[发明专利]基于异构迁移学习的综合能源系统日前优化方法及系统

权利要求书

1.一种基于异构迁移学习的综合能源系统日前优化方法，其特征在于，包括：

获取未来一天的负荷预测数据、新能源出力数据以及天气预报数据；

将上述获取到的数据输入到日前优化模型；

采用遗传算法对所述日前优化模型进行求解，求解过程中，通过知识迁移方法实现加速求解。

2.如权利要求1所述的一种基于异构迁移学习的综合能源系统日前优化方法，其特征在于，通过知识迁移方法实现加速求解的过程具体包括：

定义综合能源系统日前优化问题为源域问题，通过知识迁移方法实现加速求解的问题为目标域问题；

将源域问题的解向量和目标域问题的解向量统一在同一个特征空间中；

基于自编码器建立目标域问题和源域问题之间的联系；

求解自编码器参数用矩阵；

利用源域问题优化得到的最终种群分布与迁移矩阵相乘，得到迁移种群；

将所述迁移种群按设定比例迁移至目标域问题作为后续遗传算法迭代求解的初始种群分布；

继续执行遗传算法对目标域问题求解，直到算法满足停止条件。

3.如权利要求2所述的一种基于异构迁移学习的综合能源系统日前优化方法，其特征在于，将源域问题的解向量和目标域问题的解向量统一在同一个特征空间中，所述特征空间的维数为两个问题的解向量的维数的最大值。

4.如权利要求3所述的一种基于异构迁移学习的综合能源系统日前优化方法，其特征在于，对于维数较小的向量，在后面补添数值等于0的维度。

5.如权利要求2所述的一种基于异构迁移学习的综合能源系统日前优化方法，其特征在于，求解自编码器参数用矩阵的过程具体为：

通过遗传算法分别求解得到源域问题和目标域问题第T_low代迭代后所得到的种群分布；

利用上述得到的种群分布求解得到自编码器参数用矩阵。

6.如权利要求5所述的一种基于异构迁移学习的综合能源系统日前优化方法，其特征在于，所述自编码器参数用矩阵M具体为：

其中，P_s和P_t分别为通过遗传算法分别求解得到源域问题和目标域问题第T_low代迭代后所得到的种群分布。

7.如权利要求5所述的一种基于异构迁移学习的综合能源系统日前优化方法，其特征在于，通过合理选择T_low的大小，使得所得到的种群分布能够更好的体现目标优化问题的概率分布特性。

8.一种基于异构迁移学习的综合能源系统日前优化系统，其特征在于，包括：

数据获取模块，用于获取未来一天的负荷预测数据、新能源出力数据以及天气预报数据；

日前优化模块，用于将上述获取到的数据输入到构建好的日前优化模型；

模型求解模块，用于采用遗传算法对所述日前优化模型进行求解，求解过程中，通过知识迁移方法实现加速求解。

9.一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行权利要求1-7任一项所述的基于异构迁移学习的综合能源系统日前优化方法。

10.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行权利要求1-7任一项所述的基于异构迁移学习的综合能源系统日前优化方法。