所屬的技術(shù)人員能夠理解本技術(shù)提供電子設(shè)備的各個(gè)方面可以實(shí)現(xiàn)為系統(tǒng)、方法或程序產(chǎn)品。因此，本公開的各個(gè)方面可以具體實(shí)現(xiàn)為以下形式，即：完全的硬件實(shí)施方式、完全的軟件實(shí)施方式(包括固件、微代碼等)，或硬件和軟件方面結(jié)合的實(shí)施方式，這里可以統(tǒng)稱為“電路”、“模塊”或“系統(tǒng)”。本技術(shù)還提供儲(chǔ)存介質(zhì)，在儲(chǔ)存介質(zhì)中，存儲(chǔ)有能夠?qū)崿F(xiàn)基于神經(jīng)網(wǎng)絡(luò)的電-氣綜合能源系統(tǒng)快速?zèng)Q策生成方法的程序產(chǎn)品。在一些可能的實(shí)施方式中，本公開的各個(gè)方面還可以實(shí)現(xiàn)為一種程序產(chǎn)品的形式，其包括程序代碼，當(dāng)所述程序產(chǎn)品在終端設(shè)備上運(yùn)行時(shí)，所述程序代碼用于使所述終端設(shè)備執(zhí)行本說明書上述“示例性方法”部分中描述的根據(jù)本公開各種示例性實(shí)施方式的步驟。儲(chǔ)存介質(zhì)可以采用一個(gè)或多個(gè)可讀介質(zhì)的任意組合。可讀介質(zhì)可以是可讀信號(hào)介質(zhì)或者可讀儲(chǔ)存介質(zhì)?？勺x儲(chǔ)存介質(zhì)例如可以為但不限于電、磁、光、電磁、紅外線、或半導(dǎo)體的系統(tǒng)、裝置或器件，或者任意以上的組合?？勺x儲(chǔ)存介質(zhì)的更具體的例子(非窮舉的列表)包括：具有一個(gè)或多個(gè)導(dǎo)線的電連接、便攜式盤、硬盤、隨機(jī)存取存儲(chǔ)器(ram)、只讀存儲(chǔ)器(rom)、可擦式可編程只讀存儲(chǔ)器(eprom或閃存)、光纖、便攜式緊湊盤只讀存儲(chǔ)器(cd-rom)、光存儲(chǔ)器件、磁存儲(chǔ)器件、或者上述的任意合適的組合。對(duì)所公開的實(shí)施例的上述說明，使本領(lǐng)域?qū)I(yè)技術(shù)人員能夠?qū)崿F(xiàn)或使用本發(fā)明。對(duì)這些實(shí)施例的多種修改對(duì)本領(lǐng)域的專業(yè)技術(shù)人員來說將是顯而易見的，本文中所定義的一般原理可以在不脫離本發(fā)明的精神或范圍的情況下，在其它實(shí)施例中實(shí)現(xiàn)。因此，本發(fā)明將不會(huì)被限制于本文所示的這些實(shí)施例，而是要符合與本文所公開的原理和新穎特點(diǎn)相一致的最寬的范圍。

背景技術(shù)：

1、隨著可再生能源的快速發(fā)展，風(fēng)電、光電等可再生能源在電力系統(tǒng)中的占比不斷提高。然而，由于這些可再生能源具有較強(qiáng)的不確定性和波動(dòng)性，電力系統(tǒng)面臨著越來越大的挑戰(zhàn)。

