[發(fā)明專利]一種綜合能源系統(tǒng)規(guī)劃方法、裝置和終端設備

在審

• 申請?zhí)枺?/td>: 202110590997.0
• 申請日: 2021-05-28
• 公開（公告）號: CN113177366A
• 公開（公告）日: 2021-07-27
• 發(fā)明（設計）人: 邢家維;王永利;馬裕澤;申和坤;鞠文杰;陳鑫;孫樹敏;張丹陽;程艷;李鋒;常萬拯;盧艷超;劉一江;霍慧娟;姚蘇航;陶思藝
• 申請（專利權）人: 華北電力大學;國網(wǎng)山東省電力公司科學研究院;國網(wǎng)經(jīng)濟技術研究院有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06Q10/04;G06Q10/06;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 石家莊國為知識產(chǎn)權事務所 13120
• 代理人: 付曉娣

本發(fā)明涉及能源規(guī)劃領域，公開了一種綜合能源系統(tǒng)規(guī)劃方法、裝置和終端設備。上述綜合能源系統(tǒng)規(guī)劃方法包括：采集需預測地區(qū)歷史數(shù)據(jù)，歷史數(shù)據(jù)包括歷史負荷數(shù)據(jù)、歷史分布式電源輸出功率、歷史溫濕度和預測日溫濕度、預測日分布式電源輸出功率；根據(jù)歷史負荷數(shù)據(jù)、歷史分布式電源輸出功率、歷史溫濕度建立高維數(shù)據(jù)集；根據(jù)注意力機制構建神經(jīng)網(wǎng)絡模型，基于高維數(shù)據(jù)集訓練神經(jīng)網(wǎng)絡模型；將預測日溫濕度輸入到訓練后的神經(jīng)網(wǎng)絡模型，得到負荷預測結果；根據(jù)預測日分布式電源輸出功率數(shù)據(jù)構建綜合能源系統(tǒng)規(guī)劃模型，基于負荷預測結果和綜合能源系統(tǒng)規(guī)劃模型進行綜合能源系統(tǒng)規(guī)劃。

技術領域

本發(fā)明涉及能源規(guī)劃領域，具體涉及一種綜合能源系統(tǒng)規(guī)劃方法、裝置和終端設備。

背景技術

綜合能源系統(tǒng)可實現(xiàn)一定區(qū)域內不同能源的耦合互補，利用能源間的互補性及可替代性，實現(xiàn)了供給側不同能源設備的耦合，能夠滿足多元負荷需求并提高能源的利用效率，可以有效的降低用能成本，綜合能源系統(tǒng)規(guī)劃離不開精準的負荷預測。負荷預測是指在一定數(shù)據(jù)基礎的情況下，結合一系列相關的影響因素，通過一定的預測方法，對未來的負荷用能情況進行一定的推測。正確而準確的預測不僅可以合理地調整能源供應計劃，以確保社會的正常運轉，而且可以降低能源使用成本并達到經(jīng)濟和社會效益。

綜合能源系統(tǒng)的規(guī)劃設計和負荷預測必須考慮系統(tǒng)內部生產(chǎn)，替換，存儲和能源使用的各個方面，同時需要考慮多種能量流(例如電，冷和熱)的相互作用。因此綜合能源系統(tǒng)需要多種檢測設備以及數(shù)據(jù)傳輸設備，有關溫度，天氣和風速等多種數(shù)據(jù)的信息量也在不斷的增加，數(shù)據(jù)規(guī)模已經(jīng)從GB級增加到了TB級。以往的傳統(tǒng)的負荷預測方法的準確性和預測的速度都難以滿足目前的需求。因此，利用大數(shù)據(jù)技術預測能源需求是未來重要的發(fā)展方向。

隨著大數(shù)據(jù)技術的發(fā)展，目前已經(jīng)能夠實現(xiàn)對數(shù)據(jù)的快速處理，并可以預測短期能耗。通過對傳統(tǒng)預測方法中對于數(shù)據(jù)處理技術的改進，已經(jīng)能夠有效的實現(xiàn)大數(shù)據(jù)技術在復雜情況下的處理能力。同時，某些應用程序還具有一定的快速響應能力，能夠實時處理數(shù)據(jù)。

發(fā)明內容

有鑒于此，本發(fā)明實施例提供了一種綜合能源系統(tǒng)規(guī)劃方法，以解決現(xiàn)有技術中虛擬同步機并網(wǎng)調節(jié)頻率波動大，穩(wěn)定性差的問題。

為達到上述目的，本發(fā)明采用如下技術方案：

第一方面，本發(fā)明實施例提供了一種綜合能源系統(tǒng)規(guī)劃方法，包括：采集需預測地區(qū)歷史數(shù)據(jù)，所述歷史數(shù)據(jù)包括歷史負荷數(shù)據(jù)、歷史分布式電源輸出功率、歷史溫濕度和預測日溫濕度、預測日分布式電源輸出功率；根據(jù)所述歷史負荷數(shù)據(jù)、歷史分布式電源輸出功率、歷史溫濕度建立高維數(shù)據(jù)集；根據(jù)注意力機制構建神經(jīng)網(wǎng)絡模型，基于所述高維數(shù)據(jù)集訓練所述神經(jīng)網(wǎng)絡模型；將所述預測日溫濕度輸入到訓練后的神經(jīng)網(wǎng)絡模型，得到負荷預測結果；根據(jù)預測日分布式電源輸出功率數(shù)據(jù)構建綜合能源系統(tǒng)規(guī)劃模型，基于所述負荷預測結果和所述綜合能源系統(tǒng)規(guī)劃模型進行綜合能源系統(tǒng)規(guī)劃。

基于第一方面，在一些實施例中所述根據(jù)注意力機制構建神經(jīng)網(wǎng)絡模型，基于所述高維數(shù)據(jù)集訓練所述神經(jīng)網(wǎng)絡模型，包括：將所述高維數(shù)據(jù)集中的高維數(shù)據(jù)轉換為高維時間序列；將所述高維時間序列輸入基于注意力機制的神經(jīng)網(wǎng)絡模型，訓練所述神經(jīng)網(wǎng)絡模型。

基于第一方面，在一些實施例中，所述將所述高維時間序列輸入基于注意力機制的神經(jīng)網(wǎng)絡模型，訓練所述神經(jīng)網(wǎng)絡模型，包括：通過所述卷積神經(jīng)網(wǎng)絡對所述高維時間序列進行特征提取，得到第一特征量；通過長短期神經(jīng)網(wǎng)絡對所述第一特征量進行時間維度的建模和分析，得到第二特征量；通過注意力機制模塊處理所述第二特征量，得到第三特征量；對所述第三特征量進行解碼處理，輸出第四特征量，得到所述神經(jīng)網(wǎng)絡模型。

基于第一方面，在一些實施例中，所述第二特征量為：

h_t＝LSTM(h_c1,h_c2,h_c3…,h_ci-1,h_ci),t∈[1,i]