【技术实现步骤摘要】
本专利技术涉及控制领域，尤其涉及一种多网互联的新型能源系统的柔性控制优化方法。
技术介绍
1、随着全球能源需求的不断增长和能源结构的多元化发展，多网互联的新型能源系统逐渐成为未来能源供应的重要趋势。这类系统集成了多种能源形式(如太阳能、风能、地热能等)和多种能源网络，旨在提高能源利用效率、增强系统稳定性和可靠性。然而，多网互联的复杂性使得系统的控制与管理面临巨大挑战，尤其是如何根据实时变化的能源供需情况，实现能源系统的柔性控制，以优化能源分配、减少浪费并提升系统整体性能，成为亟待解决的问题。
2、现有技术中，虽然已有一些能源管理系统能够采集并分析系统运行数据，但大多侧重于单一能源形式或单一网络的控制优化，缺乏针对多网互联系统的综合优化策略。此外，对于柔性控制数据的深度挖掘和利用不足，难以准确预测和应对系统负荷变化，导致控制策略滞后，影响系统效率。
技术实现思路
1、本专利技术的目的是要提供一种多网互联的新型能源系统的柔性控制优化方法。
2、为达到上述目的，本专利技术是按照以下技术方案实施的：
3、本专利技术包括以下步骤：
4、采集新型能源系统的柔性控制数据和运行数据，对所述柔性控制数据和所述运行数据进行预处理；所述运行数据包括工作数据和关联数据；
5、对柔性控制数据进行负荷预测获得建筑用能数据，对所述建筑用能数据和所述工作数据进行时序偏差分析获得差异数据；
6、根据所述差异数据对所述关联数据进行影响分析获得调优
7、根据所述决策数据构建能源系统柔性控制模型，优化所述能源系统柔性控制模型，将待优化数据输入所述能源系统柔性控制模型，输出优化结果。
8、进一步的，对柔性控制数据进行负荷预测获得建筑用能数据的方法，包括：
9、将柔性控制数据输入深度能耗预测模型，在柔性控制数据中加入白噪声系列获得时间序列，并进行序列分解获得多模态分量，表达式为：
10、
11、其中第t次迭代第时刻的时间序列为第i个多模态分量为vi，运行时刻上限为第t次迭代第时刻的残差为时间序列的数量为n，第q个子信号第时刻的第i个多模态分量为子信号的数量为第t次迭代第时刻的第i个多模态分量为
12、根据多模态分量给出卷积层表达式：
13、
14、其中膨胀系数为α，多模态分量的长度为l，第k个卷积滤波器为μ(k)，第时刻的卷积层为卷积滤波器的数量为s，第l-α*ζ个卷积滤波器的第i个多模态分量；
15、计算残差模块的残差：
16、vrd＝act(vi+f(vi))
17、其中多模态分量的映射函数为f(vi)，激活函数为act(·)，残差为vrd；
18、在残差模块的尾部设置全连接层，计算终端输出：
19、
20、其中权值向量为偏置向量为γ，点乘函数为dot(·,·)，预测值为
21、计算全连接层的损失函数，表达式为：
22、
23、其中正则化参数为η，权值向量的损失函数为范数函数为‖·‖，实际值为
24、对预测能耗量进行线性拟合，表达式为：
25、u＝f0+f1u1+f2u2
26、其中预测值为u，室外因素的预测结果为u1，室内因素的预测值为u2，线性参数分别为f0、f1、f2；
27、计算代价函数：
28、
29、其中线性参数的代价函数为c(f)，最大迭代次数为tmax，第i个预测能耗为第i个实际能耗为第t次迭代输入端的多模态分量为第t次迭代输出端的多模态分量为
30、不断迭代直到代价函数取得最小值，将预测能耗输出为建筑用能数据。
31、进一步的，对所述建筑用能数据和所述工作数据进行时序偏差分析获得差异数据的方法，包括：
32、采用长短期记忆网络通过门控机制来学习建筑用能数据和工作数据的长期依赖关系，根据长期依赖关系捕捉时间序列中的时序偏差。
33、进一步的，获得所述调优系数的方法，包括：
34、将差异数据作为关联数据的变化度，采用多元方差分析根据多个因变量与多个自变量之间的关系，根据关系对变化度进行变化控制分析获得分析结果；
35、根据分析结果计算调优系数：
36、
37、其中第j个关联数据为λj，第j个变化度为φj，变化度φj和关联数据λj的关联度为β(φj,λj)，调控系数为κ，关联数据的数量为z，第j+1个关联数据为λj+1，第j+1个变化度为φj+1，关联数据λj和关联数据λj+1的变化度为m(λj,λj+1)。
