[发明专利]一种电网电力设备能源智能管理系统及方法

权利要求书

1.一种电网电力设备能源智能管理系统，其特征在于，该系统包括：

数据获取模块，用于获取电力设备的基础信息，该基础信息包括设备老化度、设备型号和设备的运行时长；还用于获取设备的运行时长为t时的实际输出功率；

电能输出量预测模块，用于在所有电力设备的基础信息中，分批次的任意选取其中设定数量的电力设备的基础信息，各个批次的电力设备的基础信息均用作训练样本，将每个批次的训练样本分别作为输入，将每个批次的训练样本中设备的运行时长为t时的实际输出功率作为输出，分别单独训练输出功率预测网络，所述的输出功率预测网络采用神经网络，训练后输出各个输出功率预测网络的准确率大小，根据各个输出功率预测网络的准确率大小选取基准网络，作为预测电力设备输出功率的最优网络；所述电力设备的基础信息具体为设备老化程度、设备类型、设备运行时长；

设备波动性评估模块，用于选取参与所述最优网络进行训练的训练样本中对应的电力设备，作为一级稳定发电设备；选取不参与所述最优网络训练的电力设备作为二级稳定发电设备；

设备控制模块，用于在设备波动性评估模块确定的所有一级稳定发电设备中，根据功率需求和为各发电设备提前预设的优先级投入顺序，选取一级稳定发电设备进行并网投入控制，剩余的一级稳定发电设备和二级稳定发电设备作为备用设备。

2.根据权利要求1所述的电网电力设备能源智能管理系统，其特征在于，所述神经网络的具体构建过程如下：

收集训练样本，待筛选电力设备的基础信息，该基础信息表示为，其中，为第个电力设备的设备标识，中的三个符号依次为第个电力设备的设备老化度、设备型号和设备运行时长；

训练输出功率预测网络，包括功率输出量预测编码器和全连接层，网络输入电力设备的基础信息，也即，通过功率输出量预测编码器编码后获取特征向量，将特征向量送入全连接层，网络输出设备运行时长为t个小时的输出功率实际值，该值通过检测得到。

3.根据权利要求1或2所述的电网电力设备能源智能管理系统，其特征在于，根据各个输出功率预测网络的准确率大小选取基准网络，作为预测电力设备输出功率的最优网络包括：

A）将第一批次的电力设备基础信息的样本作为第一训练集，对输出功率预测网络W1进行训练，判断网络W1输出的各个输出量预测值是否准确，根据网络W1输出准确的功率输出预测值的数量，确定第一训练集训练后网络W1的准确率A1；

B）以数量为个第二批次样本作为第二训练集，将该第二训练集作为第一验证集送入训练好的网络W₁中进行验证，并获取第一验证集验证后网络W₁的准确率；再以第二训练集作为训练样本，对初始参数的输出功率预测网络W₂进行训练，并获取第二训练集训练后网络W₂的准确率；

C）获取第一训练集训练后网络W₁的准确率与第一验证集验证后网络W₁的准确率之间的偏差，作为第一准确率偏差；获取第一训练集训练后网络W₁的准确率与第二训练集训练后网络W₂的准确率之间的偏差，作为第二准确率偏差；根据第一准确率偏差和第二准确率偏差的大小，判断是否满足设定的条件，确定基准网络；

D）再将数量为个下一批次样本作为新的第二训练集，将上面第一次确定的基准网络W₁’对应的训练集作为新的第一训练集，重复上面步骤A）-C）中对第一训练集和第二训练集的处理，再次更新基准网络W₁’；

E）重复上面的步骤D），直到最后一组数量为个的最后一批样本作为新的第二训练集，将上一次确定的基准网络W₁’对应的训练集作为新的第一训练集，重复上面步骤A）-C）中对第一训练集和第二训练集的处理，更新得到最优的基准网络W₁’为止。