摘要
本发明涉及碳排放管理技术领域,尤其涉及一种配电网碳减排优化调度方法及系统,包括利用关联规则挖掘算法对配电网运行综合数据集进行关联规则分析,得到影响配电网能耗和碳排放的关键影响因素,利用改进长短期记忆神经网络模型得到碳排放量预测值和能耗预测值;采用K均值聚类算法对用户用电行为数据进行聚类分析,得到用电画像;根据用电画像、碳排放量预测值和能耗预测值,利用强化学习算法生成配电网碳减排调度策略;根据配电网碳减排调度策略实时调控配电网源网荷储各环节的电力资源配置和设备运行状态。本发明通过改进的长短期记忆神经网络模型和强化学习算法生成具有针对性的配电网碳减排调度策略,提高配电网碳排放管理的效率与准确性。
技术关键词
长短期记忆神经网络模型
配电网运行数据
优化调度方法
K均值聚类算法
关联规则挖掘算法
电网运行参数
关联规则分析
强化学习算法
排放量
多头注意力机制
能耗
画像
设备运行状态
模糊逻辑
序列
策略
Apriori算法
碳排放管理技术
系统为您推荐了相关专利信息
两阶段鲁棒优化
配电网运行数据
互补系统
燃气轮机
风力涡轮机
太阳能蒸汽发电
虚拟电厂优化调度方法
储氢系统
太阳能蒸汽装置
氢气
关联规则挖掘算法
日志
计算机执行指令
异常检测方法
序列
GNSS数据
模型构建方法
K均值聚类算法
GNSS系统
模型构建系统
数据处理装置
预测用户需求
线性回归模型
马尔可夫链方法
需求预测模型