本發(fā)明涉及電力系統(tǒng)規(guī)劃，具體涉及一種考慮置信區(qū)間的深度學(xué)習(xí)機組組合問題求解方法。

背景技術(shù)：

1、在現(xiàn)代電力系統(tǒng)中，機組組合（unit?commitment，uc）扮演著至關(guān)重要的角色，確保電力的穩(wěn)定供應(yīng)和有效分配。當(dāng)大量新能源機組接入電網(wǎng)時，由于其出力的不確定性和波動性，對電網(wǎng)的穩(wěn)定性帶來了巨大的考驗。

2、機組組合問題本質(zhì)上是一個非確定性多項式（non-deterministic?polynomial，np）-hard問題，這意味著它在計算上極具挑戰(zhàn)性。隨著電力系統(tǒng)規(guī)模的不斷擴展，模型中的決策變量和約束條件數(shù)量急劇增加，使得機組組合求解更加困難，尤其是在需要快速響應(yīng)的情況下，傳統(tǒng)的運籌學(xué)求解思路（如建立混合整數(shù)線性規(guī)劃模型求解）在求解效率上已很難滿足現(xiàn)實需求。因此，如何在保證求解精度的前提下，提高求解速度，成為目前研究的焦點。

3、近年來，隨著人工智能技術(shù)的發(fā)展，采用以機器學(xué)習(xí)（machine?learning，ml）為代表的方法求解機組組合問題正在成為一種新的研究思路。機器學(xué)習(xí)方法能夠通過對歷史數(shù)據(jù)的學(xué)習(xí)，發(fā)現(xiàn)潛在的規(guī)律和模式，從而在短時間內(nèi)提供接近最優(yōu)的解決方案。

技術(shù)實現(xiàn)思路

1、針對當(dāng)前構(gòu)建數(shù)學(xué)規(guī)劃模型求解機組組合問題時間過長現(xiàn)象，本發(fā)明提出一種考慮置信區(qū)間的深度學(xué)習(xí)機組組合問題求解方法。通過對深度學(xué)習(xí)輸出結(jié)果進(jìn)行優(yōu)化處理與固定，不僅保證結(jié)果質(zhì)量，同時顯著減少求解時間。

2、本發(fā)明提出的方法主要分為兩個階段：

3、在第一階段，通過對負(fù)荷和風(fēng)電數(shù)據(jù)進(jìn)行場景生成，獲得包含負(fù)荷場景、風(fēng)電場景和機組狀態(tài)變量的數(shù)據(jù)集，并將其輸入深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到初始機組狀態(tài)變量結(jié)果。

4、在第二階段，根據(jù)機組狀態(tài)變量的誤差劃分出不同的置信區(qū)間，分別處理各區(qū)間內(nèi)的機組狀態(tài)變量。最后，將處理后的狀態(tài)變量輸入數(shù)學(xué)規(guī)劃模型進(jìn)行求解，獲得剛性滿足物理約束條件的機組功率和狀態(tài)變量結(jié)果。

技術(shù)特征：

1.一種考慮置信區(qū)間的深度學(xué)習(xí)機組組合問題求解方法，其特征在于，所述方法包括以下操作：在第一階段，通過對負(fù)荷和風(fēng)電數(shù)據(jù)進(jìn)行場景生成，獲得包含負(fù)荷場景、風(fēng)電場景和機組啟停決策的數(shù)據(jù)集，并將其輸入深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到初始啟停決策結(jié)果；在第二階段，通過計算初始啟停決策與求解數(shù)學(xué)規(guī)劃模型得到的啟停決策之間的誤差，從而根據(jù)誤差劃分出不同的置信區(qū)間，并對不同區(qū)間內(nèi)的機組決策進(jìn)行不同的處理；最后，將處理后的啟停決策輸入數(shù)學(xué)規(guī)劃模型進(jìn)行求解，獲得剛性滿足物理約束條件的機組功率和啟停決策方案。

2.根據(jù)權(quán)利要求1所述的一種考慮置信區(qū)間的深度學(xué)習(xí)機組組合問題求解方法，其特征在于，所述的方法還包括風(fēng)電，負(fù)荷場景數(shù)據(jù)生成：首先，獲得一組基準(zhǔn)風(fēng)電和負(fù)荷數(shù)據(jù)；其次，利用進(jìn)行場景生成，即以基準(zhǔn)數(shù)據(jù)中自身數(shù)值作為正態(tài)分布的期望值，標(biāo)準(zhǔn)差為自身數(shù)值的10%，通過蒙特卡洛模擬和拉丁超立方抽樣生成樣本，并從生成的樣本中選出m個樣本與基準(zhǔn)數(shù)據(jù)中的一起構(gòu)成深度學(xué)習(xí)網(wǎng)絡(luò)模型輸入。

3.根據(jù)權(quán)利要求1所述的一種考慮置信區(qū)間的深度學(xué)習(xí)機組組合問題求解方法，其特征在于，所述的方法還包括置信區(qū)間的劃分與處理：首先是計算機組啟停決策誤差，公式如下所示：

技術(shù)總結(jié)
本發(fā)明為一種考慮置信區(qū)間的深度學(xué)習(xí)機組組合問題求解方法，屬于電力系統(tǒng)規(guī)劃技術(shù)領(lǐng)域。該方法分為兩個階段。在第一階段，通過對負(fù)荷和風(fēng)電數(shù)據(jù)進(jìn)行場景生成，獲得包含多個負(fù)荷、風(fēng)電場景和機組啟停決策的數(shù)據(jù)集，并將其輸入深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到初始啟停決策結(jié)果。在第二階段，根據(jù)機組啟停決策誤差劃分出不同的置信區(qū)間，分別處理各區(qū)間內(nèi)的機組決策。最后，將處理后的啟停決策輸入數(shù)學(xué)規(guī)劃模型進(jìn)行求解，獲得滿足物理約束條件的機組功率和啟停決策方案。結(jié)果表明，與運籌學(xué)模型相比，所提方法顯著提升機組組合問題的求解效率。該方法有利于減少電力資源浪費和維護(hù)電力系統(tǒng)穩(wěn)定性，對于機組組合問題的發(fā)展具有重要意義。

技術(shù)研發(fā)人員：董吉哲,鄭丹辰,陳沛光,王梓蘅,孫洋,韓順杰
受保護(hù)的技術(shù)使用者：長春工業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/10