2、為了有效應(yīng)對(duì)可再生能源波動(dòng)帶來的功率失配，燃?xì)鈾C(jī)組因其靈活的調(diào)節(jié)能力和較低的污染排放，已成為電力系統(tǒng)中重要的調(diào)節(jié)資源。而隨著燃?xì)鈾C(jī)組裝機(jī)容量的增加，電力系統(tǒng)和天然氣系統(tǒng)之間的耦合關(guān)系日益密切。燃?xì)鈾C(jī)組在參與電力系統(tǒng)運(yùn)行調(diào)度的過程中，能夠有效平衡可再生能源的不確定性，但其動(dòng)態(tài)調(diào)節(jié)也會(huì)影響天然氣管網(wǎng)的壓力和流量，帶來一定的安全隱患。因此，傳統(tǒng)的獨(dú)立調(diào)度模式已經(jīng)無法充分發(fā)揮電力和天然氣系統(tǒng)的互補(bǔ)優(yōu)勢(shì)，亟需進(jìn)行電-氣系統(tǒng)的協(xié)同優(yōu)化。通過對(duì)電-氣綜合能源系統(tǒng)的協(xié)同決策研究，可以提高可再生能源的消納能力，同時(shí)保證電力系統(tǒng)的安全、穩(wěn)定和經(jīng)濟(jì)運(yùn)行，對(duì)于促進(jìn)能源系統(tǒng)向清潔低碳方向轉(zhuǎn)型具有重要意義。

3、然而，由于大多數(shù)燃?xì)獍l(fā)電廠不會(huì)在現(xiàn)場(chǎng)儲(chǔ)存燃料，其發(fā)電所用的天然氣是通過從天然氣管道中實(shí)時(shí)抽取的，而燃?xì)鈾C(jī)組的不確定抽氣可能會(huì)導(dǎo)致天然氣管網(wǎng)節(jié)點(diǎn)氣壓的波動(dòng)，甚至違反天然氣管網(wǎng)的安全約束。在缺乏天然氣供應(yīng)的情況下，燃?xì)鈾C(jī)組快速爬坡可能會(huì)導(dǎo)致進(jìn)氣口管道壓力低于最小閾值，造成燃?xì)鈾C(jī)組停機(jī)，造成安全事故。因此，研究電-氣綜合能源系統(tǒng)中管網(wǎng)運(yùn)行的安全域（即不違反天然氣安全約束的燃?xì)鈾C(jī)組的出力范圍，也稱作燃?xì)鈾C(jī)組的安全域）是十分必要的。

4、現(xiàn)有技術(shù)中，很多考慮電-氣綜合能源系統(tǒng)協(xié)同決策的研究都是利用模型驅(qū)動(dòng)方法建模求解得到最優(yōu)策略，需要對(duì)電-氣綜合能源系統(tǒng)的物理原理、化學(xué)過程、電氣特性等建立精確的數(shù)學(xué)模型來描述系統(tǒng)的行為和特性，如通過電力潮流方程和天然氣偏微分方程建模系統(tǒng)的能量流動(dòng)特性。但是這些方法需要使用有限差分等技術(shù)將偏微分方程離散化，給系統(tǒng)的求解增加了極大的復(fù)雜性，另外，隨著現(xiàn)代多能系統(tǒng)的復(fù)雜性增加，很難準(zhǔn)確得到系統(tǒng)的拓?fù)浣Y(jié)構(gòu)以及網(wǎng)絡(luò)的相關(guān)參數(shù)，因此現(xiàn)有模型驅(qū)動(dòng)方法在面對(duì)復(fù)雜多變的實(shí)際運(yùn)行情況時(shí)，模型的準(zhǔn)確性和適應(yīng)性可能會(huì)受到限制。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)利用模型驅(qū)動(dòng)方法建模求解得到電-氣綜合能源系統(tǒng)協(xié)同決策的最優(yōu)策略求解復(fù)雜、難以得到復(fù)雜系統(tǒng)的拓?fù)浣Y(jié)構(gòu)和網(wǎng)絡(luò)相關(guān)參數(shù)的技術(shù)問題，發(fā)明提供一種基于神經(jīng)網(wǎng)絡(luò)的電-氣綜合能源系統(tǒng)快速?zèng)Q策生成方法、系統(tǒng)、設(shè)備及介質(zhì)，可在保障管網(wǎng)安全運(yùn)行的同時(shí)優(yōu)化經(jīng)濟(jì)調(diào)度，生成電力系統(tǒng)最優(yōu)調(diào)度決策，提高決策生成效率，具有良好的安全性、穩(wěn)定性和適應(yīng)性。

