摘要
本申请的基于人工智能的燃气蒸汽联合循环机组电厂负荷预测与优化调度方法及系统,涉及人工智能技术领域,通过实时记录燃气蒸汽联合循环机组电厂的负荷数据和机组出力;基于负荷数据提取负荷波动特征,获取预测误差反馈,引入自适应时间窗口机制,根据当前的负荷波动特征和预测误差反馈调整下一次预测的时间窗口长度;根据更新后的时间窗口长度提取时间窗口内每个时间步的负荷数据的多时间尺度融合特征;构建负荷预测模型,基于每个时间步的多时间尺度融合特征预测未来负荷数据;基于当前机组出力、未来负荷数据和自适应时间窗口机制,构建强化学习模型优化燃气蒸汽联合循环机组电厂的机组出力调整值;实现了负荷预测及优化调度的自适应性。
技术关键词
强化学习模型
优化调度方法
预测误差
波动特征
负荷预测模型
融合特征
负荷特征
机组
长短期记忆神经网络模型
周期
深度强化学习算法
引入注意力机制
优化调度系统
历史负荷数据
多时间尺度