一种基于凸约束学习的电力系统储能调度方法

本发明公开了一种基于凸约束学习的电力系统储能调度方法，首先构建面向电力系统运行的、可显式反映灵活性资源物理约束的老化衰减模型，实现调度模型对设备真实状态的感知；其次，通过将变量网络与参数网络联合构建成满足凸性的神经结构，学习得到一类具备可解释性与凸性保证的代理约束模型，实现高精度过程逼近；最后，在保障可行性的前提下，将学习到的凸代理模型转化为线性或凸规划形式的可嵌入式约束，构建既能准确刻画灵活性资源复杂运行特性，又能满足凸优化可解性、可行性与高效求解要求的混合调度模型。