【技术实现步骤摘要】
本专利技术涉及电网，尤其涉及一种基于机器学习模型的电厂优化调度方法及虚拟控制系统。
技术介绍
1、现有技术中，cn105391060a公开了一种含微电网的配电网优化调度方法，该方法包括计算每一所述微电网的不平衡电量；计算相应微电网的最大输出功率和相应微电网的最大输入功率；建立以每一配网可控型分布式电源的输出功率、每一微电网入口的交互功率和配电网从上级电网购电功率为控制变量，以所述配电网供电成本最小为优化目标的优化模型；计算所述控制变量的最优解，并根据所述最优解对所述配电网进行调度。
2、综上，现有技术虽然能够实现电网调度优化，但仅涉及电网内部节点的功率交互，无法从电网全局考虑调度方案，因此需要一种方案解决现有技术中存在的问题。
技术实现思路
1、本专利技术实施例提供一种基于机器学习模型的电厂优化调度方法及虚拟控制系统，至少能解决现有技术中存在的部分问题。
2、本专利技术实施例的第一方面，提供一种基于机器学习模型的电厂优化调度方法，包括：
3、获取历史电网...
【技术保护点】
1.基于机器学习模型的电厂优化调度方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取历史电网负荷需求，基于所述历史电网负荷需求生成数据集，将所述数据集划分为训练集和验证集，基于深度学习建立记忆网络模型，确定所述记忆网络模型的结构并定义超参数网格，基于所述超参数网格调整所述记忆网络模型的超参数取值范围，基于所述数据集交叉验证所述记忆网络模型并确定超参数，部署所述记忆网络模型包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述记忆网络模型，确定所述记忆网络模型中的输入参数，设定概率分布，通过蒙特卡洛模拟生成随机样...
【技术特征摘要】
1.基于机器学习模型的电厂优化调度方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取历史电网负荷需求，基于所述历史电网负荷需求生成数据集，将所述数据集划分为训练集和验证集，基于深度学习建立记忆网络模型，确定所述记忆网络模型的结构并定义超参数网格，基于所述超参数网格调整所述记忆网络模型的超参数取值范围，基于所述数据集交叉验证所述记忆网络模型并确定超参数，部署所述记忆网络模型包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述记忆网络模型，确定所述记忆网络模型中的输入参数，设定概率分布，通过蒙特卡洛模拟生成随机样本，对于每个输入参数，根据设定的概率分布随机抽取样本并对模型进行求解，得到不确定性，基于所述不确定性评估电网失荷风险，以所述电网失荷风险最小化和运行成本最小化作为目标构建目标函数包括：
4.根据权利要求3所述的方法，其特征在于，所述以所述电网失荷风险最小化和运行成本最小化为目标，构建所述目标函数如下公式所示
...
【专利技术属性】
技术研发人员：朱珂，卢浙安，刘开健，费盼峰，魏振界，吴辰璇，郭晗，
申请(专利权)人：杭州和利时自动化有限公司，
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。