【技术实现步骤摘要】
本专利技术属于电网储能调度，具体是涉及到一种基于深度学习与能量管理的电网储能调度方法及系统。
技术介绍
1、传统电网系统通常是以集中式发电为主，电能从发电厂传输到各个用电终端，因此传统电网系统的电能调度仅需采用简单的计划调度方案。随着可再生能源技术的发展和应用，特别是光伏发电和风力发电等分布式能源的快速增长，传统电网系统面临着巨大的变革和挑战。
2、光伏发电和风力发电均具有极强的不稳定性和波动性，且分布范围广泛。为了避免光伏发电和风力发电的能源被浪费，往往还会为光伏发电区域和风力发电区域配置储能装置，以存储对应区域所溢出的电能。由于传统的计划调度方案仅依赖于电厂发电数据和少量的终端用电数据生成，传统调度方案已经难以应对复杂多变的电力需求和供给情况，导致电网运行效率低下，能源浪费严重。因此，智能电网的概念应运而生，智能电网旨在通过信息通信技术和先进的控制手段，实现电网的高效、可靠和智能化运行。在这一背景下，如何有效地管理和调度分布式能源以及储能装置，成为智能电网研究和应用的核心问题之一。
技术实现思
<本文档来自技高网...【技术保护点】
1.一种基于深度学习与能量管理的电网储能调度方法，其特征在于，应用于配电组网，所述配电组网包括多个配电区域，每个所述配电区域均包含多个用电负载和多个基于光伏风力发电系统构建的微电网，每个所述配电区域中还配置有共享储能装置，所述共享储能装置用于存储所述配电区域中所有所述微电网所生产的盈余电能，所述盈余电能表示所述微电网在同一时间段内所生产电能超出微电网内部供能的部分电能，所述方法包括如下步骤：
2.根据权利要求1所述的基于深度学习与能量管理的电网储能调度方法，其特征在于，所述基于深度卷积神经网络并通过所述历史用电数据构建用电特征识别模型，利用所述用电特征识别...
【技术特征摘要】
1.一种基于深度学习与能量管理的电网储能调度方法，其特征在于，应用于配电组网，所述配电组网包括多个配电区域，每个所述配电区域均包含多个用电负载和多个基于光伏风力发电系统构建的微电网，每个所述配电区域中还配置有共享储能装置，所述共享储能装置用于存储所述配电区域中所有所述微电网所生产的盈余电能，所述盈余电能表示所述微电网在同一时间段内所生产电能超出微电网内部供能的部分电能，所述方法包括如下步骤：
2.根据权利要求1所述的基于深度学习与能量管理的电网储能调度方法，其特征在于，所述基于深度卷积神经网络并通过所述历史用电数据构建用电特征识别模型，利用所述用电特征识别模型分析所述实时用电数据，预测得到所述用电负载的预测用电特征包括如下步骤：
3.根据权利要求2所述的基于深度学习与能量管理的电网储能调度方法，其特征在于，所述对所述历史用电数据集的所述历史用电特征进行特征关联性分析，获取所述历史用电数据集的用电特征分类矩阵包括如下步骤：
4.根据权利要求3所述的基于深度学习与能量管理的电网储能调度方法，其特征在于，所述利用所述用电特征分类矩阵训练所述初始用电特征识别模型，得到训练完成的用电特征识别模型包括如下步骤：
5.根据权利要求4所述的基于深度学习与能量管理的电网储能调度方法，其特征在于，所述采用粒子群优化算法从所述用电特征分类矩阵中选取最优用电特征包括如下步骤：
【专利技术属性】
技术研发人员：徐诚，李双，向阳，邓琪，李建邦，
申请(专利权)人：武汉易晨创想科技有限公司，
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。