一种基于DQN算法的能源互联网优化策略方法

    公开(公告)号:CN112084680B

    公开(公告)日:2023-12-26

    申请号:CN202011181281.7

    申请日:2020-10-29

    摘要: 一种能源互联网优化策略方法,所述能源互联网包括电网单元、气网单元和分布式冷热电系统嵌入式能量互联网单元,所述方法包括:在保证系统运营成本最小的前提下,通过协调优化能源互联网,可以进一步挖掘可再生能源利用率,进行网络优化配置,使其具有快速动态优化的目的以及自学习能力,基于最优输出动作,可以制定能源互联网优化策略,尽可能的减少网络的冗余度,减小系统运营成本。在设定的控制策略下,约束条件包括负载供需平衡约束、发电、输出功率平衡约束、储能元件充放电限制约束和与外电网交互耗能平衡约束,采用DQN算法,该方法使用马尔科夫决策来确定最佳序列,并结合卷积神经网络逐步获得回报值最小的目标集。

    一种基于卡尔曼滤波器与卷积神经网络的电力负荷预测方法

    公开(公告)号:CN111967688B

    公开(公告)日:2024-02-23

    申请号:CN202010909741.7

    申请日:2020-09-02

    摘要: 本发明公布了一种基于卡尔曼滤波器与卷积神经网络的电力负荷预测方法包括以下步骤:获取某地区的电力系统历史负荷数据,对历史负荷数据的异常数据进行处理;对影响电力负荷的因素进行分析与量化,将修正后的数据进行归一化;确定神经网络的输入输出数据,确定最优的隐含层的神经元个数,建立卷积神经网络;用训练好的卷积神经网络进行预测,并将预测的数据反归一化从而得到负荷预测值;根据时间序列模型和卷积神经网络预测值确定卡尔曼方程,时间序列模型的预测值作为卡尔曼滤波的真实值,卷积神经网络的预测值作为卡尔曼滤波的测量值,对电网负荷进行预测。本发明预测精度较高,可广泛应用于电力系统的负荷预测中。(56)对比文件张爽.基于改进卷积神经网络在短期负荷预测中的方法研究《.中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》.2020,(第7期),第C042-511页.Bui, DM 等.A Statistical Data-Filtering Method Proposed for Short-TermLoad Forecasting Models《.JOURNAL OFELECTRICAL ENGINEERING & TECHNOLOGY》.2020,第15卷(第5期),第1947-1967页.Xun Gong 等.A Generic LoadForecasting Method for AggregatedThermostatically Controlled Loads Basedon Convolutional Neural Networks《.2019IEEE Energy Conversion Congress andExposition (ECCE)》.2019,第495-502页.Hossein Javedani Sadaei 等.Short-termload forecasting by using a combinedmethod of convolutional neural networksand fuzzy time series《.Energy》.2019,第175卷第365-377页.