一种基于深度学习的能源预测控制方法、设备和存储介质

本发明涉及电力技术领域，尤其涉及一种基于深度学习的能源预测控制方法，包括以下步骤：S1：收集历史数据，预处理历史数据得到预处理数据；S2：将预处理数据输入预测模型集成模块进行训练，并通过元学习和在线学习更新模型参数和模型权重，以得到训练模型；S3：采集实时数据输入训练模型得到预测结果，根据预测结果调整光伏输出功率、风电输出功率、锂电池输出功率和氢燃料电池输出功率，并输出决策方案。本发明通过预测模型集成模块提高预测准确性；元学习和在线学习确保不同环境条件下的预测能力和稳定性；根据预测结果调整输出功率实现高效调度；通过输出决策方案对制氢设备和储能系统有效管理。