基于微气象站和深度学习模型的微电网实时优化控制方法

本发明公开了基于微气象站和深度学习模型的微电网实时优化控制方法，该方法通过微气象站实时采集温度、湿度、风速、太阳辐射等高精度气象数据，经数据清洗和归一化处理后，输入结合全局注意力机制的LSTM深度学习模型进行负荷和可再生能源出力预测；基于预测结果，采用遗传算法‑自适应权重粒子群优化算法优化微电网能源分配方案，并通过模型预测控制实现动态调整。本发明解决了传统微电网管理中气象数据利用不足、预测精度低和响应滞后等问题，减少了负荷预测误差、降低了运营成本、提高了可再生能源利用率，显著提升了微电网运行的稳定性、经济性和可持续性。