综合能源调度计划的优化方法、装置和电子设备制造方法及图纸

本申请提出一种综合能源调度计划的优化方法、装置和电子设备，包括：获取综合能源对应的历史数据样本，以及由历史数据样本训练的综合能源调度计划预测模型，将历史训练样本中的多个历史光伏功率数据、多个历史风电功率数据、多个历史火电功率数据输入到综合能源调度计划预测模型，以得到多个预测调度计划，并结合历史训练样本中的多个历史调度计划，构建优化函数对模型进行优化，以得到优化后的目标综合能源调度计划预测模型，从而对待预测的预测光伏功率数据、预测风电功率数据和预测火电功率数据进行预测，以得到预测的优化调度计划，由此，通过结合历史数据样本实现对综合能源调度计划的优化，提高综合能源调度计划的有效性及可靠性。及可靠性。及可靠性。

【技术实现步骤摘要】
综合能源调度计划的优化方法、装置和电子设备


[0001]本申请涉及能源调度
，尤其涉及一种综合能源调度计划的优化方法、装置、电子设备和存储介质。

技术介绍

[0002]目前，传统的综合能源基地调度计划仅考虑了预设时间段功率预测数据、设备状态数据等信息，根据功率预测结果确定风电场、光伏电站、火电电场出力范围作为约束条件，建立风光火出力分配模型，通过设定优化目标函数(如经济性指标)对风光火占比制定综合能源调度计划分配方案，而实际上由于风光功率预测的不确定性，最终的出力占比相对预设时间段制定计划往往会有所偏差，相关技术中的能源基地调度计划仅考虑了预设时间段功率预测数据、设备状态数据等信息，没有利用到大量的历史数据中蕴含的信息，因此会影响预设调度计划的有效性及可靠性。

