一种基于预测和强化学习多目标的源网荷储电量分配方法

本发明提出一种基于预测和强化学习多目标的源网荷储电量分配方法。首先，通过收集和预处理多模态数据，构建基于注意力机制的GRU预测模型，以提高对电力需求和供应的预测精度；然后，设计基于强化学习的多目标优化粒子群资源分配模型，通过自适应调整粒子群参数和引入强化学习组件，优化资源分配策略；最后，通过动态调整机制，对资源分配方案进行修正调整，确保在满足系统约束的同时，实现成本最小化和系统运行效率最大化。这种方法不仅能够提高电力系统的响应速度和调度精度，确保电力供应的稳定性和经济性，同时优化资源配置，降低运营成本，还能提高负荷侧的调节能力，辅助更好的开展中长期分时段交易。