← 返回列表
一种基于深度学习辅助的直流配电网分布鲁棒优化调度方法
摘要文本
本发明公开了一种基于深度学习辅助的直流配电网分布鲁棒优化调度方法，该方法首先构建直流配电网基于场景的分布鲁棒优化调度物理模型，反复改变输入的光伏出力、负荷、范数置信度，采用列与约束生成算法迭代求解获得光伏出力的最差概率分布，记录每一次的输入以及对应的最差概率分布作为输出为后续的深度学习提供数据支撑；其次，以光伏出力、负荷、范数置信度为输入，光伏出力的最差概率分布为输出构建深度神经网络模型；基于训练好的神经网络预测实时输入的光伏出力、负荷、范数置信度所对应输出的光伏出力最差概率分布，将原始分布鲁棒模型转化为最差概率分布下的单层随机规划模型并进行求解，获取等效的分布鲁棒调度策略。。来源：百度马 克 数据网
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 | 一种基于深度学习辅助的直流配电网分布鲁棒优化调度方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311105297.3 |
| 申请日 | 2023/8/30 |
| 公告号 | CN117394444A |
| 公开日 | 2024/1/12 |
| IPC主分类号 | H02J3/46 |
| 权利人 | 河海大学 |
| 发明人 | 卫志农; 徐昊; 陈胜; 周亦洲; 孙国强; 臧海祥; 韩海腾; 朱瑛; 黄蔓云 |
| 地址 | 江苏省南京市开发区佛城西路8号 |
专利主权项内容
1.一种基于深度学习辅助的直流配电网分布鲁棒优化调度方法，其特征在于，该方法包括如下步骤：步骤1，构建直流配电网基于场景的分布鲁棒优化调度物理模型，反复改变输入的光伏出力、负荷、范数置信度，采用列与约束生成算法迭代求解获得光伏出力的最差概率分布，记录每一次的输入以及对应的最差概率分布；步骤2，以光伏出力、负荷、范数置信度为输入，光伏出力的最差概率分布为输出构建深度神经网络模型；步骤3，基于训练好的神经网络预测实时输入的光伏出力、负荷、范数置信度所对应输出的光伏出力的最差概率分布，将原始分布鲁棒模型转化为光伏出力的最差概率分布下的单层随机规划模型并进行求解，获取等效的分布鲁棒调度策略。