【技术实现步骤摘要】
本专利技术涉及电力资源调度领域，更具体地说，它涉及一种基于大数据的资源调度方法。
技术介绍
1、目前，一些地区的供电方式由风力发电和燃煤发电等多种方式共同组合提供；在风力发电和燃煤发电组合形成供电网为整个地区提供稳定的电力供应的情况下，由于风力发电机组的间歇性，当风速适中或强风时，风力发电会持续高产，但在风速较弱甚至风力停滞时，风电供应将减少甚至中断，导致燃煤发电需要进行动态的调度，以弥补风力发电的不足供应或减少自身的电力供应，但是动态的调度都是在风力发电不足或者过多，产生这个结果之后，才能进行调度调整燃煤发电的电力供应，也就容易造成风力发电不足与调度之前间的时间，存在真空期，导致该地区在真空期期间产生供电不稳的问题，影响该地区的生活。
技术实现思路
1、本专利技术提供一种基于大数据的资源调度方法，解决上述
技术介绍
中的技术问题。
2、本专利技术提供了一种基于大数据的资源调度方法，包括以下步骤：
3、步骤101，将供电区域网格化均分为多个地块，采集所有地块历史的用电数据和风力发电机组所在位置历史的环境数据；用电数据包括用电高峰期、低谷期和平均用电量，风力发电机组所在位置历史的环境数据包括风力发电机组所在位置的风速、风向、温度、湿度和气压数据；
4、步骤102，将风力发电机组所在位置历史的环境数据编码成环境特征，将环境特征输入到发电量预测模型中，发电量预测模型输出风力发电机组未来6小时为供电区域提供的风力发电量；
5、步骤103，通过每个
6、步骤104，根据输出的电力调度策略为每个地块分配燃煤发电量。
7、在一个优选的实施方式中，发电量预测模型包括输入层、lstm层和全连接层，输入层输入环境特征到lstm层中，lstm层输出当前时间步的隐藏状态到全连接层中，全连接层输出风力发电机组未来6小时为供电区域提供的风力发电量。
8、在一个优选的实施方式中，输入层：
9、输入环境特征的维度为(n，t，d)，其中，n表示样本数量，t表示时间步长，d表示特征数；
10、lstm层：
11、输入门的计算公式为：
12、it＝σ(wi·[ht-1，xt]+bi)
13、其中，it表示输入门，σ表示sigmoid激活函数，wi表示第二权重矩阵，ht-1表示前一时间步的隐藏状态，xt表示当前输入，bi表示第二偏置向量；
14、遗忘门的计算公式为：
15、ft＝σ(wf·[ht-1，xt]+bf)
16、其中，ft表示遗忘门，σ表示sigmoid激活函数，wf表示第三权重矩阵，ht-1表示前一时间步的隐藏状态，xt表示当前输入，bf表示第三偏置向量；
17、输出门的计算公式为：
18、ot＝σ(wo·[ht-1，xt]+bo)
19、其中，ot表示输出门，σ表示sigmoid激活函数，wo表示第四权重矩阵，ht-1表示前一时间步的隐藏状态，xt表示当前输入，bo表示第四偏置向量；
20、记忆单元的更新公式为：
21、ct＝ft*ct-1+it*tanh(wc·[ht-1，xt]+bc)
22、其中，ct表示当前时间步的记忆单元状态，ct-1表示前一时间步的记忆单元状态，ft表示遗忘门，it表示输入门，tanh表示双曲正切激活函数，ht-1表示前一时间步的隐藏状态，xt表示当前输入，wc表示第五权重矩阵，bc表示第五偏置向量；
23、隐藏状态的更新公式为：
24、ht＝ot*tanh(ct)
25、其中，ht表示当前时间步的隐藏状态，ot表示输入门，ct表示当前时间步的记忆单元状态，tanh表示双曲正切激活函数；
26、全连接层：
27、全连接层的计算公式为：
28、y＝relu(wy·ht+by)
29、其中，y表示预测的风力发电机组未来6小时为供电区域提供的风力发电量，wy表示全连接层的权重矩阵，ht表示当前时间步的隐藏状态，by表示全连接层的偏置项，relu表示relu函数。
30、在一个优选的实施方式中，电力调度策略网络包括特征拼接层、隐藏层和输出层，其中特征拼接层输入用电特征和风力发电量，输出综合特征，将综合特征输入到隐藏层中，输出隐藏特征，隐藏特征输入到输出层中，输出层输出每个可选的电力调度策略的q值，选择q值最大的电力调度策略作为输出。
31、在一个优选的实施方式中，特征拼接层的计算公式为：
32、z＝concat(yd，y*)
