摘要
本发明涉及一种基于机器学习与混合优化算法的微电网发电调度方法,结合花授粉算法与相量粒子群优化算法,并通过机器学习算法生成的可再生能源的概率预测结果,对微电网的发电调度进行鲁棒优化;使用机器学习模型对风能、太阳能等可再生能源发电进行概率预测;通过花授粉算法的全局和局部搜索机制,在全局和局部优化之间进行切换,平衡搜索空间的探索与开发;利用相量粒子群优化算法,基于相量角度和大小更新粒子群位置,以提高优化的收敛速度和精度;将预测结果输入到鲁棒优化模型中,优化分布式能源的调度,解决由于可再生能源波动性导致的不确定性问题;本发明具有采用混合优化方法、利用机器学习算法实现鲁棒优化、调度方案生成精准的优点。
技术关键词
电网发电调度
混合优化算法
粒子群优化算法
机器学习模型
可再生能源
机器学习算法
混合整数线性规划模型
负荷
数学模型
需求响应管理
混合优化方法
DRM技术
递归神经网络
微电网
变量
机制
自花授粉
矩阵
系统为您推荐了相关专利信息
人工智能算法
仿真模型
长短期记忆网络
调度优化算法
动态响应分析
智能货运
智能匹配系统
协同管理平台
实时监控系统
实时数据
光伏发电预测方法
机器学习模型
历史气象数据
太阳能光伏电站
支持向量回归模型
生命周期管理系统
绿色建筑
能源管理模块
数据模块
数据采集层
号码
定位方法
XGBoost模型
信号强度信息
训练机器学习模型