【技术实现步骤摘要】
本专利技术涉及电力系统调度，特别是涉及一种电力系统发电计划的优化方法、装置及介质。
技术介绍
1、随着新型电力系统的发展转型，不确定性因素给电力系统发电计划带来了新的挑战。其中，新能源的大规模并网发电成为了节点注入功率不确定性的主要来源。风电、光伏受气象条件影响呈现出随机性和波动性的基本特征，影响了电力供应的稳定。
2、其次，随着社会经济的高速发展，第三产业负荷与城乡居民生活用电占总负荷的比例逐年攀升，负荷曲线呈现出尖峰化的显著特征，加剧了源荷匹配的不确定性矛盾。此外，电力市场的持续推进和深化改革引入了新的市场要素的不确定性。电价不确定性、需求响应曲线的不确定性、市场参与者竞标策略的不确定性等都成为了发电计划中不可忽略的关键因素。
3、电力系统的传统不确定性发电计划方法，如备用准则法、随机优化以及鲁棒优化等，通常面临着高灵活性、低计算成本、高预测精度之间无法协调统一的矛盾。
技术实现思路
1、本专利技术提供一种电力系统发电计划的优化方法、装置及介质，以解决现有技术中...
【技术保护点】
1.一种电力系统发电计划的优化方法，其特征在于，包括：
2.根据权利要求1所述的优化方法，其特征在于，所述外部数据包括：气象数据、节假日数据、人口数据和GDP数据。
3.根据权利要求2所述的优化方法，其特征在于，所述获取电力时序数据及外部数据，通过所述神经网络模型协调多个所述模块独立配置或组合进行预测处理，生成并输出预测结果，具体为：
4.根据权利要求3所述的优化方法，其特征在于，多个所述模块组合的具体权重通过模型训练过程的优化损失函数自动学习得出。
5.根据权利要求3所述的优化方法，其特征在于，所述单一预测数据根据所述...
【技术特征摘要】
1.一种电力系统发电计划的优化方法，其特征在于，包括：
2.根据权利要求1所述的优化方法，其特征在于，所述外部数据包括：气象数据、节假日数据、人口数据和gdp数据。
3.根据权利要求2所述的优化方法，其特征在于，所述获取电力时序数据及外部数据，通过所述神经网络模型协调多个所述模块独立配置或组合进行预测处理，生成并输出预测结果，具体为：
4.根据权利要求3所述的优化方法，其特征在于，多个所述模块组合的具体权重通过模型训练过程的优化损失函数自动学习得出。
5.根据权利要求3所述的优化方法，其特征在于，所述单一预测数据根据所述神经网络模型中多个所述模块组合的具体权重进行计算处理，其中，所述计算处理为加法...
【专利技术属性】
技术研发人员：李佩奇，李国，常凯旋，陈姝伊，胡翔，王钰珏，张彦涛，
申请(专利权)人：国网商用大数据有限公司，
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。