申请/专利权人:长春工业大学
申请日:2024-05-28
公开(公告)日:2024-06-25
公开(公告)号:CN118246351A
主分类号:G06F30/27
分类号:G06F30/27;G06F30/17;G06N3/0442;G06N3/08
优先权:
专利状态码:在审-公开
法律状态:2024.06.25#公开
摘要:本发明为一种考虑机组置信度的深度学习机组组合问题求解方法,属于电力系统规划技术领域。针对目前使用混合整数线性规划在求解机组组合问题中出现的求解时间过长问题,提出一种考虑机组置信度的深度学习机组组合问题模型。该模型分为两个阶段,首先通过训练长短时记忆网络获得机组启停状态二进制决策变量的解;其次,在确定置信机组的基础上,设置置信度阈值,对于符合置信度阈值条件的非置信机组决策,将其设置为模型的热启动初值,并带入求解器求解。结果表明,所提方法显著提升机组组合问题的求解效率。该方法有利于减少电力资源浪费和维护电力系统稳定性,对于机组组合问题的发展具有重要意义。
主权项:1.一种考虑机组置信度的深度学习机组组合问题求解方法,其特征在于,所述方法包括以下操作:首先构建基于长短时记忆网络的深度学习模型,将用电负荷作为深度学习模型输入,输出是机组启停决策的解;其次是在确定置信机组的情况下,对非置信机组启停决策解的误差设置置信度阈值,在满足置信度阈值的情况下,将这部分解设置为机组组合数学规划模型的热启动初值,带入求解器中进行求解,得到符合机组组合问题约束条件的机组功率大小以及启停决策解。
全文数据:
权利要求:
百度查询: 长春工业大学 一种考虑机组置信度的深度学习机组组合问题求解方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。