[发明专利]综合能源系统综合需求响应特性的学习辨识方法及系统

权利要求书

1.综合能源系统综合需求响应特性的学习辨识方法，其特征在于，

所述方法包括：

步骤1，获取综合能源系统的外部历史运行数据，利用外部历史运行数据构造训练集与测试集；其中，外部历史运行数据与综合能源系统的结构无关；

步骤2，采用长短时记忆神经网络对训练集进行学习训练，建立综合能源系统的等值封装模型；

步骤3，代入测试集对等值封装模型进行测试验证，以外部历史运行数据对等值封装模型预测结果的综合边际效益最优且等值封装模型预测结果误差最小为目标，更新长短时记忆神经网络的各层神经元的权值系数和偏置系数；

步骤4，利用步骤3获得的等值封装模型对综合能源系统综合需求响应特性进行学习辨识。

2.根据权利要求1所述的综合能源系统综合需求响应特性的学习辨识方法，其特征在于，

步骤1中，外部历史运行数据包括：综合能源系统注入到外部相连电网的互动功率数据，独立于综合能源系统的当地气象数据。

3.根据权利要求1所述的综合能源系统综合需求响应特性的学习辨识方法，其特征在于，

步骤2中，获取当前学习训练的等值封装模型在测试集上的预测均方根误差，设定需要进行数据更新的均方根误差阈值；当预测均方根误差大于等于均方根误差阈值时，根据综合能源系统历史运行情况，以如下关系式对外部历史运行数据进行更新：

式中，

为更新后的综合能源系统的外部历史运行数据集合，

D_s-γ代表原有综合能源系统外部历史运行数据集合中的倒数M-γ天的数据集，

Z_γ为最新累积的综合能源系统外部历史运行数据集合中的γ天的数据集，

L_ζ、W_ζ、T_ζ、M_ζ、E_ζ、P_ζ分别代表最新累积的第ζ天的综合能源系统外部历史运行数据中的光照、风速、温度、湿度、能源价格以及能源消耗量，其中，1≤ζ≤γ，

L_k、W_k、T_k、M_k、E_k、P_k分别代表第k天的综合能源系统外部历史运行数据中的光照、风速、温度、湿度、能源价格以及能源消耗量，其中，

γ≤k≤M，

M为外部历史运行数据的总天数，

γ为最新累积的外部历史运行数据的天数，

ROUND(·)代表四舍五入取整函数，

RMSE为当前学习训练的封装等值模型的预测均方根误差，

φ为设定的需要进行数据更新的均方根误差阈值。

4.根据权利要求3所述的综合能源系统综合需求响应特性的学习辨识方法，其特征在于，

对外部历史运行数据进行预处理，包括：数据标幺化，训练集与测试集划分。

5.根据权利要求4所述的综合能源系统综合需求响应特性的学习辨识方法，其特征在于，

预处理后的外部历史运行数据集合满足如下关系式：

式中，

D_s为外部历史运行数据集合，集合内元素分别第k天的光照L_k、风速W_k、温度T_k、湿度M_k、能源价格E_k以及能源消耗量P_k，

M为外部历史运行数据的总天数，

分别为第k天第d时段的光照、风速、温度、湿度、电价、能源价格、能源消耗量，

N为一天内的时段总数，

为外部历史运行数据集合标幺化之后的数据集合，

min(·)代表取极小值，

max(·)代表取极大值，

为从标幺化之后的数据集合中取出的训练集，

为从标幺化之后的数据集合中取出的测试集，

ε代表训练集所占的比例。