[發明專利]一種負荷儲能雙優化的預測方法、裝置和介質

有效

• 申請號: 201910016341.0
• 申請日: 2019-01-08
• 公開（公告）號: CN109615151B
• 公開（公告）日: 2023-01-03
• 發明（設計）人: 寸馨;許方園
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q30/02;G06Q50/06;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 羅滿

1.一種負荷儲能雙優化的預測方法，其特征在于，包括：

初始化神經網絡的網絡參數；其中，所述網絡參數包括權重參數、偏置參數和儲能參數；所述初始化神經網絡的網絡參數包括：

利用如下公式，設置儲能參數的初始值，

ES＝P_esmin+(P_esmax-P_esmin)*rand；

其中，ES為訓練集中的儲能矩陣，P_esmin為電儲能功率的最小值；P_esmax為電儲能功率的最大值；rand表示隨機生成一個與儲能矩陣型相同的矩陣，其中各元素均為0到1之間的隨機數；*表示矩陣點乘或矩陣與常數相乘；

利用均值為0標準差為的高斯隨機分布初始化權重參數；其中，num表示權重對應層的神經元數量；

利用均值為0標準差為1的高斯分布初始化偏置參數；

利用初始化后的網絡參數構建神經網絡模型；

建立包含負荷成本和儲能成本的目標函數和約束條件；所述建立包含負荷成本和儲能成本的目標函數和約束條件包括：

基于成本最小化為目標，構建目標函數，其公式如下，

其中，O表示總成本目標矩陣；Cost_lo表示負荷成本矩陣；Cost_es表示儲能成本矩陣；T為神經網絡訓練集的實際消耗負荷矩陣；Y表示申報負荷矩陣；E_esmin為電儲能能量的最小值；E_esmax為電儲能能量的最大值；

其中，P_da為日前市場的電價矩陣，日前市場的電價矩陣中第j行第n列的元素記為pda_jn；P_rt為實時市場的電價矩陣，實時市場的電價矩陣中第j行第n列的元素記為prt_jn；申報負荷矩陣Y中第j行第n列的元素記為y_jn；實際消耗負荷矩陣T中第j行第n列的元素記為t_jn；儲能矩陣ES中第j行第n列的元素記為es_jn；

基于所述目標函數和所述約束條件，利用梯度下降法對所述神經網絡模型進行訓練，得到包含負荷成本矩陣和儲能成本矩陣的訓練結果。

2.根據權利要求1所述的方法，其特征在于，基于所述目標函數和所述約束條件，利用梯度下降法對所述神經網絡模型進行訓練，得到包含負荷成本矩陣和儲能成本矩陣的訓練結果包括：

依據內點法將帶約束的目標函數轉化為無約束的目標函數，其公式如下，

其中，const為目標函數中由內點法轉換后的約束矩陣；r表示轉換后約束條件的調節系數；

基于所述無約束的目標函數，利用梯度下降法對所述神經網絡模型進行訓練，直至所述神經網絡模型滿足預設條件，則輸出包含負荷成本矩陣和儲能成本矩陣的訓練結果。