【技术实现步骤摘要】
综合能源微网互动辨识方法、装置及计算机可读存储介质
[0001]本专利技术属于微电网运行控制
,特别是涉及到一种基于时域卷积神经网络的综合能源微网的互动特性学习辨识方法。
技术介绍
[0002]随着人口增长与人类社会的发展进步,现代社会对能源需求急剧增加。而物联网、人工智能技术的发展成熟,为综合能源微网的控制与互动交易供了技术支撑。综合能源系统中热电联产、电热锅路等转换设备为多能互补提供支撑基础,分布式可再生能源的装机提高了综合能源的出力与能源清洁性,储能设备与P2P交易互动则促进了能源在不同时空之间的流转消纳,提高促进产销者的能源经济效益,提高能就近利用,降低能源时空分布的不均衡与能源传输网络的输送压力。
[0003]然而随着分布式可再生能源装机量的上升、柔性电力设备与储能规模的不断扩大、综合能源微网系统的复杂性也在急剧增加,综合能源微网的设备动作空间的高维性、非线性大幅上升,综合能源微网群之间的互动时空耦合特性也导致了其互动特性表征难度的大幅攀升。传统针对综合能源微网群的互动行为特性表征问题,一般使用物理参数方法进行物理建模,在设备种类和数量大幅上升的情况下,需要更多的设备物理参数,模型建立难度增加,模型精度下降。此外,随着隐私保护的需求上升,关键设备的部分参数难以获得,因此传统方法建立综合能源微网的模型更加困难,精度也难以满足需求。
[0004]目前已有相关研究针对综合能源微网的辨识方法展开,如专利114529089A 一种多微网综合能源系统优化调度方法和系统,建立了以电负荷的峰谷差最小为 ...
【技术保护点】
【技术特征摘要】
1.综合能源微网互动辨识方法,其特征是:包括以下步骤,步骤一、采集综合能源微网互动中的与互动行为相关的历史数据信息,包括光照信息、风速信息、电价信息以及热价信息,构建微网互动特性模型的输入输出训练数据集和测试数据集;步骤二、将所述步骤一获得的输入输出训练数据集和测试数据集进行正则化处理,并按比例分为综合能源微网群互动行为模型训练和测试数据;步骤三、基于TCN神经网络方法,通过所述步骤二获得的模型训练和测试数据建立综合能源微网互动行为模型,进行公共数据下的综合能源微网互动行为辨识。2.根据权利要求1所述的综合能源微网互动辨识方法,其特征是:所述步骤一构建微网互动特性模型的输入输出训练数据集和测试数据集的方法为,收集整理综合能源微网互动中的光照、风速、电价、热价等与互动行为相关的历史数据信息,其中一天的数据X
i
包括24时段的6维度输入数据和对应时刻的2维度输出数据,建立矩阵式中,I为环境的光照强度,W为环境的风速,Ct为综合能源微网群交易热功率的单价,Ce为综合能源微网群交易电功率的单价,Cg为电网基础电价,Cu为电网二阶段电价;输出数据Pt为综合能源微网群交易热功率交易量、Pe为综合能源微网群交易电功率交易量,所有变量角标表示对应当天的时间段。3.根据权利要求1所述的综合能源微网互动辨识方法,其特征是:所述步骤二中,输入输出训练数据集和测试数据集进行正则化处理的方法为,步骤一、分别计算光照、风速、电价、热价等数据的最大最小值,进行最大最小值正则化,正则化处理如公式为:式中,为正则化处理之后的归一化数据,和(
·
)为对应数据的最大值和最小值;使用公式(2)正则化处理每日的数据X
i
得到数据步骤二、对正则化处理后的数据,按照比例划分构建综合能源微网互动特性模型的输入输出数据集,式中,数据集D为从第一天到第N天的数据正则化集合,为第i天的正则化数据,N为总共的天数,D
train
为从总数据集D中取出数据组成的训练数据集,D
train
为从总数据集D中取出数据组合得到的测试数据集,训练集D
train
和测试集D
train
互为补集;ε表示训练集占总数据
集的比例,一般为0.7~0.8。4.根据权利要求1所述的综合能源微网互动辨识方法,其特征是:所述步骤三基于TCN深度神经网络方法,建立综合能源微网互动行为模型,进行...
【专利技术属性】
技术研发人员:王佳蕊,杨军,肖浩,彭大健,吕项羽,裴玮,张家郡,李德鑫,孟祥东,吴洋,朴哲勇,曲绍杰,冷俊,张海锋,刘畅,陈璟毅,张宗宝,高松,孟涛,张懿夫,
申请(专利权)人:国网吉林省电力有限公司中国科学院电工研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。