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：四川川能智网实业有限公司

摘要：本发明属于智能微电网协同控制系统技术领域，具体涉及一种基于深度学习的智能微电网协同控制系统及方法，获取发电地区历史天气数据、发电功率和发电运行成本；获取发电地区的天气预报数据，通过历史天气数据对天气预报数据进行校准；构建微电网协同控制系统功率成本模型，依次将数据集输入该模型，并判断验证结果是否满足要求，若是，将校准后的天气预报数据输入模型，输出预测风力发电功率、预测光伏发电功率和预测运行成本；实时采集发电地区当前的天气数据和当前运行成本，智能微电网协同控制系统以修正后的风力发电功率、光伏发电功率运行。使得风力发电和光伏发电的智能微电网协同控制系统能够互补协同作用，提高其发电效率和经济效益。

主权项：1.一种基于深度学习的智能微电网协同控制方法，其特征在于，包括以下步骤：S1：获取发电地区历史天气数据、与历史天气数据对应的历史风力发电功率和历史光伏发电功率以及风力和光伏发电运行成本，构建数据集，并将所述数据集划分为训练集、测试集和验证集；S2：获取发电地区的天气预报数据，通过所述历史天气数据对天气预报数据进行校准；S3：构建智能微电网协同控制系统功率成本模型，依次将所述训练集、测试集和验证集输入该模型，对模型进行训练、测试和验证，并判断验证结果是否满足要求，若是，执行步骤S4，若否，重新执行步骤S1；S4：将校准后的天气预报数据输入所述智能微电网协同控制系统功率成本模型，并输出预测风力发电功率、预测光伏发电功率和预测运行成本；S5：实时采集发电地区当前的天气数据和当前运行成本，并通过当前天气数据和当前运行成本对预测风力发电功率、预测光伏发电功率进行修正；S6：智能微电网协同控制系统以修正后的风力发电功率、光伏发电功率运行；步骤S2包括以下具体过程：S21：获取发电地区的指定期间内的天气预报数据；S22：在发电地区历史天气数据中提取同时期的天气数据；S23：根据提取的同时期的天气数据中的风速和光照强度，并按指定比例对相应期间的天气预报数据中的风速和光照强度进行补偿校准；步骤S3包括以下具体过程：S31：构建智能微电网协同控制系统功率成本模型；S32：将训练集输入所述智能微电网协同控制系统功率成本模型，对模型进行训练；S33：将测试集输入所述智能微电网协同控制系统功率成本模型，对训练后的模型进行测试，判断测试结果的相应指标是否满足要求，若是，执行步骤S34；若否，重新输入新的训练集，对模型进行训练；S34：将验证集输入测试后的智能微电网协同控制系统功率成本模型，对测试结果进行验证，并判断验证结果是否满足要求，若是，执行步骤S4，若否，重新执行步骤S1；步骤S5中，通过当前天气数据和当前运行成本对预测风力发电功率、预测光伏发电功率进行修正的过程为：S51：基于当前天气数据，计算风力发电系统的理论最大功率和光伏发电系统的理论最大功率；S52：创建平衡功率和运行成本的复合函数；S53：对创建平衡功率和运行成本的复合函数计算最优解；S54：通过最优解按照指定比例对预测风力发电功率、预测光伏发电功率进行修正；步骤S52中创建平衡功率和运行成本的复合函数的公式为： f（x）=f1（x）+f2（x）； f 1（x）=（Pft-Pwt-Pvt）2； ；其中，f1（x）为平衡功率函数，f2（x）为运行成本函数，Pft为t时刻负荷功率，Pwt为t时刻风力发电功率，Pvt为t时刻光伏发电功率，kwt为t时刻风力上网电价，kvt为t时刻光伏上网电价，为t时刻功率偏差系数，与相应的发电设备有关，kt为电价偏差系数，Lt为t时刻功率计划值。

全文数据：

权利要求：

百度查询： 四川川能智网实业有限公司 一种基于深度学习的智能微电网协同控制系统及方法