【技术实现步骤摘要】
基于边缘智能的能源互联网新能源消纳能力评估方法
[0001]本专利技术涉及能源互联网新能源消纳能力评估方法。
技术介绍
[0002]能源互联网(Internet of Energy,IoE)作为的工业物联网典型应用,集成了分布式发电(Distributed Generations,DG)和智能设备
[1]。新能源(Renewable Energy Sources,RES)的高渗透率提高了IoE的灵活性和可持续性。然而,受自然条件影响,新能源的发电具有不确定性,这使得IoE具有间歇性和波动性等特点
[2]。因此,为了最大程度地增加RES的消纳量,IoE面临着巨大的挑战。
[0003]为了提升新能源的消纳量,对合理调度IoE已经进行了广泛的研究。在
[3]中,提出了动态能源管理系统并考虑了储能单元。在微电网中,文献
[4]使用热能产生和电池存储以应对RES带来的不确定性。在文献
[5]中研究了功率优化方法,该方法降低微电网成本,从而获得了一种鲁棒的方法。在
[6]中,提出了一种博弈论模型来选择旋转备用容量以消除风力发电的不稳定性。在
[7]中,还引入了旋转备用容量,以提高包括传统发电机和新能源发电机在内的电网灵活性。
[0004]然而,上述方法只能在当前时间段内调度能源互联网,并且不能实时处理突发事件,例如,负荷突然增加和传输短路
[8]。而且,上述大多数研究都使用集中式调度方法来管理IoE的能源。
[0005]在IoE中,随着智能设 ...
【技术保护点】
【技术特征摘要】
1.基于边缘智能的能源互联网新能源消纳能力评估方法,其特征在于:所述方法具体过程为:步骤一、测量终端通过无线信道收集来自发电单元和负荷单元的数据集;步骤二、基于GRU算法的深度学习层对步骤一获得的数据集进行处理,得到处理后的数据集;步骤三、基于PPO算法的强化学习层对步骤二获得的处理后的数据集进行新能源消纳处理,得到新能源消纳最大化策略。2.根据权利要求1所述基于边缘智能的能源互联网新能源消纳能力评估方法,其特征在于:所述步骤一中测量终端通过无线信道收集来自发电单元和负荷单元的数据集;具体过程为:发电单元包括常规发电单元、新能源发电单元;新能源发电单元包括光伏发电能源和风力发电单元。3.根据权利要求2所述基于边缘智能的能源互联网新能源消纳能力评估方法,其特征在于:所述步骤二中基于GRU算法的深度学习层对步骤一获得的数据集进行处理,得到处理后的数据集;具体过程为:将步骤一获得的数据集(X
t
‑1,X
t
,X
t+1
,
…
)输入深度学习层的数据预处理单元,得到将得到的输入深度学习层的预测单元,得到(Y
t
‑1,Y
t
,Y
t+1
,
…
)。4.根据权利要求3所述基于边缘智能的能源互联网新能源消纳能力评估方法,其特征在于:所述将步骤一获得的数据集(X
t
‑1,X
t
,X
t+1
,
…
)输入深度学习层的数据预处理单元,得到具体过程为:输入矩阵为输入矩阵经过GRU的重置门r
t
,即r
t
=σ(W
r
·
[h
t
‑1,X
t
])
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)其中,表示在t时刻风电机组总出力,表示在t时刻光伏电机组的总出力,表示在t时刻负荷所需功率,t为时刻;h
t
‑1为前一时刻的隐藏状态,为通过重置门和更新门计算当前序列的候选隐藏状态;矩阵为GRU模型中的权重参数,W
r
矩阵为GRU模型中r
t
的权重参数,σ()为GRU模型的激活函数;输入矩阵经过GRU的更新门z
t
,即z
t
=σ(W
z
·
[h
t
‑1,X
t
])
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(14)其中,h
t
为当前时刻的隐藏状态,*为乘号,为t时刻的候选隐藏状态,W
z
为矩阵是GRU
模型中z
t
的权重参数;以RMSE为损失函数学习更新门和重置门,最终输出结果为风电出力、光伏出力、以及负荷的补偿数据,即荷的补偿数据,即其中,W
o
矩阵是GRU模型中输出层的权重参数。5.根据权利要求4所述基于边缘智能的能源互联网新能源消纳能力评估方法,其特征在于:所述将得到的输入深度学习层的预测单元,得到(Y
t
‑1,Y
t
,Y
t+1
,
…
);具体过程为:输入矩阵为输入矩阵经过GRU的重置门,即经过GRU的重置门,即其中,为弥补后的风电出力数据,为弥补后的光伏出力数据,为弥补后的负荷数据;输入矩阵经过GRU的更新门,即经过GRU的更新门,即最终输出预测的结果,即Y
t
;Y
t
=σ(W
o
·
h
t
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(20)。6.根据权利要求5所述基于边缘智能的能源互联网新能源消纳能力评估方法,其特征在于:所述GRU算法的深度学习层的损失函数为:其中,为利用GRU算法补偿的缺失数据值,X
t,i
为步骤一获得的数据集中数据,n是数据总数。7.根据权利要求6所述基于边缘智能的能源互联网新能源消纳能力评估方法,其特征在于:所述步骤三中基于PPO算法的强化学习层对步骤二获得的处理后的数据集进行新能源消纳处理,得到新能源消纳最大化策略;具体过程为:步骤三一、建立新能源消纳目标函数和约束条件;步骤三二、状态集合S
t
表示如下:
其中,表示在t时刻风电机组总出力,表示在t时刻光...
【专利技术属性】
技术研发人员:兰天,李俊,关心,杨雪晴,
申请(专利权)人:牡丹江大学黑龙江大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。