38、进一步的，根据所述调优系数调整所述柔性控制数据获得决策数据的方法，包括：
39、计算粒子的适应度值：
40、
41、其中第s温度第c个粒子的惩罚项为βc(s)，温度上限为第c个粒子的舒适度函数为能耗负荷为q，能耗负荷的最小值为qmin，能耗负荷的最大值为qmax，热舒适度为h，热舒适度的最小值为hmin，热舒适度的最大值为hmax；
42、将舒适度值最大的粒子作为攻击者，计算粒子和攻击子的平均欧氏距离：
43、
44、其中第c个粒子的位置为dc，攻击子的位置为dak，粒子和攻击子的平均欧氏距离为粒子的数量为
45、选取与攻击子之间欧氏距离大于平均欧式距离的粒子，更新粒子位置，表达式为：
46、
47、其中第t次迭代第c个粒子的更新位置为搜索空间的上界为搜索空间的下界为第t次迭代第c个粒子的位置为dc(t)；
48、计算更新后粒子的适应度值，根据适应度值二次划分攻击子；
49、计算粒子和搜索者的距离、步长：
50、
51、ω＝2r2·v-v
52、其中混乱变异为cv，0到1的随机数为r1、r2，线性衰减因子为v，粒子和和搜索者的距离为第t次迭代的最优位置为dbs(t)，第t次迭代粒子的位置向量为dcp(t)，移动步长为ω；
53、更新粒子的位置获得自适应位置，表达式为：
54、
55、其中第t次迭代第c个粒子的自适应位置为最大迭代次数为tmax，随机选择搜索代理为m；
56、直到达到最大迭代次数获得最优解，否则重新计算粒子的适应度值；
57、根据最优解计算决策数据：
58、
59、其中最优柔性控制数据为调优系数为χ，偏差度为σ。
60、进一步的，根据所述决策数据构建能源系统柔性控制模型的方法，包括：
61、能源系统柔性控制模型包括随机森林算法、匈牙利算法、遗传算法、特殊长短期记忆网络；
62、随机森林算法将决策数据按照6:1划分为训练数据和测试数据；
本文档来自技高网...【技术保护点】
1.一种多网互联的新型能源系统的柔性控制优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种多网互联的新型能源系统的柔性控制优化方法，其特征在于，对柔性控制数据进行负荷预测获得建筑用能数据的方法，包括：
3.根据权利要求1所述一种多网互联的新型能源系统的柔性控制优化方法，其特征在于，对所述建筑用能数据和所述工作数据进行时序偏差分析获得差异数据的方法，包括：
4.根据权利要求1所述一种多网互联的新型能源系统的柔性控制优化方法，其特征在于，获得所述调优系数的方法，包括：
5.根据权利要求1所述一种多网互联的新型能源系统的柔性控制优化方法，其特征在于，根据所述调优系数调整所述柔性控制数据获得决策数据的方法，包括：
6.根据权利要求1所述一种多网互联的新型能源系统的柔性控制优化方法，其特征在于，根据所述决策数据构建能源系统柔性控制模型的方法，包括：
7.根据权利要求1所述一种多网互联的新型能源系统的柔性控制优化方法，其特征在于，优化所述能源系统柔性控制模型的方法，包括：
8.一种电子设备，包括
9.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行所述权利要求1～6任一所述方法。
...【技术特征摘要】
1.一种多网互联的新型能源系统的柔性控制优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种多网互联的新型能源系统的柔性控制优化方法，其特征在于，对柔性控制数据进行负荷预测获得建筑用能数据的方法，包括：
3.根据权利要求1所述一种多网互联的新型能源系统的柔性控制优化方法，其特征在于，对所述建筑用能数据和所述工作数据进行时序偏差分析获得差异数据的方法，包括：
4.根据权利要求1所述一种多网互联的新型能源系统的柔性控制优化方法，其特征在于，获得所述调优系数的方法，包括：
5.根据权利要求1所述一种多网互联的新型能源系统的柔性控制优化方法，...
【专利技术属性】
技术研发人员：陈绍承，马鑫龙，汪道玲，王俊，张志文，孔舒婷，安皓辰，乔镖，梁书奎，秦以鹏，
申请(专利权)人：深圳市深燃清洁能源有限公司，
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。