买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网山东省电力公司威海供电公司

摘要：本发明公开了一种基于数据驱动的多维不确定条件下电力电量平衡方法，涉及电力系统调度技术领域。具体包括：首先建立考虑安全经济约束的以成本最小为目标的基于物理模型驱动的电力电量平衡模型，求解源荷实际数据对应的实际最优决策结果；其次采用模糊‑C均值聚类法对历史源荷预测数据进行聚类；接着构建基于长短时记忆网络的电力电量平衡深度学习模型，通过历史数据训练建立系统预测数据与实际最优决策结果之间的映射模型，以此为基础进行电力电量平衡决策；最后通过积累历史数据实现对模型的持续修正。本发明基于数据驱动的思路，提升了电力电量平衡决策方案的精度，实现电力电量平衡决策模型的自我进化。

主权项：1.一种基于数据驱动的多维不确定条件下电力电量平衡方法，其特征在于，包括以下步骤：S1：建立以限负荷最小、弃电量最小及经济成本最小的电力系统电力电量平衡目标函数；S2：设置电力系统安全经济约束条件，与电力系统电力电量平衡目标函数共同构建出基于物理模型驱动的电力电量平衡模型；S2中设置安全经济约束条件具体包括功率平衡约束、容量约束、电网分区间传输容量约束、火电机组出力约束、光伏出力约束；S3：以地区电网历史真实源荷数据为基于物理模型驱动的电力电量平衡模型的模型输入，计算历史真实源荷数据对应的包括机组开停机计划、机组出力计划在内的实际最优电力电量平衡方案UG，PG，其中UG为系统发电机组的启停方案，PG为系统发电机组的出力矩阵；将每日源荷预测数据和每日实际最优电力电量平衡方案作为一个映射样本，生成历史映射样本数据；S4：基于模糊-C均值聚类法将每日的历史真实源荷数据划分为m类，并确定每个类别的聚类中心；S5：构建采用算法训练后的长短时记忆网路LSTM模型；S6：以长短时记忆网路LSTM模型为基础，分别以每个类的源荷预测数据为输入，以历史映射样本数据中该源荷预测数据对应的实际最优决策结果为输出，对长短时记忆网路LSTM进行训练，得到N个描述源荷预测数据与实际最优决策结果之间映射关系的映射模型，也就是N个基于长短时记忆网络的电力电量平衡深度学习模型；S7：对于新的源荷预测数据首先判断所属的类别，其次利用该类别对应的LSTM模型进行电力电量平衡决策；S8：利用新的源荷数据及对应的最优决策模型更新历史映射样本数据，对LSTM模型进行持续不断地修正和优化。

全文数据：

权利要求：

百度查询： 国网山东省电力公司威海供电公司 一种基于数据驱动的多维不确定条件下电力电量平衡方法