龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
摘要：一种基于LSTM神经网络的分层能源系统优化调度方法，包括操作步骤：步骤1：负荷预测，采用LSTM网络预测日前市场的电动汽车负荷；LSTM网络通过遗忘门、输入门和输出门来动态调整记忆单元的存储，控制信息的流动，提高模型的学习能力；步骤2：基于对电动汽车负荷预测的结果，建立电动汽车负荷优化调度模型，减少预测负荷曲线和实际负荷曲线之间的误差；步骤3：采用GA遗传算法对步骤2中电动汽车负荷优化调度模型求解；步骤4：采取考虑交易双方利益最大化，建立电动汽车能源交易模型；步骤5：采用改进粒子群算法对电动汽车能源交易模型求解，得到全局最优解作为结果。本发明制定电动汽车负荷协调调度策略，实现电力系统经济效益和环境效益最优。
主权项：1.一种基于LSTM神经网络的分层能源系统优化调度方法，其特征在于，包括以下步骤：步骤1：负荷预测，采用LSTM网络预测目标电动汽车负荷；步骤2：基于LSTM网络对目标电动汽车负荷预测的结果，建立电动汽车负荷优化调度模型，以便减少预测负荷曲线和实际负荷曲线之间的误差；步骤3：对电动汽车负荷优化调度模型，可认为负荷聚合商充分掌握电动汽车的状态信息，因此采用GA遗传算法的集中优化方法对步骤2中电动汽车负荷优化调度模型求解；步骤4：考虑交易双方利益最大化，建立电动汽车能源交易模型；步骤5：电动汽车能源交易模型为分布式优化模型，因此采用改进粒子群算法对电动汽车能源交易模型求解，得到全局最优解作为结果；对于求解变量销售电量为X＝{x1,x2,…,xD}，目标函数为min{fx}的优化问题，标准粒子群算法粒子更新公式如下：vidt+1＝w1vidt+c1r1pbestid-xidt+c2r2gbestd-xidt；xidt+1＝xidt+vidt+1；式中，vidt+1和xidt+1分别为粒子i在t+1的位置和速度；vidt和xidt分别为粒子i在t的位置和速度；w是惯性权重，标准粒子群算法中w随迭代次数线性递减；pbestid为粒子自身历史经验；gbestd为粒子群体经验；c1和c2为学习因子，通常取值为2；r1和r2是[0，1]均匀分布的随机数。
全文数据：
权利要求：
百度查询： 国网江苏省电力有限公司淮安供电分公司 一种基于LSTM神经网络的分层能源系统优化调度方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号