2、第一方面，本發(fā)明提供一種基于神經(jīng)網(wǎng)絡(luò)的電-氣綜合能源系統(tǒng)快速?zèng)Q策生成方法，步驟包括：

3、s1.?收集同一電-氣綜合能源系統(tǒng)各個(gè)時(shí)段的天然氣系統(tǒng)數(shù)據(jù)、燃?xì)鈾C(jī)組安全域數(shù)據(jù)和電力系統(tǒng)數(shù)據(jù)，進(jìn)行歸一化處理后構(gòu)建多模塊神經(jīng)網(wǎng)絡(luò)訓(xùn)練集和電力系統(tǒng)數(shù)據(jù)集；

4、s2.?構(gòu)建反饋-補(bǔ)償多模塊神經(jīng)網(wǎng)絡(luò)并利用多模塊神經(jīng)網(wǎng)絡(luò)訓(xùn)練集訓(xùn)練，得到安全域預(yù)測(cè)模型，安全域預(yù)測(cè)模型的輸入為天然氣系統(tǒng)數(shù)據(jù)，輸出為燃?xì)鈾C(jī)組安全域預(yù)測(cè)值；

5、s3.?將天然氣系統(tǒng)數(shù)據(jù)輸入安全域預(yù)測(cè)模型，根據(jù)輸出的燃?xì)鈾C(jī)組安全域預(yù)測(cè)值和燃?xì)鈾C(jī)組固有出力邊界值計(jì)算燃?xì)鈾C(jī)組的實(shí)際出力邊界值，將實(shí)際出力邊界值與電力系統(tǒng)數(shù)據(jù)拼接，構(gòu)建罰函數(shù)神經(jīng)網(wǎng)絡(luò)訓(xùn)練集；

6、其中，燃?xì)鈾C(jī)組固有出力邊界值為在燃?xì)鈾C(jī)組設(shè)計(jì)制造時(shí)設(shè)定的出力上下邊界值；

7、s4.?構(gòu)建罰函數(shù)神經(jīng)網(wǎng)絡(luò)并利用罰函數(shù)神經(jīng)網(wǎng)絡(luò)訓(xùn)練集訓(xùn)練，得到最優(yōu)決策生成模型；

8、電力系統(tǒng)最優(yōu)決策生成模型的輸入為燃?xì)鈾C(jī)組實(shí)際出力邊界值和電力系統(tǒng)數(shù)據(jù)，輸出為燃?xì)鈾C(jī)組和燃煤機(jī)組出力的調(diào)度策略；

9、s5.?將待決策的天然氣系統(tǒng)數(shù)據(jù)輸入安全域預(yù)測(cè)模型，使用其輸出計(jì)算燃?xì)饨M實(shí)際處理邊界值，再與電力系統(tǒng)數(shù)據(jù)共同輸入最優(yōu)決策模型，生成電力系統(tǒng)最優(yōu)調(diào)度決策。

10、進(jìn)一步需要說明的是，步驟s1中，根據(jù)歸一化的天然氣系統(tǒng)數(shù)據(jù)和燃?xì)鈾C(jī)組安全域數(shù)據(jù)構(gòu)建多模塊神經(jīng)網(wǎng)絡(luò)訓(xùn)練集，根據(jù)歸一化的電力系統(tǒng)數(shù)據(jù)構(gòu)建電力系統(tǒng)數(shù)據(jù)集；

