系，构建所述用电阶段
‑
用电量列表。4.根据权利要求1所述的方法，其特征在于，所述利用集合经验模态分解原理对所述目标训练数据进行分解，得到目标训练数据分解结果，包括：提取所述目标训练数据的时间标识，并生成目标训练数据序列；获得目标白噪声，并将所述目标白噪声添加至所述目标训练数据序列，得到新目标训
练数据序列；获得预设迭代结果，对所述新目标训练数据序列迭代分解至满足所述预设迭代结果，得到多个目标余差序列；将所述多个目标余差序列作为所述多个目标子序列。5.根据权利要求4所述的方法，其特征在于，所述对所述新目标训练数据序列迭代分解至满足所述预设迭代结果，得到多个目标余差序列，包括：分析得到所述新目标训练数据序列中的多个局部极值；根据所述多个局部极值，依次建立所述新目标训练数据序列的上层包络线、下...

【专利技术属性】
技术研发人员：徐晓轶，盛况，姚文熙，
申请(专利权)人：浙江大学，
类型：发明
国别省市：