[发明专利]综合能源调度计划的优化方法、装置和电子设备

权利要求书

1.一种综合能源调度计划的优化方法，其特征在于，所述方法包括：

获取所述综合能源对应的历史数据样本，以及由所述历史数据样本训练的综合能源调度计划预测模型，其中，所述历史数据样本包括多个相同采样时段的多个历史光伏功率数据、多个历史风电功率数据、多个历史火电功率数据和多个历史调度计划；

将所述多个历史光伏功率数据、多个历史风电功率数据、多个历史火电功率数据输入到所述综合能源调度计划预测模型，以得到所述综合能源对应的多个预测调度计划；

基于所述多个预测调度计划和所述多个历史调度计划，构建优化所述综合能源调度计划预测模型的优化函数；

根据所述优化函数，对所述综合能源调度计划预测模型进行优化，以得到优化后的目标综合能源调度计划预测模型；

将待预测的预测光伏功率数据、预测风电功率数据和预测火电功率数据输入到所述目标综合能源调度计划预测模型，以得到预测的优化调度计划。

2.如权利要求1所述的方法，其特征在于，所述获取所述综合能源对应的历史数据样本，以及由所述历史数据样本训练的综合能源调度计划预测模型，包括：

获取所述综合能源对应的历史数据样本，并根据所述历史数据样本中的所述多个历史光伏功率数据、多个历史风电功率数据和多个历史火电功率数据，计算出所述综合能源对应的多个预测调度计划；

将所述多个历史光伏功率数据、多个历史风电功率数据和多个历史火电功率数据作为LCA模型的输入，将所述多个预测调度计划作为所述LCA模型的输出进行模型训练，以得到所述综合能源对应的综合能源调度计划预测模型。

3.如权利要求2所述的方法，其特征在于，所述LCA模型包括输入层、卷积神经网络CNN层、长短期记忆人工神经网络LSTM层、注意力层和输出层，将所述多个历史光伏功率数据、多个历史风电功率数据和多个历史火电功率数据作为LCA模型的输入，将所述多个预测调度计划作为所述LCA模型的输出进行模型训练，以得到所述综合能源对应的综合能源调度计划预测模型，包括：

将所述多个历史光伏功率数据、多个历史风电功率数据和多个历史火电功率数据作为训练样本输入到所述输入层，通过所述输入层得到所述训练样本各自对应的输入向量；

将所述输入向量输入到所述CNN层，并对所述输入向量进行特征提取，以筛选出目标特征向量；

获取所述目标特征向量，将所述目标特征向量输入所述LSTM层，以得到所述目标特征向量各自对应的第一输出向量；

将所述目标特征向量各自对应的第一输出向量输入到所述注意力层中，并根据所述注意力层中所述第一输出向量的注意力权重参数值，对所述第一输出向量进行筛选，以得到第二输出向量；

将所述第二输出向量输入到所述输出层，以确定所述综合能源对应的多个训练调度计划，并输出所述综合能源对应的多个训练调度计划；

根据所述多个训练调度计划和所述多个预测调度计划之间的差异，对所述LCA模型进行模型参数调整，以得到所述综合能源对应的综合能源调度计划预测模型。

4.如权利要求3所述的方法，其特征在于，所述CNN层包括卷积层和丢弃dropout层，将所述输入向量输入到所述CNN层，并对所述输入向量进行特征提取，以筛选出目标特征向量，包括：

将所述输入向量输入到所述卷积层中，获取卷积层提取的输入向量的多个特征向量；

将所述输入向量的多个特征向量输入到所述dropout层，以从所述多个特征中筛选出目标特征向量。

5.如权利要求3所述的方法，其特征在于，在将所述第二输出向量输入到所述输出层，以确定所述综合能源对应的多个训练调度计划，并输出所述综合能源对应的多个训练调度计划之后，还包括：

获取所述综合能源对应的多个训练调度计划，并对所述多个训练调度计划进行反归一化处理。