[发明专利]一种基于深度神经网络的智能电网系统实时最优功率分配方法

权利要求书

1.一种基于深度神经网络的智能电网系统实时最优功率分配方法,其特征在于，所述方法包括以下步骤：

1)获取电网系统的发电参数，所述发电参数包括各发电机的发电代价函数和发电机负载上下限；

2)以提升发电效率，降低总发电代价为目标，在发电机负载范围内，利用基于梯度下降的传统优化方法，确定对应于不同总功率需求大小的功率分配策略；

3)将总功率需求和对应的最优功率分配策略存储为相应智能电网系统深度神经网络模型的训练集；

4)根据所使用的基于梯度下降的传统优化方法确定深度神经网络的参数，所述深度神经网络的参数包括权重w、偏置b、学习率L、全连接层神经元个数n；

5)根据已完备的训练集，训练深度神经网络模型，直至训练过程中的验证集损失值趋于稳定；

6)获取待处理的总功率需求，将其输入到训练好的深度神经网络进行神经网络计算，输出结果为各发电机的发电机负载。

2.根据权利要求1所述的基于深度神经网络的智能电网系统实时最优功率分配方法,其特征在于，所述步骤2)的过程如下：

2.1)初始化变量，即各发电机的发电机负载

2.2)利用梯度下降：

其中i是电网系统中发电机的下标，ζ_l是第l次迭代的步长，是各发电机的发电代价函数的一阶导数；

2.3)做上下限限制：

其中P_i^max和P_i^min分别为各发电机负载的上限与下限；

2.4)求中间变量：

其中P_d是总功率需求，n是电网系统中发电机的个数；

2.5)求本次迭代结果：

2.6)若当前确定的各发电机负载与上一次确定的各发电机负载之间的差值小于预设的阈值，则判断生成的各发电机负载为对应总功率需求的最优分配策略；否则，返回2.2)继续执行。

3.根据权利要求1或2所述的基于深度神经网络的智能电网系统实时最优功率分配方法,其特征在于，在训练深度神经网络过程中所用的激活函数为线性整流函数，损失函数为均方误差函数。