一种基于深度学习与多目标模型预测控制的光储一体化智能运营方法及系统

本发明属于光储系统智能控制技术领域，具体涉及一种基于深度学习与多目标模型预测控制的光储一体化智能运营方法及系统，所述的方法使用深度学习模型对光伏出力和用户负荷进行实时滚动预测，并基于光伏出力预测值和用户负荷预测值，利用多目标模型预测控制器（M‑MPC）求解包含了经济成本计算和电池衰减成本计算的多目标优化问题，得到储能系统的最优充放电功率序列。本申请技术方案通过深度学习模型预测和多目标优化控制的协同作用，降低了储能系统全生命周期运营成本，提高了光伏自发自用率，减少了对电网的冲击，实现了全自动闭环控制系统，提高了光储系统自主性与智能化。