[发明专利]一种基于深度学习的微电网云边协同控制方法

权利要求书

1.一种基于深度学习的微电网云边协同控制方法，其特征在于，包括以下边缘端控制器的步骤：

S1：采集运行状态数据；

S2：根据运行状态数据生成特性图像；

S3：接收云端服务器的模型参数及标签类别确认判定阈值，并采用模型识别特性图像所属的标签类别及其概率值；

S4：将各概率值中的最高概率值与对应标签类别的确认判定阈值进行比较；

若最高概率值大于确认判定阈值则调用所述云端服务器下发的对应标签类别的源荷储调控策略，并将特性图像和运行状态数据上传所述云端服务器；

若最高概率值小于确认判定阈值，对应标签类别的源荷储调控策略进行微调形成新源荷储调控策略，将特性图像和运行状态数据上传所述云端服务器；

S5：将源荷储调控策略分解下发至对应分布式感知单元执行。

2.根据权利要求1所述的基于深度学习的微电网云边协同控制方法，其特征在于，所述运行状态数据包括微电网风电、光伏、储能和负荷单元的源荷储运行状态数据。

3.根据权利要求1所述的基于深度学习的微电网云边协同控制方法，其特征在于，所述特性图像为源荷储运行状态综合特性图像。

4.根据权利要求1至3任一项所述的基于深度学习的微电网云边协同控制方法，其特征在于，所述模型采用CNN卷积神经网络模型。

5.一种基于深度学习的微电网云边协同控制方法，其特征在于，包括以下云端服务器的步骤：

A1：构建优化模型并输入所述边缘端控制器上传的运行状态数据，生成各标签类别下的源荷储调控策略并下发所述边缘端控制器；

A2：构建神经网络模型并输入所述边缘端控制器上传的特性图像进行训练和测试，得到神经网络模型参数及各标签类别的确认判定阈值并下发至所述边缘端控制器。

6.根据权利要求5所述的基于深度学习的微电网云边协同控制方法，其特征在于，所述构建优化模型并输入所述边缘端控制器上传的运行状态数据，生成各标签类别下的源荷储调控策略并下发所述边缘端控制器，包括以下步骤：

A11：接收所述边缘端控制器上传的运行状态数据并设相应标签类别；

A12：针对每一标签类别的运行状态数据，生成对应的典型运行数据；

A13：构建优化模型并输入典型运行数据，得到相应源荷储调控策略；

A14：将源荷储调控策略及对应的标签类别下发至所述边缘端控制器。

7.根据权利要求5所述的基于深度学习的微电网云边协同控制方法，其特征在于，所述构建神经网络模型并输入所述边缘端控制器上传的特性图像进行训练和测试，得到神经网络模型参数及各标签类别的确认判定阈值并下发至所述边缘端控制器，包括以下步骤：

A21：接收所述边缘端控制器上传的特性图像并设对应的标签类别；

A22：将每一标签类别下的特性图像数据分为训练集和测试集两部份，其中训练集占的比例比测试集的大；

A23：构建神经网络模型，使用训练集对神经网络模型进行训练；

A24：使用测试集对训练好的神经网络模型进行测试；

A25：将测试成功的神经网络模型参数及各标签类别的确认判定阈值下发至所述边缘端控制器。