技术实现思路

[0003]本申请第一方面实施例提出了一种综合能源调度计划的优化方法，所述方法包括：获取所述综合能源对应的历史数据样本，以及由所述历史数据样本训练的综合能源调度计划预测模型，其中，所述历史数据样本包括多个相同采样时段的多个历史光伏功率数据、多个历史风电功率数据、多个历史火电功率数据和多个历史调度计划；将所述多个历史光伏功率数据、多个历史风电功率数据、多个历史火电功率数据输入到所述综合能源调度计划预测模型，以得到所述综合能源对应的多个预测调度计划；基于所述多个预测调度计划和所述多个历史调度计划，构建优化所述综合能源调度计划预测模型的优化函数；根据所述优化函数，对所述综合能源调度计划预测模型进行优化，以得到优化后的目标综合能源调度计划预测模型；将待预测的预测光伏功率数据、预测风电功率数据和预测火电功率数据输入到所述目标综合能源调度计划预测模型，以得到预测的优化调度计划。
[0004]在本申请的一个实施例中，所述获取所述综合能源对应的历史数据样本，以及由所述历史数据样本训练的综合能源调度计划预测模型，包括：获取所述综合能源对应的历史数据样本，并根据所述历史数据样本中的所述多个历史光伏功率数据、多个历史风电功率数据和多个历史火电功率数据，计算出所述综合能源对应的多个预测调度计划；将所述多个历史光伏功率数据、多个历史风电功率数据和多个历史火电功率数据作为LCA模型的输入，将所述多个预测调度计划作为所述LCA模型的输出进行模型训练，以得到所述综合能源对应的综合能源调度计划预测模型。
[0005]在本申请的一个实施例中，所述LCA模型包括输入层、卷积神经网络CNN层、长短期记忆人工神经网络LSTM层、注意力层和输出层，将所述多个历史光伏功率数据、多个历史风电功率数据和多个历史火电功率数据作为LCA模型的输入，将所述多个预测调度计划作为所述LCA模型的输出进行模型训练，以得到所述综合能源对应的综合能源调度计划预测模型，包括：将所述多个历史光伏功率数据、多个历史风电功率数据和多个历史火电功率数据
作为训练样本输入到所述输入层，通过所述输入层得到所述训练样本各自对应的输入向量；将所述输入向量输入到所述CNN层，并对所述输入向量进行特征提取，以筛选出目标特征向量；获取所述目标特征向量，将所述目标特征向量输入所述LSTM层，以得到所述目标特征向量各自对应的第一输出向量；将所述目标特征向量各自对应的第一输出向量输入到所述注意力层中，并根据所述注意力层中所述第一输出向量的注意力权重参数值，对所述第一输出向量进行筛选，以得到第二输出向量；将所述第二输出向量输入到所述输出层，以确定所述综合能源对应的多个训练调度计划，并输出所述综合能源对应的多个训练调度计划；根据所述多个训练调度计划和所述多个预测调度计划之间的差异，对所述LCA模型进行模型参数调整，以得到所述综合能源对应的综合能源调度计划预测模型。
[0006]在本申请的一个实施例中，所述CNN层包括卷积层和丢弃dropout层，将所述输入向量输入到所述CNN层，并对所述输入向量进行特征提取，以筛选出目标特征向量，包括：将所述输入向量输入到所述卷积层中，获取卷积层提取的输入向量的多个特征向量；将所述输入向量的多个特征向量输入到所述dropout层，以从所述多个特征中筛选出目标特征向量。
[0007]在本申请的一个实施例中，在将所述第二输出向量输入到所述输出层，以确定所述综合能源对应的多个训练调度计划，并输出所述综合能源对应的多个训练调度计划之后，还包括：获取所述综合能源对应的多个训练调度计划，并对所述多个训练调度计划进行反归一化处理。
[0008]本申请提出一种综合能源调度计划的优化方法，通过获取综合能源对应的历史数据样本，以及由历史数据样本训练的综合能源调度计划预测模型，将历史训练样本中的多个历史光伏功率数据、多个历史风电功率数据、多个历史火电功率数据输入到综合能源调度计划预测模型，以得到多个预测调度计划，并结合历史训练样本中的多个历史调度计划，构建优化函数对模型进行优化，以得到优化后的目标综合能源调度计划预测模型，从而对待预测的预测光伏功率数据、预测风电功率数据和预测火电功率数据进行预测，以得到预测的优化调度计划，由此，通过结合历史数据样本实现对综合能源调度计划的优化，提高综合能源调度计划的有效性及可靠性。
[0009]本申请第二方面实施例提出了一种综合能源调度计划的优化装置，所述装置包括：获取模块，用于获取所述综合能源对应的历史数据样本，以及由所述历史数据样本训练的综合能源调度计划预测模型，其中，所述历史数据样本包括多个相同采样时段的多个历史光伏功率数据、多个历史风电功率数据、多个历史火电功率数据和多个历史调度计划；生成模块，用于将所述多个历史光伏功率数据、多个历史风电功率数据、多个历史火电功率数据输入到所述综合能源调度计划预测模型，以得到所述综合能源对应的多个预测调度计划；构建模块，用于基于所述多个预测调度计划和所述多个历史调度计划，构建优化所述综合能源调度计划预测模型的优化函数；优化模块，用于根据所述优化函数，对所述综合能源调度计划预测模型进行优化，以得到优化后的目标综合能源调度计划预测模型；预测模块，用于将待预测的预测光伏功率数据、预测风电功率数据和预测火电功率数据输入到所述目标综合能源调度计划预测模型，以得到预测的优化调度计划。
