一种基于LSTM神经网络的分层能源系统优化调度方法与流程
技术特征：
1.一种基于lstm神经网络的分层能源系统优化调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于lstm神经网络的分层能源系统优化调度方法，其特征在于：步骤5中所述的采用改进粒子群算法对电动汽车能源交易模型求解，具体操作步骤包括：
3.根据权利要求1所述的一种基于lstm神经网络的分层能源系统优化调度方法，其特征在于：步骤1中所述的lstm网络中每个lstm单元包含3个控制门：输入门、遗忘门和输出门；输入门决定有多少电流输入数据输入到记忆单元，遗忘门决定保留细胞的历史状态信息，输出门控制有多少存储单元状态值需要输出到当前输出值；具体流程如下：
4.根据权利要求1或3所述的一种基于lstm神经网络的分层能源系统优化调度方法，其特征在于：步骤1中所述的采用lstm网络预测日前市场的电动汽车负荷，具体的操作步骤包括：
5.根据权利要求4所述的一种基于lstm神经网络的分层能源系统优化调度方法，其特征在于：步骤1.2所述的归一化处理是将数据缩放到一个标准范围内，消除不同特征之间由于量纲不同而导致的权重差异；
6.根据权利要求1所述的一种基于lstm神经网络的分层能源系统优化调度方法，其特征在于：步骤2所述的电动汽车负荷优化调度模型的目标函数为：
7.根据权利要求1所述的一种基于lstm神经网络的分层能源系统优化调度方法，其特征在于：步骤2所述的电动汽车负荷优化调度模型的约束条件包括电动汽车soc约束、电动汽车充放电约束、电动汽车到达和离开时的电池容量约束；具体的为：
8.根据权利要求1所述的一种基于lstm神经网络的分层能源系统优化调度方法，其特征在于：步骤3所述的ga遗传算法的核心在于种群的演化过程，通过不断地选择、交叉、变异操作，使得种群中的个体越来越适应问题的目标函数或适应度函数，直到达到最优解；
9.根据权利要求1所述的一种基于lstm神经网络的分层能源系统优化调度方法，其特征在于：步骤4所述的交易双方利益最大化的目标函数具体为：
技术总结
一种基于LSTM神经网络的分层能源系统优化调度方法，包括操作步骤：步骤1：负荷预测，采用LSTM网络预测日前市场的电动汽车负荷；LSTM网络通过遗忘门、输入门和输出门来动态调整记忆单元的存储，控制信息的流动，提高模型的学习能力；步骤2：基于对电动汽车负荷预测的结果，建立电动汽车负荷优化调度模型，减少预测负荷曲线和实际负荷曲线之间的误差；步骤3：采用GA遗传算法对步骤2中电动汽车负荷优化调度模型求解；步骤4：采取考虑交易双方利益最大化，建立电动汽车能源交易模型；步骤5：采用改进粒子群算法对电动汽车能源交易模型求解，得到全局最优解作为结果。本发明制定电动汽车负荷协调调度策略，实现电力系统经济效益和环境效益最优。
技术研发人员：王栋,仇晨光,李杰,梁文腾,朱伟民,李佑伟,丁波,季禹舜,李浩,侍文,张震,刘波,彭飞,王力
受保护的技术使用者：国网江苏省电力有限公司淮安供电分公司
技术研发日：
技术公布日：2024/11/26
技术研发人员：王栋,仇晨光,李杰,梁文腾,朱伟民,李佑伟,丁波,季禹舜,李浩,侍文,张震,刘波,彭飞,王力
技术所有人：国网江苏省电力有限公司淮安供电分公司
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除