一种基于联邦学习的微电网群运行策略进化方法

    公开(公告)号:CN113887141A

    公开(公告)日:2022-01-04

    申请号:CN202111199048.6

    申请日:2021-10-14

    摘要: 本发明公开了一种基于联邦学习的微电网群运行策略进化方法,包括步骤1:各个微电网依据本地历史数据,基于深度学习方法构建等值封装模型,并上传云端;步骤2:云端根据各微电网等值封装模型进行汇集,并采用遗传算法搜索更优运行策略进行记录;步骤3:云端进一步基于纵向联邦学习方法对遗传算法搜索记录的更优运行策略进行学习训练,并下发更新后的模型至各个微电网,实现各微电网互动运行策略的更新进化。本发明相比物理机理模型驱动的传统方法,可以在不需要获悉各微电网内部参数数据的情形下,实现各微电网互动运行策略的自学习,同时也可根据外部条件的变化而自适应调整进化,此外也无须汇集大量数据于微电网群的后台能量管理中心。

    一种基于联邦学习的微电网群运行策略进化方法

    公开(公告)号:CN113887141B

    公开(公告)日:2024-11-05

    申请号:CN202111199048.6

    申请日:2021-10-14

    摘要: 本发明公开了一种基于联邦学习的微电网群运行策略进化方法,包括步骤1:各个微电网依据本地历史数据,基于深度学习方法构建等值封装模型,并上传云端;步骤2:云端根据各微电网等值封装模型进行汇集,并采用遗传算法搜索更优运行策略进行记录;步骤3:云端进一步基于纵向联邦学习方法对遗传算法搜索记录的更优运行策略进行学习训练,并下发更新后的模型至各个微电网,实现各微电网互动运行策略的更新进化。本发明相比物理机理模型驱动的传统方法,可以在不需要获悉各微电网内部参数数据的情形下,实现各微电网互动运行策略的自学习,同时也可根据外部条件的变化而自适应调整进化,此外也无须汇集大量数据于微电网群的后台能量管理中心。