摘要
本发明提供一种新能源接入配电网的线损优化方法和系统,包括:获取新能源接入配电网的关联线损数据;根据关联线损数据,利用时序预测模型,输出新能源接入配电网的波动特征数据;基于波动特征数据,通过蒙特卡洛模拟对新能源接入配电网进行线损计算,得到线损分布数据;根据线损分布数据,利用深度强化学习算法对线损分布数据进行优化分析,得到新能源接入配电网的最优接入点和最优配置容量作为新能源接入配电网的线损优化方案;本申请通过基于变换模型和广义自回归条件异方差模型构建的时序预测模型,有利于准确捕获配电网的波动特征数据,并结合深度强化学习算法动态适应新能源接入配电网带来的波动性特征,从而提高接入配电网的线损优化效率。
技术关键词
新能源接入配电网
时序预测模型
线损
深度强化学习算法
波动特征
蒙特卡洛
接入点
广义
新能源电站
密度峰值聚类算法
功率输出特征
负荷
拓扑特征
天气预测数据
注意力机制
分布特征
节点
梯度下降算法
系统为您推荐了相关专利信息
对接控制方法
远距离
控制策略
深度强化学习算法
决策
电解水制氢设备
动态时间窗口
波动特征
功率
可再生能源制氢
区块链平台
需求预测模型
产能
物联网传感器
深度强化学习算法
中央空调系统
监测方法
空调机组系统
数据
时序预测模型