【技术实现步骤摘要】
本专利技术涉及能源调度技术，尤其涉及基于负荷特性的园区分布式设备群智能联动方法及系统。
技术介绍
1、园区能源管理是提高能源利用效率、降低运行成本的重要手段。随着分布式能源技术的快速发展，越来越多的园区开始采用光伏、储能、电制冷等分布式能源设备，以满足自身能源需求。如何有效地协调控制这些设备，使其协同运行，并根据负荷变化动态调整运行策略，成为园区能源管理面临的关键挑战。
2、传统的园区能源管理方法通常采用基于规则的控制策略或简单的优化算法，难以充分考虑负荷特性、设备特性以及环境因素等复杂因素的影响，导致能源利用效率不高、运行成本较高。例如，一些方法仅根据预先设定的时间计划进行设备启停控制，无法适应负荷的动态变化；另一些方法采用单目标优化策略，只考虑经济效益或环境效益，难以实现多目标协同优化。
3、现有技术存在以下缺陷和不足：
4、一、缺乏对负荷特性的深入挖掘。传统的能源管理方法通常基于简单的负荷预测模型，难以准确捕捉负荷的峰谷分布、变化趋势以及不同用能单元之间的相关性等复杂特征，导致控制策略难以适应负
【技术保护点】
1.基于负荷特性的园区分布式设备群智能联动方法，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，将所述实时负荷数据输入预先训练的深度神经网络模型，所述深度神经网络模型基于历史负荷数据和环境参数数据进行训练，生成所述多个用能单元的负荷特性曲线包括：
3.根据权利要求1所述的方法，其特征在于，基于所述负荷特性曲线，构建园区分布式能源设备群的多目标优化模型，所述多目标优化模型的优化目标包括系统运行成本最小化和能源利用效率最大化包括：
4.根据权利要求3所述的方法，其特征在于，利用改进的粒子群算法求解所述多目标优化模型，得到园...
【技术特征摘要】
1.基于负荷特性的园区分布式设备群智能联动方法，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，将所述实时负荷数据输入预先训练的深度神经网络模型，所述深度神经网络模型基于历史负荷数据和环境参数数据进行训练，生成所述多个用能单元的负荷特性曲线包括：
3.根据权利要求1所述的方法，其特征在于，基于所述负荷特性曲线，构建园区分布式能源设备群的多目标优化模型，所述多目标优化模型的优化目标包括系统运行成本最小化和能源利用效率最大化包括：
4.根据权利要求3所述的方法，其特征在于，利用改进的粒子群算法求解所述多目标优化模型，得到...
【专利技术属性】
技术研发人员：杨柳青，黄婉莹，
申请(专利权)人：广州大白数字科技有限公司，
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。