[发明专利]基于源网荷储数据驱动模型的求解方法、装置以及设备

权利要求书

1.一种基于源网荷储数据驱动模型的求解方法，其特征在于，包括：

获取电力系统中电源侧、电网侧、负荷侧和储能侧的待处理数据；

输入所述待处理数据至训练完成的源网荷储数据驱动模型，输出所述待处理数据对应的预测值；

基于预设群体智能优化算法，根据预设约束规则和所述预测值，计算预设目标函数的最优值，所述最优值用于实现源网荷储的协同匹配。

2.根据权利要求1所述的方法，其特征在于，所述预设群体智能优化算法包括改进的布谷鸟算法，所述预设目标函数包括火电机组能源消耗成最低对应的目标函数，所述约束规则包括系统功率平衡约束规则与机组最大和最小出力约束规则；

所述基于预设群体智能优化算法，根据预设约束规则和所述预测值，计算预设目标函数的最优值，包括：

基于所述改进的布谷鸟算法，在满足所述系统功率平衡约束规则与所述机组最大和最小出力约束规则的情况下，将所述预测值带入所述预设目标函数，计算所述预设目标函数中机组能耗系数的最优参数值；

计算所述预设目标函数的最优值。

3.根据权利要求2所述的方法，其特征在于，所述预设目标函数包括：

其中，C_F表示机组能源消耗成本，N表示机组数量，T表示时间段数量，C_p,i表示机组i出力的能源消耗成本，P_ij表示基于所述训练完成的源网荷储数据驱动模型输出的机组i在时间段j出力的预测值，S_ij等于1或0，当S_ij等于1表示机组i在时间段j出力，当S_ij等于0表示机组i在时间段j未出力，C_S，ij表示机组i启动的能源消耗成本，S_i(j-1)表示机组i在时间段j的前一时间段出力，α_i、β_i和γ_i分别表示机组能耗系数。

4.根据权利要求2所述的方法，其特征在于，所述约束规则包括：

P_i，min≤P_ij≤P_i，max

其中，T表示时间段数量，S_ij等于1或0，当S_ij等于1表示机组i在时间段j出力，当S_ij等于0表示机组i在时间段j未出力，P_ij表示基于所述训练完成的源网荷储数据驱动模型输出的机组i在时间段j出力的预测值，P_i，min表示机组i出力最小值，P_i，max表示机组i出力最大值。

5.根据权利要求2所述的方法，其特征在于，所述预设群体智能优化算法包括：

α(t)＝α_maxexp(c×t)

其中，t表示迭代次数，p_a(t)表示第t次迭代时布谷鸟的卵被发现的概率，α(t)表示第t次迭代时步长控制量，p_a，max表示布谷鸟的卵被发现概率的最大值，p_a，min表示布谷鸟的卵被发现概率的最小值，T_max表示最大迭代次数，α_max表示步长控制量的最大值，α_min表示步长控制量的最小值。

6.根据权利要求1所述的方法，其特征在于，在所述输入所述待处理数据至训练完成的源网荷储数据驱动模型，输出所述待处理数据对应的预测值之前，所述方法包括：

获取电力系统中电源侧、电网侧、负荷侧和储能侧的历史数据，所述历史数据包括电力系统中设备层面和系统层面的历史输入数据和历史输出数据；

对所述历史数据进行异常数据剔除和补充处理；

基于神经网络算法，将处理后的历史输入数据作为样本，处理后的历史输出数据作为标注，得到预设神经网络模型；

基于梯度下降算法，迭代计算所述预设神经网络模型的输出数据与标注的差值，直至所述差值小于或等于差值阈值，得到所述训练完成的源网荷储数据驱动模型。