摘要
一种基于自适应惩罚系数的分布式电力能源调度方法,包括:S1、采集分布式能源节点的电力运行数据和环境数据;S2、基于长短期记忆神经网络构建电量预测模型,利用预处理后的电力运行数据和环境数据对预测模型进行训练,得到电量预测模型;S3、将预处理模型与电量预测模型组合,并部署到边缘设备或云端,得到实时电量预测模型;S4、基于实时的全部分布式节点的电量预测结果,以最小调度成本为目标构建目标函数:采用自适应惩罚系数的拉格朗日松弛法求解目标函数,得到调度方案;S5、根据调度方案,生成调度指令并发送至分布式节点,执行调度。本设计不仅发电、储能和功率传输的综合调度,而且简化了计算的复杂程度有效减少计算量。
技术关键词
分布式电力能源
电量预测模型
电力运行数据
长短期记忆神经网络
节点
拉格朗日
计算机程序代码
电力传输
储能设备
计算机可存储介质
线路传输损耗
新能源发电量
动态调整机制
长短期记忆网络
云端
模块
系统为您推荐了相关专利信息
故障检测模型
配电网系统
单相接地故障检测
样本
图像
模态特征
幽默识别方法
幽默特征
交叉注意力机制
人脸图像特征
交易特征
账号
神经网络模型
交易识别方法
节点特征