龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：华北电力大学;中国华电集团有限公司福建分公司
摘要：本发明提供了一种基于联邦学习框架的多时间尺度综合能源优化调度方法，涉及能源调度技术领域，本发明通过降维解构综合能源系统，使用多工况域‑复合建模方法进行等效建模，建立多时间尺度的优化调度数学模型并采用深度学习网络封装。数据特征挖掘和数据增强提供场景数据，结合深度确定性策略梯度算法实现区域负荷分配最优策略。通过全局模型实现协同优化运行，提高整体经济效益，同时采用滚动优化和随机规划与实时调度相结合的方法处理系统不确定性。
主权项：1.一种基于联邦学习框架的多时间尺度综合能源优化调度方法，其特征在于，包括：采用“结构域-功能域-节点群”的划分，进行目标综合能源系统的降维解构，按照节点群采用多工况域-复合建模方法进行等效建模，并按照功能域、结构域进行集成建模及仿真；对各区域建立多时间尺度的优化调度数学模型，提出以各机组及设备运行成本与负荷侧调整成本最低为系统运行优化的目标函数，并设置约束条件对目标函数进行约束；通过非参数核密度估计与拉丁超立方抽样进行数据特征挖掘与数据增强，得到场景数据，并将所述场景数据代入对应时间尺度下的优化调度数学模型，以生成运行数据；采用基于循环门控单元的深度学习网络进行各时间尺度下的优化调度数学模型的封装，各区域的智能体将本地封装模加密上传至全局聚合中心，组成联合优化模型，并利用预设的联邦学习框架对所述联合优化模型进行训练，并根据训练模型进行场景推演，以生成经验池；采用深度确定性策略梯度算法作为聚合中心全局模型的基本网络结构，在网络训练时借助经验池加速网络收敛，对策略网络和价值网络进行不断地学习与更新以确定区域负荷分配最优策略；将聚合中心全局模型得到的最优策略分发给各子区域，由各区域智能体负责对区域内的可控设备进行优化调度并下发调度指令实现协同优化运行。
全文数据：
权利要求：
百度查询： 华北电力大学 中国华电集团有限公司福建分公司 基于联邦学习框架的多时间尺度综合能源优化调度方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号