基于深度学习的多能源微电网分布鲁棒低碳经济调度方法、电子设备及介质

本发明属于多能源微电网系统优化调度技术领域，具体一种基于深度学习的多能源微电网分布鲁棒低碳经济调度方法、电子设备及介质。该方法根据电力系统间的多种能源耦合特性，建立了多能源微电网系统的数学模型。为了提高系统的经济性和低碳性，采用负荷需求响应机制和碳交易机制，构建电热负荷需求响应模型和奖惩型阶梯碳交易模型。为了解决综合能源系统的风光不确定性何改善系统的鲁棒性，利用深度学习中的条件生成对抗网络生成不确定变量的场景集，并利用K‑means聚类法对生成的场景进行聚类，得到典型场景。为了得到更真实的概率分布，利用综合范数约束典型场景的波动范围，得到不确定变量的概率分布模糊集。基于所构建的模糊集，需求响应模型和奖惩型阶梯碳交易模型，建立了多能源微电网的两阶段分布鲁棒低碳经济优化模型，其中第一阶段确定系统的储能设备启停计划，第二阶段在不确定性揭示后对初始计划进行调整和补充。最后，利用列与约束生成法对建立的模型进行迭代求解，得到最优调度方案，从而确保系统的低碳性，经济性和鲁棒性。