一种基于深度学习解耦的电力-交通网最优调度方法
摘要文本
本发明公布了一种基于深度学习解耦的电力‑交通网最优调度方法，通过深度学习解耦电力‑交通网模型，在保证电网和交通网信息隐私的基础上，实现了电‑交通网最优调度。计及了电网、交通网的运行约束，构建了计及电动汽车的电‑交通网协调调度模型；采用深度学习学习电网和交通网之间的电动汽车充电功率，实现了电‑交通网协调调度模型两网各自独立运行，构建了基于深度学习解耦的电‑交通网最优调度模型。本发明考虑当下电网和交通网存在信息壁垒的现实情况，通过深度学习解耦，在保证电网和交通网运行独立性的基础上，实现电‑交通网的最优调度，有效提高了模型的求解效率。
申请人信息
- 申请人:河海大学
- 申请人地址:211100 江苏省南京市江宁开发区佛城西路8号
- 发明人: 河海大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于深度学习解耦的电力-交通网最优调度方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311599887.6 |
| 申请日 | 2023/11/27 |
| 公告号 | CN117541009A |
| 公开日 | 2024/2/9 |
| IPC主分类号 | G06Q10/0631 |
| 权利人 | 河海大学 |
| 发明人 | 陈胜; 成浩; 吕思; 卫志农; 黄蔓云; 朱瑛; 孙国强; 臧海祥; 韩海腾; 周亦洲 |
| 地址 | 江苏省南京市鼓楼区西康路1号 |
专利主权项内容
1.一种基于深度学习解耦的电力-交通网最优调度方法，其特征在于，包括以下步骤：步骤1、获取电网、交通网模型的网络系数和运行系数，所述网络系数包括电网线路电阻和阻抗、交通网路段自由通行时间和路段容量、路段和路径耦合系数，所述运行系数包括发电机组发电系数、单位行驶时间费用；步骤2、获取电网负荷需求、交通需求及光伏出力场景数据；步骤3、针对获取的电网、交通网模型的网络系数、运行系数和场景数据，以系统运行能量消耗最小为目标函数，以电网运行约束和交通网运行约束为约束条件，建立计及电动汽车的电-交通网协调调度模型，求解得计及电动汽车的电-交通网协调调度模型的电动汽车充电功率；步骤4、基于步骤3中的计及电动汽车的电-交通网协调调度模型的电动汽车充电功率，以电网负荷需求、交通需求为输入，电动汽车充电功率为输出，通过深度学习模型学习，建立基于深度学习解耦的电力-交通网最优调度模型；步骤5、基于步骤4中的基于深度学习解耦的电力-交通网最优调度模型，利用非线性优化求解器求解该模型，对电网和交通网进行优化调度以得到基于深度学习解耦的电力-交通网最优调度方案。 关注公众号马克数据网