科创中国

电子信息技术,计算机及网络技术

基于边缘智能的能源互联网新能源消纳能力评估方法，本发明涉及能源互联网新能源消纳能力评估方法。本发明的目的是为了解决在现有IoE中，无法实现最大化消纳新能源的问题。基于边缘智能的能源互联网新能源消纳能力评估方法具体过程为：步骤一、测量终端通过无线信道收集来自发电单元和负荷单元的数据集；步骤二、基于GRU算法的深度学习层对步骤一获得的数据集进行处理，得到处理后的数据集；步骤三、基于PPO算法的强化学习层对步骤二获得的处理后的数据集进行新能源消纳处理，得到新能源消纳最大化策略。本发明用于新能源消纳领域。

能源互联网作为能源研究领域的一个前沿概念，其将分布式的能源以及信息通信技术紧密的结合在一起，提高了电网的智能性。新能源消纳问题关注了新能源在不同行业间流动时的优化策略，它是构建能源高效的能源互联网的关键问题之一。由于新能源具有分布式发电的特点，为了降低通信的代价，提高计算效率，本发明设计了一个基于深度强化学习的边缘智能新能源消纳框架。在该框架中，我们将深度学习部署在第一层边缘计算节点中，从而发现新能源出力的底层规律；基于这些规律，结合不同部门的负荷需求，第二层边缘计算节点采用深度强化学习来寻找优化新能源的消纳策略。随着智能设备在能源互联网中的不断部署，这使发生数据缺失的概率变的越来越高。为了解决数据缺失以及预测的问题，第一层深度学习边缘节点采用门控循环单元算法来感知新能源数据的特点进行数据处理，使得后续的强化学习算法能够有效的进行，避免了错误的状态空间和动作空间。此外，本文提出的框架采用了旋转备用容量来提高新能源的消纳能力。通过在实际电网数据集上的实验结果验证了所提出的新能源消纳最大化方法的有效性，并且深度学习还能够补偿数据缺失降低对智能算法的影响。

黑龙江大学（Heilongjiang University），位于黑龙江省哈尔滨市，是黑龙江省人民政府和中华人民共和国教育部、国家国防科技工业局共建的省属综合性大学，黑龙江省“双一流”建设国内一流大学A类高校，入选国家卓越法律人才教育培养计划、中西部高校基础能力建设工程、特色重点学科项目、国家建设高水平大学公派研究生项目、中国政府奖学金来华留学生接收院校、全国深化创新创业教育改革示范高校、教育部来华留学示范基地，是世界翻译教育联盟、中俄新闻教育高校联盟、中俄综合性大学联盟、上海合作组织大学、“一带一路”智库合作联盟成员单位。

点击查看