11、其中，天然氣系統(tǒng)數(shù)據(jù)包括天然氣系統(tǒng)中的氣源壓力、壓縮機(jī)增壓、天然氣負(fù)荷；

12、燃?xì)鈾C(jī)組安全域數(shù)據(jù)包括燃?xì)鈾C(jī)組安全運(yùn)行的上限出力和下限出力；

13、電力系統(tǒng)數(shù)據(jù)包括電力系統(tǒng)中的電力負(fù)荷、風(fēng)電出力數(shù)據(jù)。

14、進(jìn)一步需要說明的是，步驟s1中，對(duì)于任一天然氣系統(tǒng)數(shù)據(jù)或電力系統(tǒng)數(shù)據(jù)的原始數(shù)據(jù)，其歸一化處理的公式為：

15、

16、式中，表示歸一化處理后的數(shù)值；

17、和分別表示所屬類型的數(shù)據(jù)在采集樣本中的最大值和最小值。

18、進(jìn)一步需要說明的是，步驟s2中，反饋-補(bǔ)償多模塊神經(jīng)網(wǎng)絡(luò)包括預(yù)測(cè)模塊、反饋模塊和補(bǔ)償模塊，其中：

19、預(yù)測(cè)模塊包括三個(gè)帶有激活函數(shù)的單層感知機(jī)和一個(gè)多層感知機(jī)，將天然氣系統(tǒng)數(shù)據(jù)中的氣源壓力、天然氣負(fù)荷和壓縮機(jī)增壓量分別輸入三個(gè)單層感知機(jī)后，單層感知機(jī)提取特征，然后通過多層感知機(jī)得出燃?xì)鈾C(jī)組安全域初步估計(jì)值，預(yù)測(cè)模塊的表達(dá)式為：

20、

21、式中，為燃?xì)鈾C(jī)組安全域初步估計(jì)值中上限出力的集合；

22、為燃?xì)鈾C(jī)組安全域初步估計(jì)值中下限出力的集合；

23、為計(jì)算燃?xì)鈾C(jī)組安全域初步估計(jì)值的函數(shù)；

24、表示預(yù)測(cè)模塊中四個(gè)感知機(jī)的模型參數(shù)，包括每層神經(jīng)元的權(quán)重和偏置；

25、為氣源壓力；

26、為天然氣負(fù)荷；

27、為壓縮機(jī)增壓量；

28、反饋模塊包括一個(gè)多層感知機(jī)，反饋模塊接受預(yù)測(cè)模塊得出的燃?xì)鈾C(jī)組安全域初步估計(jì)值以及對(duì)應(yīng)的天然氣系統(tǒng)數(shù)據(jù)，通過多層感知機(jī)提取數(shù)據(jù)特征，生成燃?xì)鈾C(jī)組安全出力上下限修正值，反饋模塊的表達(dá)式為：

29、

30、式中，為燃?xì)鈾C(jī)組安全出力上限修正值；

31、為燃?xì)鈾C(jī)組安全出力下限修正值；

32、為計(jì)算燃?xì)鈾C(jī)組安全出力修正值的函數(shù)；

33、表示反饋模塊中多層感知機(jī)的模型參數(shù)，包括每層神經(jīng)元的權(quán)重和偏置；

34、補(bǔ)償模塊包括一個(gè)多層感知機(jī)，補(bǔ)償模塊用于捕捉天然氣系統(tǒng)數(shù)據(jù)整體發(fā)生變化帶來的燃?xì)鈾C(jī)組安全域波動(dòng)，接受總氣源壓力數(shù)據(jù)、總天然氣負(fù)荷數(shù)據(jù)以及總壓縮機(jī)增壓數(shù)據(jù)，生成燃?xì)鈾C(jī)組安全出力上下限補(bǔ)償量，用于補(bǔ)償天然氣系統(tǒng)輸入變化所帶來的燃?xì)鈾C(jī)組安全域波動(dòng)，補(bǔ)償模塊的表達(dá)式為：

