一种基于LSTM和DQN算法的分布式储能系统优化调度方法

本发明公开了属于储能系统调度技术领域的一种基于LSTM和DQN算法的分布式储能系统优化调度方法。对光伏发电和负荷需求的时间序列数据进行预处理，将数据划分为训练集和测试集；使用LSTM网络进行训练，通过超参数优化最小化预测误差，根据当前状态利用DQN算法选择调度动作并执行，转移到下一个状态，同时获得奖励；将状态、动作、奖励和新状态存储在经验回放池中，并通过定期采样的经验来更新DQN的神经网络权重，从而优化模型的调度策略；判断是否达到终止状态以及Q值是否收敛，直到模型收敛并输出最优的调度策略。本发明可以即时响应需求，能够显著增强系统的灵活性、响应速度和可靠性，同时降低输电损耗，提高整体能量利用率。