綜合能源微網互動辨識方法、裝置及計算機可讀存儲介質制造方法及圖紙

一種綜合能源微網互動辨識方法、裝置及計算機可讀存儲介質，本發明專利技術屬于微電網運行控制技術領域，收集綜合能源微網互動的歷史數據，分析歷史數據并建立互動輸入輸出的訓練數據集與測試數據集，對數據集進行正則化處理，使用TCN神經網絡技術，建立綜合能源系統微網系統互動行為模型，利用歷史數據進行訓練。可以在保護隱私參數的情況下，對復雜綜合能源系統微網互動行為進行辨識，顯著提高互動行為模型精度。精度。精度。

【技術實現步驟摘要】
綜合能源微網互動辨識方法、裝置及計算機可讀存儲介質


[0001]本專利技術屬于微電網運行控制
，特別是涉及到一種基于時域卷積神經網絡的綜合能源微網的互動特性學習辨識方法。

技術介紹

[0002]隨著人口增長與人類社會的發展進步，現代社會對能源需求急劇增加。而物聯網、人工智能技術的發展成熟，為綜合能源微網的控制與互動交易供了技術支撐。綜合能源系統中熱電聯產、電熱鍋路等轉換設備為多能互補提供支撐基礎，分布式可再生能源的裝機提高了綜合能源的出力與能源清潔性，儲能設備與P2P交易互動則促進了能源在不同時空之間的流轉消納，提高促進產銷者的能源經濟效益，提高能就近利用，降低能源時空分布的不均衡與能源傳輸網絡的輸送壓力。
[0003]然而隨著分布式可再生能源裝機量的上升、柔性電力設備與儲能規模的不斷擴大、綜合能源微網系統的復雜性也在急劇增加，綜合能源微網的設備動作空間的高維性、非線性大幅上升，綜合能源微網群之間的互動時空耦合特性也導致了其互動特性表征難度的大幅攀升。傳統針對綜合能源微網群的互動行為特性表征問題，一般使用物理參數方法進行物理建模，在設備種類和數量大幅上升的情況下，需要更多的設備物理參數，模型建立難度增加，模型精度下降。此外，隨著隱私保護的需求上升，關鍵設備的部分參數難以獲得，因此傳統方法建立綜合能源微網的模型更加困難，精度也難以滿足需求。
[0004]目前已有相關研究針對綜合能源微網的辨識方法展開，如專利114529089A 一種多微網綜合能源系統優化調度方法和系統，建立了以電負荷的峰谷差最小為目標的分式電價下的電負荷需求響應模型。專利114462678A用于偏遠地區的綜合能源微網多目標優化方法及計算設備，提出了一種用于偏遠地區的綜合能源微網多目標優化模型的建立方法，采用系統成本和清潔能源利用率，建立第一和第二目標，結合約束進行微網優化配置建模；專利114077934A一種綜合能源微網互聯系統及其調度方法，在獲取綜合能源系統互聯網系統參數的基礎上，建立了綜合能源微網的能源耦合設備和能量互聯設備模型，并基于模型進行系統優化調度。但是這些方法對綜合能源微網的參數信息依賴性高，參數的準確性極大的影響建模的精度，隨著系統的設備數量與復雜性增加，微網行為辨識難度急劇增加。傳統的參數建模方法無法適應綜合能源系統復雜設備建模精度，參數的獲取難度也給辨識帶來了的困擾。

