[发明专利]一种基于集成神经网络的智能电网经济调度方法

权利要求书

1.一种基于集成神经网络的智能电网经济调度方法，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，包括系统中各发电机的发电代价函数和发电机负载上下限；

2)使用已有的最佳非凸优化算法来产生一个大型数据集；

3)利用当前数据集，构建一个深度神经网络，命名为EDNet，通过反向传播技术学习数据集中的数据使得网络的输出逐渐逼近数据集中的输出部分；

4)使用微调算法微调3)中给出的伪最优解，得到严格满足问题约束的最优解；

5)利用Adaboost.R2算法作为训练策略，依次训练出M个EDNet，将这M个EDNet并行排列，M个最优解中拥有最小发电代价的解被选为整个集成网络的最优解。这样的集成网络被命名为E²Dnet；

6)将训练完备的E²DNet投入使用，在线处理智能电网的经济调度问题。

2.根据权利要求1所述的一种基于集成神经网络的智能电网经济调度方法，其特征在于，所述步骤2)中，最佳非凸优化算法根据具体优化问题的不同而可能有所不同，生成的大型数据集中的每一组数据可以来自于不同的非凸优化算法。

3.根据权利要求2所述的一种基于集成神经网络的智能电网经济调度方法，其特征在于，所述最佳非凸优化算法为遗传算法、粒子群算法、进化算法或生物地理学优化算法。

4.根据权利要求1～3之一所述的一种基于集成神经网络的智能电网经济调度方法，其特征在于，所述步骤3)中，EDNet网络是一个具有全连接结构的深度神经网络，其输入为网络负载、发电代价函数的参数和发电机状态特征，其输出为问题的最优解。

5.根据权利要求1～3之一所述的一种基于集成神经网络的智能电网经济调度方法，其特征在于，所述步骤4)中，平衡发电和需求的微调算法过程如下：

4.1)已知总负载P_d、本地发电输出P_i，求解全局功率供需误差平均值δ：

其中N是发电机的个数；

4.2)每个发电机通过计算更新出可能的功率输出P_i：

P_i＝P_i+sign(δ)max{|δ|,s} (2)

以及

直到发电量和需求量平衡，也就是δ＝0，s表示最小步长。