技术特征：
1.一种微电网调度方法，其特征在于，包括：根据微电网的属性，设置对应的输入输出参数；根据所述输入输出参数建立预制数学模型；通过所述微电网的真实运行数据和所述预制数学模型，获取运行数据样本；基于所述运行数据样本构建对应的调度模型；根据所述微电网的实时运行数据和所述调度模型输出调度信息。2.根据权利要求1所述微电网调度方法，其特征在于，所述根据微电网的属性，设置对应的输入输出参数包括：根据所述微电网的发电设备、用电负荷、存储设备、工作环境和系统结构设置对应的输入参数；根据所述微电网的电能输出、储能功率和电网交换功率，设置对应的输出参数。3.根据权利要求2所述微电网调度方法，其特征在于，所述根据所述输入输出参数建立预制数学模型包括：以所述输入输出参数作为所述预制数学模型的输入输出参数；以经济调度参数、环境影响参数和安全运行风险参数作为所述预制数学模型的目标函数；以发电设备约束参数、用电负荷约束参数、存储设备约束参数和系统约束参数作为所述预制数学模型的约束条件。4.根据权利要求3所述微电网调度方法，其特征在于，所述通过所述微电网的真实运行数据和所述预制数学模型，获取运行数据样本包括：将所述微电网的真实运行数据输入所述预制数学模型，得到关于不同参数组合的所述运行数据样本。5.根据权利要求4所述微电网调度方法，其特征在于，所述基于所述运行数据样本构建对应的调度模型包括：基于离散时间步长的马尔可夫决策过程描述所述预制数学模型；根据所述运行数据样本，构造基于监督学习的所述调度模型。6.根据权利要求5所述微电网调度方法，其特征在于，还包括：基于强化学习优化所述调度模型。7.根据权利要求6所述微电网调度方法，其特征在于，所述构造基于监督学习的所述调度模型，包括：基于xgboost、gbdt和随机森林中的至少一项，构造所述调度模型。8.根据权利要求6所述微电网调度方法，其特征在于，所述基于强化学习优化所述调度模型包括：收集所述微电网的当前运行状态信息、上一时刻状态信息和对应的策略回报值，以形成经验样本；通过所述经验样本训练所述调度模型以更新对应参数。9.一种微电网调度系统，其特征在于，包括：第一单元，用于根据微电网的属性，设置对应的输入输出参数；第二单元，用于根据所述输入输出参数建立预制数学模型；
第三单元，用于通过所述微电网的真实运行数据和所述预制数学模型，获取运行数据样本；第四单元，用于基于所述运行数据样本构建对应的调度模型；第五单元，用于根据所述微电网的实时运行数据和所述调度模型输出调度信息。
技术总结
本发明属于电力领域，尤其涉及一种微电网调度方法和系统，方法包括根据微电网的属性，设置对应的输入输出参数；根据所述输入输出参数建立预制数学模型；通过所述微电网的真实运行数据和所述预制数学模型，获取运行数据样本；基于所述运行数据样本构建对应的调度模型；根据所述微电网的实时运行数据和所述调度模型输出调度信息。通过根据微电网的属性，设置输入输出参数以建立预制数学模型，能够结合微电网的属性提高数据处理的适用性；通过真实运行数据获取运行数据样本以构建调度模型，能提出合适的调度模型；根据实时运行数据和调度模型输出调度信息。模型输出调度信息。模型输出调度信息。
技术研发人员：吴宁 陈卫东 吴晓锐 郭敏 肖静 姚知洋 韩帅 谭志广 郑毅 杨栩
受保护的技术使用者：广西电网有限责任公司电力科学研究院
技术研发日：2022.05.23
技术公布日：2022/8/30