CN119518791A 一种基于深度学习的多微电网智能能源调度方法及系统 （宁波欧达光电有限公司）

一种基于深度学习的多微电网智能能源调种基于深度学习的多微电网智能能源调度方法多个微电网的状态卷积图；识别多个微电网节及多个微电网的状态卷积图进行动态状态属性2步骤S1：获取多个微电网多维状态参数；对多个微电步骤S3：基于微电网节点拓扑关联表征及多个微电步骤S4：对多个微电网的状态卷积图进行逐个电步骤S5：基于多个微电网能源需求预测值对微电对每一个微电网的时序参数特征进行相邻时间窗口参数变化分析根据所述时间戳对多段时序参数变化特征进行顺序序列化处理对微电网时序参数变化特征序列进行状态变化曲线拟合，生成多个3步骤S25：基于微电网节点空间位置坐标对相邻节点间交互协同数据进行节点拓扑关步骤S32：基于微电网节点拓扑关联表征对微电网节点空间分布数据进行节点空间拓步骤S34：基于多个微电网的状态卷积图对微电网拓扑节点空间进行动态状态属性映步骤S51：对微电网拓扑孪生模型进行运行状态模拟演变，以生成微电网运行模拟数步骤S53：基于多个微电网能源需求预测值对每一个节点的能源供应参数进行能源需根据微电网拓扑孪生模型对需求偏差微电网节点进行偏差节点定位4根据每一个节点的能源供应参数对区域内可调度微电网节点进行能源充足节点识别，通过可调用邻间微电网节点对偏差节点补偿需求值进行动态能源调度多维状态变化模块，用于获取多个微电网多维状拓扑关联挖掘模块，用于识别多个微电网节点；对多个微电网孪生模型模块，用于基于微电网节点拓扑关联表征及多个微电动态能源调度模块，用于基于多个微电网能源需求预拓扑优化模块，用于根据微电网动态调度策略对微电网拓扑5[0006]为实现上述目的，本发明提供一种基于深度学习的多微[0012]步骤S6：根据微电网动态调度策略对微电网拓扑孪生模型进行拓扑结构迭代微6优化微电网的能源利用，基于能源需求预测值进行动态能源调度计算和分布式协同决策，[0023]基于所述时间窗口长度对多个微电网的电气参数特征进行多个滑动窗口切片分7[0028]本发明通过定义时间窗口长度控制分析的时间跨度，使同时间段内的状态特征，生成每个微电网的时序参数特征更详细地描述微电网的状态变[0031]步骤S22：对多个微电网节点进行空间位置计算，以生成微电网节点空间位置坐[0034]步骤S25：基于微电网节点空间位置坐标对相邻节点间交互协同数据进行节点拓系分析和拓扑关联挖掘提供了基本信息，相对位置分析揭示微电网节点之间的空间关系，[0037]步骤S31：对多个微电网节点进行空间分布分析，以得到微电网节点空间分布数8[0038]步骤S32：基于微电网节点拓扑关联表征对微电网节点空间分布数据进行节点空[0040]步骤S34：基于多个微电网的状态卷积图对微电网拓扑节点空间进行动态状态属模型将微电网的结构和状态信息整合起来，为智能能源调度提供更综合的参考和决策依能源需求预测值为微电网的能源供应和调度提供更可靠和准确的9[0051]步骤S53：基于多个微电网能源需求预测值对每一个节点的能源供应参数进行能[0057]基于需求偏差节点位置数据进行区域内邻间节点分析，以得到区域内微电网节[0058]根据每一个节点的能源供应参数对区域内可调度微电网节点进行能源充足节点[0065]步骤S63：根据动态调度效率优化策略对微电网拓扑孪生模型进行拓扑结构迭代[0066]本发明通过对微电网拓扑孪生模型进行能源供需效率计算评估当前微电网系统策略根据实时需求和供应情况调整微电网的能源分配策略，提高系统的响应速度和效率，根据动态调度效率优化策略对微电网拓扑孪生模型进行拓扑结构迭代微调根据实际情况[0071]能源需求预测模块，用于对多个微电网的状态卷积图进行逐个电网状态趋势演的灵活性和响应速度，构建分布式协同决策的动态调度策略微电网内部节点之间协同调[0075]图1为本发明一种基于深度学习的多微电网智能能源调度方法的步骤流程示意于深度学习的多微电网智能能源调度方法及系统的执行主体包括但不限于搭载该系统的：[0087]步骤S6：根据微电网动态调度策略对微电网拓扑孪生模型进行拓扑结构迭代微优化微电网的能源利用，基于能源需求预测值进行动态能源调度计算和分布式协同决策，构建基于拓扑孪生模型和能源需求预测的微电网动态调度策略，实现微电网群的协同运[0100]步骤S6：根据微电网动态调度策略对微电网拓扑孪生模型进行拓扑结构迭代微化后的拓扑结构模型作为微电网智能能源调度[0111]基于所述时间窗口长度对多个微电网的电气参数特征进行多个滑动窗口切片分[0119]步骤S22：对多个微电网节点进行空间位置计算，以生成微电网节点空间位置坐[0122]步骤S25：基于微电网节点空间位置坐标对相邻节点间交互协同数据进行节点拓[0125]步骤S31：对多个微电网节点进行空间分布分析，以得到微电网节点空间分布数[0126]步骤S32：基于微电网节点拓扑关联表征对微电网节点空间分布数据进行节点空[0128]步骤S34：基于多个微电网的状态卷积图对微电网拓扑节点空间进行动态状态属[0139]步骤S53：基于多个微电网能源需求预测值对每一个节点的能源供应参数进行能[0145]基于需求偏差节点位置数据进行区域内临间节点分析，以得到区域内微电网节[0146]根据每一个节点的能源供应参数对区域内可调度微电网节点进行能源充足节点[0153]步骤S63：根据动态调度效率优化策略对微电网拓扑孪生模型进行拓扑结构迭代[0159]能源需求预测模块，用于对多个微电网的状态卷积图进行逐个电网状态趋势演的灵活性和响应速