33、其中，z表示综合特征，yd表示用电特征，y*表示均分后的风力发电量向量，concat表示向量拼接。
34、在一个优选的实施方式中，隐藏层的计算公式为：
35、h＝f(whz+bh)
36、其中，h表示隐藏特征，z表示综合特征，wh表示隐藏层的权重矩阵，bh表示隐藏层的偏置项，f表示tanh激活函数；
37、输出层的计算公式为：
38、qpred＝σ(wo*h+bo)
39、其中，qpred表示供电区域对应的电力调度策略的q值，h表示隐藏特征，wo表示输出层的权重矩阵，bo表示输出层的偏置项，σ表示sigmoid激活函数。
40、在一个优选的实施方式中，电力调度策略网络的状态空间包括环境数据和用电数据；
41、动作空间：组合每个地块的可输出的燃煤发电量来生成动作空间；
42、一个动作包括所有地块中增加或减少的燃煤发电量；
43、电力调度策略网络的奖励函数的计算公式为：
44、r＝-α·s-β·d-γ·t+c
45、其中，r表示总奖励，s表示供电稳定性奖励值，d表示满足电力需求奖励值，t表示处理效率奖励值，α、β、γ分别表示第一、第二、第三权重系数，c表示偏置项；
46、供电稳定性奖励的计算公式为：
47、
48、其中，s表示供电稳定性奖励值，n表示地块的数量，pdemand，i和psupply，i分别表示第i个地块的电力需求和供应量；
49、满足电力需求奖励值的计算公式为：
50、
51、其中，d表示满足电力需求奖励值，n表示地块的数量，pdemand，i和psupply，i分别表示第i个地块的电力需求和供应量，当pdemand，i＜psupply，i时，电力供应不足，奖励为负值，当pdemand，i＞psupply，i时，电力需求得到满足，奖励为零或正值；
52、本文档来自技高网...
【技术保护点】
1.一种基于大数据的资源调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于大数据的资源调度方法，其特征在于，发电量预测模型包括输入层、LSTM层和全连接层，输入层输入环境特征到LSTM层中，LSTM层输出当前时间步的隐藏状态到全连接层中，全连接层输出风力发电机组未来6小时为供电区域提供的风力发电量。
3.根据权利要求2所述的一种基于大数据的资源调度方法，其特征在于，输入层：
4.根据权利要求3所述的一种基于大数据的资源调度方法，其特征在于，电力调度策略网络包括特征拼接层、隐藏层和输出层，其中特征拼接层输入用电特征和风力发电量，输出综合特征，将综合特征输入到隐藏层中，输出隐藏特征，隐藏特征输入到输出层中，输出层输出每个可选的电力调度策略的Q值，选择Q值最大的电力调度策略作为输出。
5.根据权利要求4所述的一种基于大数据的资源调度方法，其特征在于，特征拼接层的计算公式为：
6.根据权利要求5所述的一种基于大数据的资源调度方法，其特征在于，隐藏层的计算公式为：
7.根据权利要求6所述的一种基于大
8.根据权利要求7所述的一种基于大数据的资源调度方法，其特征在于，电力调度策略网络的训练包括以下步骤：
9.一种基于大数据的资源调度系统，其特征在于，包括以下模块：
10.一种存储介质，其存储了非暂时性计算机可读指令，其特征在于，当非暂时性计算机可读指令由计算机执行时，能够执行如权利要求8所述的一种基于大数据的资源调度方法中的步骤。
...【技术特征摘要】
1.一种基于大数据的资源调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于大数据的资源调度方法，其特征在于，发电量预测模型包括输入层、lstm层和全连接层，输入层输入环境特征到lstm层中，lstm层输出当前时间步的隐藏状态到全连接层中，全连接层输出风力发电机组未来6小时为供电区域提供的风力发电量。
3.根据权利要求2所述的一种基于大数据的资源调度方法，其特征在于，输入层：
4.根据权利要求3所述的一种基于大数据的资源调度方法，其特征在于，电力调度策略网络包括特征拼接层、隐藏层和输出层，其中特征拼接层输入用电特征和风力发电量，输出综合特征，将综合特征输入到隐藏层中，输出隐藏特征，隐藏特征输入到输出层中，输出层输出每个可选的电力调度策略的q值，选择q值最大的电力...
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。