[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

本發明實施例公開了一種負荷儲能雙優化的預測方法、裝置和計算機可讀存儲介質，初始化神經網絡的網絡參數；其中，網絡參數包括權重參數、偏置參數和新引進的儲能參數；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；基于目標函數和約束條件，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。通過將改進的神經網絡模型和梯度下降法結合，實現了微網中售電公司、大用戶成本最優的負荷和儲能的雙優化預測，有效的節省了儲能和負荷預測所花費的時間和成本，并且便于售電公司在電力市場中提交更優的申報方案。

技術領域

本發明涉及電網技術領域，特別是涉及一種負荷儲能雙優化的預測方法、裝置和計算機可讀存儲介質。

背景技術

電力市場是保持電力系統穩定運行和管理的重要環節，隨著電力市場去管制化在全球范圍內的愈演愈烈，負荷預測成為電力市場中維持電力系統供需平衡非常重要的部分。儲能在電力市場中作為一種可轉移負荷，可以有效應對電力系統的穩定性和可靠性。

儲能在微網中應用比較廣泛，可以有效減少電網中由于新能源發電的間歇性引起的波動性，同樣在需求側響應的“削峰填谷”中發揮重要作用。故在電網中準確的負荷預測和合理的儲能不僅可以有效維護電力系統持續健康發展，同樣可以在分時電價或者電價隨著市場需求變動的時候，有效降低微網中售電公司、大用戶的成本。

在現有的微網規劃運行中，負荷預測和儲能優化通常作為兩個步驟來完成。隨著新能源的廣泛應用和電力系統的調度存在一定的時延，電力市場往往瞬息萬變，此時兩個優化耗費的時間會錯過最佳交易時機，降低了售電公司、大用戶的市場敏感度和決策準確性。

可見，如何節省儲能和負荷預測花費的時間，是本領域技術人員亟待解決的問題。

發明內容

本發明實施例的目的是提供一種負荷儲能雙優化的預測方法、裝置和計算機可讀存儲介質，可以節省儲能和負荷預測花費的時間和成本。

為解決上述技術問題，本發明實施例提供一種負荷儲能雙優化的預測方法，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；

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；

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。

可選的，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_es min+(P_es max-P_es min)*rand；

其中，ES為訓練集中的儲能矩陣，P_es min為電儲能功率的最小值；P_es max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。

可選的，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，