基于光热储能的能源系统运行优化方法及系统与流程

1.基于光热储能的能源系统运行优化方法，其特征在于：包括如下操作：

2.根据权利要求1所述的基于光热储能的能源系统运行优化方法，其特征在于：所述天气数据包括温度和太阳辐射量。

3.根据权利要求1所述的基于光热储能的能源系统运行优化方法，其特征在于：所述负荷预测模型为卷积互信息法双向长短期记忆神经网络模型cnn-mi-bilstm模型，构建负荷预测模型的具体操作包括：构建卷积长短期记忆神经网络cnn-lstm网络，cnn-lstm网络结构包括输入层、卷积神经网络层、长短期记忆神经网络层和输出层，其中卷积神经网络层表示为cnn层，长短期记忆神经网络层表示为lstm层，历史天气数据与历史负荷数据通过输入层输入；

4.根据权利要求3所述的基于光热储能的能源系统运行优化方法，其特征在于：所述引入互信息法对cnn层输出的数据进行更新，具体操作包括：

5.根据权利要求4所述的基于光热储能的能源系统运行优化方法，其特征在于：所述对lstm层进行改进，包括引入偏置优化参数ct，基于lstm层向前、向后预测，具体操作包括：

6.根据权利要求1所述的基于光热储能的能源系统运行优化方法，其特征在于：所述基于预测误差，利用概率分布函数构造多区间划分的不确定集，通过不确定集描述负荷不确定性，得到不确定负荷模型，具体操作包括：

7.根据权利要求1所述的基于光热储能的能源系统运行优化方法，其特征在于：所述基于光热储能作用以及由不确定负荷模型得到的不确定负荷构建运行优化模型，表达式为：

8.基于光热储能的能源系统运行优化系统，其特征在于：所述系统包括：

9.根据权利要求8所述的基于光热储能的能源系统运行优化系统，其特征在于：所述负荷预测模块进行的操作包括：

10.根据权利要求8所述的基于光热储能的能源系统运行优化系统，其特征在于：所述引入互信息法对cnn输出的数据进行更新，具体操作包括：

11.根据权利要求8所述的基于光热储能的能源系统运行优化系统，其特征在于：所述对lstm层进行改进，包括引入偏置优化参数ct，基于lstm层向前、向后预测，具体操作包括：

12.根据权利要求8所述的基于光热储能的能源系统运行优化系统，其特征在于：所述不确定负荷模型构建模块的具体操作包括：

13.根据权利要求8所述的基于光热储能的能源系统运行优化系统，其特征在于：所述基于光热储能作用以及由不确定负荷模型得到的不确定负荷构建运行优化模型，表达式为：

14.一种计算机存储介质，计算机存储介质存储有基于光热储能的能源系统运行优化的程序，所述基于光热储能的能源系统运行优化的程序被至少一个处理器执行时实现所述权利要求1至权利要求7任意一项随时的基于光热储能的能源系统运行优化方法的步骤。