摘要
本发明公开了一种互补调度下的出力优化方法、系统、设备及介质,方法获取梯级水电、风场以及光电场的数据;基于地理位置数据构建图神经网络,并根据历史发电数据配置边的权重,图神经网络的节点表示不同地理位置的风机、光伏阵列以及水电站;基于所构建的图神经网络根据当前的短期气象数据,进行气象预测;构建基于双层蒙特卡洛‑条件风险的评估模型,根据评估模型输出出力预测的概率密度函数,执行出力优化。本发明通过建立图神经网络以捕获可能存在的气象要素在非均匀观测网络中的传播情况;并通过构建基于评估模型实现对水风光综合评估,通过概率密度函数给出对短期的互补出力优化的参考方向,从而提高互补优化的调度效果。
技术关键词
出力优化方法
概率密度函数
计算机可执行指令
气象观测数据
梯级水电
历史气象数据
蒙特卡洛
光伏阵列
节点
时钟
水电站
光电
风场
LSTM模型
处理器
水库
逻辑
系统为您推荐了相关专利信息
执行身份认证
主控芯片
密钥管理
存储模块
计算机可执行指令
三次样条插值
甲烷
蒙特卡洛
模型预测值
土壤体积含水量
外检测方法
云端服务器
样本
计算机可执行指令
轻量级神经网络
方言识别方法
通用背景模型
门控循环单元
时序特征
频谱特征