基于深度学习的微电网优化调度辅助决策方法

• 作者: 陈卫东 吴宁 黄彦璐 马溪原 郭晓斌 林冬
• 来源期刊: 南方电网技术
• 学科: 工学
• 关键词: 微电网 优化调度 深度学习 深度双向长短期记忆网络 人工智能
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 新能源与微电网|New Energy & Micro-Grid
• 页码范围: 117-126
• 页数: 10页
• 分类号: TM715
• 语种: 中文
• DOI: 10.13648/j.cnki.issn1674-0629.2022.01.013

摘要

随着可再生能源以及电力电子设备的高比例接入,微电网控制决策优化以及调度方式将面临极大的问题和挑战,南方电网公司正在向"能源价值链整合商"转型,将有可能运维数以万计的微电网,传统的模型驱动、预案式控制、人工值守的调度模式将难以满足需求.面向人工智能在微电网自动运行调控领域的需求,提出了基于深度学习的微电网优化调度辅助决策方法.首先介绍了微电网优化运行的典型数学规划模型,分析了模型驱动的建模求解方法的难点和局限性,接着提出了基于深度双向长短期记忆网络的微电网日前优化调度深度学习模型和方法,给出了模型输出结果的修正与处理原则,最后通过算例分析验证了本文模型和算法的有效性.