[0010]在本申请的一个实施例中，所述获取模块，包括：获取单元，用于获取所述综合能源对应的历史数据样本，并根据所述历史数据样本中的所述多个历史光伏功率数据、多个
历史风电功率数据和多个历史火电功率数据，计算出所述综合能源对应的多个预测调度计划；训练单元，用于将所述多个历史光伏功率数据、多个历史风电功率数据和多个历史火电功率数据作为LCA模型的输入，将所述多个预测调度计划作为所述LCA模型的输出进行模型训练，以得到所述综合能源对应的综合能源调度计划预测模型。
[0011]在本申请的一个实施例中，所述LCA模型包括输入层、卷积神经网络CNN层、长短期记忆人工神经网络LSTM层、注意力层和输出层，所述训练单元，包括：输入子单元，用于将所述多个历史光伏功率数据、多个历史风电功率数据和多个历史火电功率数据作为训练样本输入到所述输本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种综合能源调度计划的优化方法，其特征在于，所述方法包括：获取所述综合能源对应的历史数据样本，以及由所述历史数据样本训练的综合能源调度计划预测模型，其中，所述历史数据样本包括多个相同采样时段的多个历史光伏功率数据、多个历史风电功率数据、多个历史火电功率数据和多个历史调度计划；将所述多个历史光伏功率数据、多个历史风电功率数据、多个历史火电功率数据输入到所述综合能源调度计划预测模型，以得到所述综合能源对应的多个预测调度计划；基于所述多个预测调度计划和所述多个历史调度计划，构建优化所述综合能源调度计划预测模型的优化函数；根据所述优化函数，对所述综合能源调度计划预测模型进行优化，以得到优化后的目标综合能源调度计划预测模型；将待预测的预测光伏功率数据、预测风电功率数据和预测火电功率数据输入到所述目标综合能源调度计划预测模型，以得到预测的优化调度计划。2.如权利要求1所述的方法，其特征在于，所述获取所述综合能源对应的历史数据样本，以及由所述历史数据样本训练的综合能源调度计划预测模型，包括：获取所述综合能源对应的历史数据样本，并根据所述历史数据样本中的所述多个历史光伏功率数据、多个历史风电功率数据和多个历史火电功率数据，计算出所述综合能源对应的多个预测调度计划；将所述多个历史光伏功率数据、多个历史风电功率数据和多个历史火电功率数据作为LCA模型的输入，将所述多个预测调度计划作为所述LCA模型的输出进行模型训练，以得到所述综合能源对应的综合能源调度计划预测模型。3.如权利要求2所述的方法，其特征在于，所述LCA模型包括输入层、卷积神经网络CNN层、长短期记忆人工神经网络LSTM层、注意力层和输出层，将所述多个历史光伏功率数据、多个历史风电功率数据和多个历史火电功率数据作为LCA模型的输入，将所述多个预测调度计划作为所述LCA模型的输出进行模型训练，以得到所述综合能源对应的综合能源调度计划预测模型，包括：将所述多个历史光伏功率数据、多个历史风电功率数据和多个历史火电功率数据作为训练样本输入到所述输入层，通过所述输入层得到所述训练样本各自对应的输入向量；将所述输入向量输入到所述CNN层，并对所述输入向量进行特征提取，以筛选出目标特征向量；获取所述目标特征向量，将所述目标特征向量输入所述LSTM层，以得到所述目标特征向量各自对应的第一输出向量；将所述目标特征向量各自对应的第一输出向量输入到所述注意力层中，并根据所述注意力层中所述第一输出向量的注意力权重参数值，对所述第一输出向量进行筛选，以得到第二输出向量；将所述第二输出向量输入到所述输出层，以确定所述综合能源对应的多个训练调度计划，并输出所述综合能源对应的多个训练调度计划；根据所述多个训练调度计划和所述多个预测调度计划之间的差异，对所述LCA模型进行模型参数调整，以得到所述综合能源对应的综合能源调度计划预测模型。4.如权利要求3所述的方法，其特征在于，所述CNN层包括卷积层和丢弃dropout层，将
所述输入向量输入到所述CNN层，并对所述输入向量进行特征提取，以筛选出目标特征向量，包括：将所述输入向量输入到所述卷积层中，获取卷积层提取的输入向量的多个特征向量；将所述输入向量的多个特征向量输入到所述dropout层，以从所述多个特征中筛选出目标特征向量。5.如权利要求3所述的方法，其特征在于，在将所述第二输出向量输入到所述输出层，以确定所述综合能源对应的多个训练调度计划，并输出所述综合能源对应的多个训练调度计划之后，还包括：获取所述综合能源对应的多个训练调度计划，并对所述多个训练调度计划进行反归一化处理。6.一种综合能源调度计划的优化装置，其特征在于，所述装置包括：获取模块，用于获取所述综合能源...

【专利技术属性】
技术研发人员：王鸿策，曾庆丰，孙财新，刘涛，陈建华，谢翔，潘霄峰，周卉，
申请(专利权)人：华能湖南能源销售有限责任公司，
类型：发明
国别省市：