一种基于组合分解与深度学习的多园区微电网风光储鲁棒优化配置方法

本发明属于新能源电力系统技术领域，具体涉及一种基于组合分解与深度学习的多园区微电网风光储鲁棒优化配置方法。具体包括以下步骤：采集风‑光‑荷相关数据集，通过空间插值法提升气象数据精度，并采用mRMR算法进行特征筛选；应用VMD‑WT组合分解方法对风‑光‑荷历史时序数据进行处理；构建DBN‑BiLSTM混合神经网络模型，对风‑光‑荷进行区间预测；引入风‑光‑荷预算不确定集，以总运行成本最小为目标构建风光储两阶段鲁棒优化配置模型，将原始min‑max‑min优化问题转化为等价单层min问题可解形式，求解得到园区微电网风光储配置策略。本发明通过优化微电网风光储配置容量，在提升清洁能源利用率、降低微网运行成本方面具有显著效果。