35、

36、式中，為燃?xì)鈾C(jī)組安全出力上限補(bǔ)償量；

37、為燃?xì)鈾C(jī)組安全出力上限補(bǔ)償量；

38、為計(jì)算燃?xì)鈾C(jī)組安全出力補(bǔ)償量的函數(shù)；

39、為補(bǔ)償模塊中多層感知機(jī)的模型參數(shù)，包括每層神經(jīng)元的權(quán)重和偏置；

40、為總氣源壓力；

41、為總天然氣負(fù)荷；

42、為總壓縮機(jī)增壓量；

43、通過將預(yù)測(cè)模塊、反饋模塊和補(bǔ)償模塊組合，構(gòu)成反饋-補(bǔ)償多模塊神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)對(duì)燃?xì)鈾C(jī)組安全域預(yù)測(cè)值的計(jì)算，燃?xì)鈾C(jī)組安全域預(yù)測(cè)值的表達(dá)式為：

44、

45、式中，為計(jì)算燃?xì)鈾C(jī)組安全域預(yù)測(cè)值的函數(shù)；

46、為燃?xì)鈾C(jī)組安全域預(yù)測(cè)值中的上限出力；

47、為燃?xì)鈾C(jī)組安全域預(yù)測(cè)值中的下限出力。

48、進(jìn)一步需要說明的是，通過多模塊神經(jīng)數(shù)據(jù)集訓(xùn)練反饋-補(bǔ)償多模塊神經(jīng)網(wǎng)絡(luò)的，訓(xùn)練步驟為：

49、s201.?采用xavier方法初始化反饋-補(bǔ)償多模塊神經(jīng)網(wǎng)絡(luò)的參數(shù)，包括初始化每層神經(jīng)元的權(quán)重和偏置；

50、s202.?采用均方誤差mse構(gòu)建反饋-補(bǔ)償多模塊神經(jīng)網(wǎng)絡(luò)損失函數(shù)，反饋-補(bǔ)償多模塊神經(jīng)網(wǎng)絡(luò)損失函數(shù)具體為：

51、

52、

53、

54、

55、式中，表示由mse計(jì)算的模型預(yù)測(cè)誤差，構(gòu)成損失函數(shù)的主要分量；其次；

56、表示用mse計(jì)算的預(yù)測(cè)模塊輸出與真實(shí)值的誤差，其旨在減少來自反饋模塊的修正量和補(bǔ)償模塊的補(bǔ)償量，從而提高整體精度；

57、是正則化項(xiàng)，采用了曼哈頓范數(shù)以限制補(bǔ)償量的大??；

58、表示數(shù)據(jù)批量大?。?/p>

59、和表示比例因子；

60、和分別表示曼哈頓范數(shù)和歐幾里得范數(shù)；

61、和表示燃?xì)鈾C(jī)組安全域預(yù)測(cè)值的集合；

62、和表示燃?xì)鈾C(jī)組安全域初步估計(jì)值的集合；

63、和表達(dá)對(duì)應(yīng)反饋-補(bǔ)償多模塊神經(jīng)網(wǎng)絡(luò)輸出的真實(shí)值；

64、s203.?根據(jù)多模塊神經(jīng)網(wǎng)絡(luò)訓(xùn)練集以及燃?xì)鈾C(jī)組安全域預(yù)測(cè)值計(jì)算出損失函數(shù)，利用鏈?zhǔn)椒▌t和自動(dòng)微分計(jì)算出損失函數(shù)對(duì)網(wǎng)絡(luò)參數(shù)的梯度，然后通過adam優(yōu)化器更新網(wǎng)絡(luò)參數(shù)，再根據(jù)新的網(wǎng)絡(luò)參數(shù)進(jìn)行預(yù)測(cè)與真實(shí)值計(jì)算損失函數(shù)，重復(fù)迭代更新直到達(dá)到預(yù)設(shè)的訓(xùn)練輪次，得到燃?xì)鈾C(jī)組安全域預(yù)測(cè)模型。