技術實現思路

[0005]本專利技術所要解決的技術問題是：提供一種綜合能源微網互動辨識方法、裝置及計算機可讀存儲介質，收集綜合能源微網互動的歷史數據，分析歷史數據并建立互動輸入輸出的訓練數據集與測試數據集，對數據集進行正則化處理，使用TCN神經網絡技術，建立綜合能源系統微網系統互動行為模型，利用歷史數據進行訓練。可以在保護隱私參數的情況下，對復雜綜合能源系統微網互動行為進行辨識，顯著提高互動行為模型精度。
[0006]綜合能源微網互動辨識方法，包括以下步驟，
[0007]步驟一、采集綜合能源微網互動中的與互動行為相關的歷史數據信息，包括光照信息、風速信息、電價信息以及熱價信息，構建微網互動特性模型的輸入輸出訓練數據集和測試數據集；
[0008]步驟二、將所述步驟一獲得的輸入輸出訓練數據集和測試數據集進行正則化處理，并按比例分為綜合能源微網群互動行為模型訓練和測試數據；
[0009]步驟三、基于TCN神經網絡方法，建立綜合能源微網互動行為模型，進行公共數據下的綜合能源微網互動行為辨識，優化網絡結構參數，直到模型精度符合要求。
[0010]所述步驟一構建微網互動特性模型的輸入輸出訓練數據集和測試數據集的方法為，收集整理綜合能源微網互動中的光照、風速、電價、熱價等與互動行為相關的歷史數據信息，其中一天的數據X
i
包括24時段的6維度輸入數據和對應時刻的2維度輸出數據，建立矩陣
[0011][0012]式中，I為環境的光照強度，W為環境的風速，Ct為綜合能源微網群交易熱功率的單價，Ce為綜合能源微網群交易電功率的單價，Cg為電網基礎電價，Cu 為電網二階段電價；輸出數據Pt為綜合能源微網群交易熱功率交易量、Pe為綜合能源微網群交易電功率交易量，所有變量角標表示對應當天的時間段。
[0013]所述步驟二中，輸入輸出訓練數據集和測試數據集進行正則化處理的方法為，
[0014]步驟一、分別計算光照、風速、電價、熱價等數據的最大最小值，進行最大最小值正則化，正則化處理如公式為：
[0015][0016]式中，為正則化處理之后的歸一化數據，和(
·
)為對應數據的最大值和最小值；使用公式(2)正則化處理每日的數據X
i
得到數據
[0017]步驟二、對正則化處理后的數據，按照比例劃分構建綜合能源微網互動特性模型的輸入輸出數據集，
[0018][0019]式中，數據集D為從第一天到第N天的數據正則化集合，為第i天的正則化數據，N為總共的天數，D
train
為從總數據集D中取出數據組成的訓練數據集， D
train
為從總數據集D中取出數據組合得到的測試數據集，訓練集D
train
和測試集 D
train
互為補集；ε表示訓練集占總數據集的比例，為0.7～0.8。
[0020]所述步驟三基于TCN深度神經網絡方法，建立綜合能源微網互動行為模型，進行公共數據下的綜合能源微網互動行為辨識；優化網絡結構參數，直到模型精度符合要求的方法為，
[0021]步驟一、基于TCN深度神經網絡方法，建立綜合能源微網互動行為模型；在 TCN網絡中第一部分是因果卷積網絡，對于一維時序輸入擁有濾波器 f:{0,1,...,k
?
1}的擴展因果卷積網絡，對其時序中元素s的操作F定義如下公式 (4)：
[0022][0023]式中，d為擴張系數，k為濾波器規模，s
?
di為所讀取的過去數據的位置，x
s
?
d
·
i
為濾波器f(i)讀取到的數據；
[0024]步驟二、基于TCN深度神經網絡方法，建立綜合能源微網互動行為模型；在 TCN網絡中第二部分是添加殘差網絡分支網絡，添加的殘差鏈接網絡分支，添加輸出到層塊間的輸入，允許各層對映射的追蹤與修改，其結果對深度網絡具有良好的改善，如下公式(5)：
[0025]o＝Activation(x+F x))
???
(5)
[0026]式中，o為輸出，Activation為激活函數；
[0027]步驟三、采用Adam優化器對模型的參數進行優化以減少損失，損失函數L選取平均絕對誤差(mean absolute error,MAE)如下公式(6)：
[0028][0029]式中，n為預測日的采樣點總數；y
i
為預測日第i個采樣點的實際負荷；為預測日第i個采樣點的預測負荷值。
[0030]綜合本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.綜合能源微網互動辨識方法，其特征是：包括以下步驟，步驟一、采集綜合能源微網互動中的與互動行為相關的歷史數據信息，包括光照信息、風速信息、電價信息以及熱價信息，構建微網互動特性模型的輸入輸出訓練數據集和測試數據集；步驟二、將所述步驟一獲得的輸入輸出訓練數據集和測試數據集進行正則化處理，并按比例分為綜合能源微網群互動行為模型訓練和測試數據；步驟三、基于TCN神經網絡方法，通過所述步驟二獲得的模型訓練和測試數據建立綜合能源微網互動行為模型，進行公共數據下的綜合能源微網互動行為辨識。2.根據權利要求1所述的綜合能源微網互動辨識方法，其特征是：所述步驟一構建微網互動特性模型的輸入輸出訓練數據集和測試數據集的方法為，收集整理綜合能源微網互動中的光照、風速、電價、熱價等與互動行為相關的歷史數據信息，其中一天的數據X
i
包括24時段的6維度輸入數據和對應時刻的2維度輸出數據，建立矩陣式中，I為環境的光照強度，W為環境的風速，Ct為綜合能源微網群交易熱功率的單價，Ce為綜合能源微網群交易電功率的單價，Cg為電網基礎電價，Cu為電網二階段電價；輸出數據Pt為綜合能源微網群交易熱功率交易量、Pe為綜合能源微網群交易電功率交易量，所有變量角標表示對應當天的時間段。3.根據權利要求1所述的綜合能源微網互動辨識方法，其特征是：所述步驟二中，輸入輸出訓練數據集和測試數據集進行正則化處理的方法為，步驟一、分別計算光照、風速、電價、熱價等數據的最大最小值，進行最大最小值正則化，正則化處理如公式為：式中，為正則化處理之后的歸一化數據，和(
·
)為對應數據的最大值和最小值；使用公式(2)正則化處理每日的數據X
i
得到數據步驟二、對正則化處理后的數據，按照比例劃分構建綜合能源微網互動特性模型的輸入輸出數據集，式中，數據集D為從第一天到第N天的數據正則化集合，為第i天的正則化數據，N為總共的天數，D
train
為從總數據集D中取出數據組成的訓練數據集，D
train
為從總數據集D中取出數據組合得到的測試數據集，訓練集D
train
和測試集D
train
互為補集；ε表示訓練集占總數據
集的比例，一般為0.7～0.8。4.根據權利要求1所述的綜合能源微網互動辨識方法，其特征是：所述步驟三基于TCN深度神經網絡方法，建立綜合能源微網互動行為模型，進行...

【專利技術屬性】
技術研發人員：王佳蕊，楊軍，肖浩，彭大健，呂項羽，裴瑋，張家郡，李德鑫，孟祥東，吳洋，樸哲勇，曲紹杰，冷俊，張海鋒，劉暢，陳璟毅，張宗寶，高松，孟濤，張懿夫，
申請(專利權)人：國網吉林省電力有限公司中國科學院電工研究所，
類型：發明
國別省市：