基于自动强化学习多时段预测的孤立微电网优化调度方法

    公开(公告)号:CN113708404A

    公开(公告)日:2021-11-26

    申请号:CN202110955516.1

    申请日:2021-08-19

    Abstract: 一种基于自动强化学习多时段可再生能源出力及负荷预测的孤立微电网优化调度方法,其特点是,包括:输入并更新风、光出力及负荷的历史数据并将其按时段重构为24组新的时间序列;生成基于优先经验回放自动强化学习预测的调度模型;根据输入数据自动确定优先经验回放自动强化学习预测模型的架构与超参数;获得预测值及预测误差分布并生成预测误差的概率性序列;修正预测值;确定旋转备用机会约束;将机会约束转化为确定性约束;获得符合混合整数线性规划形式的调度模型;输入微电网参数;求解微电网日前调度模型;检查解决方案是否存在,若存在,则终止流程;否则更新置信水平;输出微电网优化调度方案。具有系统的运行成本低,求解速度快等优点。

    基于联邦深度生成式学习的可再生能源时空场景生成方法

    公开(公告)号:CN113673159A

    公开(公告)日:2021-11-19

    申请号:CN202110957064.0

    申请日:2021-08-19

    Abstract: 一种基于联邦深度生成式学习的可再生能源出力时空场景生成方法,其特点是,包括:对可再生能源历史数据进行归一化处理并将其重塑为24×24的数组矩阵;设计全局最小二乘生成对抗网络模型,并在中心服务器中初始化全局模型;将全局模型部署到各个客户端(可再生能源电站);随机选择一定数量的客户端,被选中的客户端利用历史数据对本地模型进行训练;当达到设定的通信间隔时,客户端将本地模型的参数上传至中心服务器;中心服务器对上传的模型参数进行加权平均,并将其作为新的全局模型参数;中心服务器重新将全局模型部署到各个客户端;不断重复迭代。最终能够生成高质量的捕捉时空相关性的可再生能源场景。

Patent Agency Ranking