[发明专利]一种多步图神经网络自适应动态规划的光伏发电管理方法

权利要求书

1.一种多步图神经网络自适应动态规划的光伏发电管理方法，其特征在于，该方法在基于神经网络的自适应动态规划的基础上添加图神经网络，能用图片的形式将大量光伏发电数据进行可视化处理，并增加多步自适应动态规划方法，对光伏发电数据进行实时控制与优化，并对系统进行下一时刻的预测；该方法在使用过程中的步骤为：

(1)将图神经网络方法作用于大量的光伏发电数据，形成可视化图片，建立光伏发电数据模型；图神经网络把大量光伏发电数据形成可视化图片，建立光伏发电数据模型，基于图神经网络的工作流程：

1)图神经网络首先从光伏发电数据中提取数据特征：

h_ν＝f(x_ν,x_co[ν],h_ne[ν],x_ne[ν])

o_ν＝g(h_ν,x_ν)

ν表示节点；h_ν表示状态嵌入，包含每个节点的领域信息，是节点ν的s维向量，用来产生输出o_ν；f为一个参数函数，在所有节点之间共享，并根据输入领域更新节点状态；g是另一个参数函数；x_ν、x_co[ν]、h_ne[ν]和x_ne[ν]分别是节点ν的特征、边的特征、状态以及ν邻近节点的特征；

2)利用数据特征来初始化节点的表示，建立图神经网络的光伏发电数据模型：

A_ν表示节点ν与其邻近节点的连接；h_ν表示节点ν的状态；b表示偏置；为收集节点ν的邻域信息；z和r分别是更新门和复位门；σ和tanh分别表示Sigmoid函数和双曲正切函数，表示元素相乘运算；W，U，W^Z，U^Z，W^r和U^r是待学习的参数矩阵；

3)将数据信息在图中传播，通过完全连接层获得光伏发电数据模型：

得到节点的最终表示并形成可视化图片；

(2)将多步自适应动态规划方法对光伏发电系统进行实时分析优化以及对系统下一时刻进行预测，并输出控制信号；多步自适应动态规划方法由图模型网模块、图评价网模块和图控制网模块三个基本模块组成，步骤为：

第一步：

获取光伏发电系统的当前状态Δf1；

将x(k)输入图控制网模块1，输出控制动作u(k)；

将x(k)和u(k)输入图评价网模块0，输出J[x(k)]；

将x(k)和u(k)输入图模型网模块1，输出x(k+1)，预测下一时刻的状态；

将x(k+1)输入图评价网模块1，输出J[x(k+1)]；

第二步：

获取光伏发电系统x(k+1)时的状态Δf2；

将x(k+1)输入图控制网模块2，输出控制动作u(k+1)；

将x(k+1)和u(k+1)输入图模型网模块2，输出x(k+2)，预测下一时刻的状态；

将x(k+2)输入图评价网模块2，输出J[x(k+2)]；

第n步：

获取光伏发电系统x(k+n-1)时的状态Δfn；

将x(k+n-1)输入图执行网模块n，输出控制动作u(k+1)；

将x(k+n-1)和u(k+n-1)输入图模型网模块n，输出x(k+n)，预测下一时刻的状态；

将x(k+n)输入图评价网模块n，输出J[x(k+n)]；

多步自适应动态规划算法进行后，能在线更新光伏发电系统的控制策略，并预测系统下一时刻的状态，对光伏发电能量管理的多目标规划问题进行优化控制。