摘要
本发明公开一种基于多目标模型求解的能源调度方法、装置、终端设备及存储介质,可以利用因果神经网络来预测下一时刻的出力调度策略,并且在因果神经网络的训练过程中由于是基于预测结果和实际结果的比对结果来不断地更新神经网络中的因果系数,从而可以使得因果神经网络能够学习并捕捉到历史出力调度策略与未来出力调度策略之间的因果关系,更好地适应能源供需系统的不确定性和动态性,提高了预测的可靠性,从而在对多目标的调度优化模型求解时,本发明能够基于各个准确的下一时刻的出力调度策略进行多目标求解,以得出准确的且可使得运行成本最小的目标出力调度策略,为后续的调度优化提供了可靠的数据基础,避免了能源短缺或过剩的情况发生。
技术关键词
制冷机设备
冷热电联产系统
能源调度方法
调度优化模型
能量转换系统
策略
样本
数据
基础
终端设备
微型燃气轮机
制冷设备
因子
天然气
网络
控制模块
调度装置
系统为您推荐了相关专利信息
协调优化控制方法
历史运行数据
协调优化控制策略
调度优化模型
出行计划
支撑平台
预测电力系统
调度优化模型
机器学习技术
云计算技术
共享电动汽车
调度员
协同调度方法
互动场景
站点
调度优化方法
非线性
调度优化模型
压缩机压头
节点
面向数据中心
能源系统
调度优化模型
长短期记忆网络
决策