65、進(jìn)一步需要說明的是，步驟s3中，燃?xì)鈾C(jī)組實(shí)際出力邊界計(jì)算公式為：

66、

67、

68、式中，為燃?xì)鈾C(jī)組實(shí)際出力邊界值中的上限出力；

69、為燃?xì)鈾C(jī)組實(shí)際出力邊界值中的下限出力；

70、為燃?xì)鈾C(jī)組安全域預(yù)測(cè)值中的上限出力；

71、為燃?xì)鈾C(jī)組安全域預(yù)測(cè)值中的下限出力；

72、為燃?xì)鈾C(jī)組固有出力邊界值中的上限出力；

73、為燃?xì)鈾C(jī)組固有出力邊界值中的下限出力。

74、進(jìn)一步需要說明的是，步驟s1中，電力系統(tǒng)數(shù)據(jù)集表示為 ，其中為電力負(fù)荷，為風(fēng)電機(jī)組出力；

75、步驟s3中，罰函數(shù)神經(jīng)網(wǎng)絡(luò)訓(xùn)練集表示為。

76、進(jìn)一步需要說明的是，步驟s4具體為：建立電力系統(tǒng)經(jīng)濟(jì)調(diào)度模型和罰函數(shù)神經(jīng)網(wǎng)絡(luò)，基于電力系統(tǒng)經(jīng)濟(jì)調(diào)度模型定義的目標(biāo)與約束，使用罰函數(shù)神經(jīng)網(wǎng)絡(luò)訓(xùn)練集訓(xùn)練罰函數(shù)神經(jīng)網(wǎng)絡(luò)以數(shù)據(jù)驅(qū)動(dòng)方式逼近最優(yōu)解，最終形成決策生成模型。

77、進(jìn)一步需要說明的是，電力系統(tǒng)經(jīng)濟(jì)調(diào)度模型包括燃?xì)鈾C(jī)組出力約束、燃煤機(jī)組出力約束和源荷功率平衡約束，電力系統(tǒng)經(jīng)濟(jì)調(diào)度模型的表達(dá)式為；

78、

79、

80、

81、式中，為燃?xì)鈾C(jī)組在時(shí)刻的出力；

82、為燃煤機(jī)組在時(shí)刻的出力；

83、為風(fēng)電機(jī)組在時(shí)刻的出力；

84、為電力負(fù)荷在時(shí)刻的大?。?/p>

85、為燃?xì)鈾C(jī)組在時(shí)刻的實(shí)際出力邊界值中的上限出力；

86、為燃?xì)鈾C(jī)組在時(shí)刻的實(shí)際出力邊界值中的下限出力；

87、和為燃煤機(jī)組的出力上下邊界；

88、，，和分別表示燃煤機(jī)組、燃?xì)鈾C(jī)組、風(fēng)電機(jī)組和電力負(fù)荷對(duì)應(yīng)的集合；

89、目標(biāo)函數(shù)為最小化燃煤機(jī)組發(fā)電成本，目標(biāo)函數(shù)為；

90、

91、式中，、、為燃煤機(jī)組成本函數(shù)對(duì)應(yīng)的二次項(xiàng)和一次項(xiàng)系數(shù)以及常數(shù)項(xiàng)；

92、為總的調(diào)度時(shí)段。

93、進(jìn)一步需要說明的是，步驟s4中，罰函數(shù)神經(jīng)網(wǎng)絡(luò)的表達(dá)式為：

94、

95、式中，為燃?xì)鈾C(jī)組的出力；

96、為燃煤機(jī)組的出力；

97、為計(jì)算電力系統(tǒng)調(diào)度決策的函數(shù)；

98、表示罰函數(shù)神經(jīng)網(wǎng)絡(luò)的模型參數(shù)，包括每層神經(jīng)元的權(quán)重和偏置；

99、罰函數(shù)神經(jīng)網(wǎng)絡(luò)損失函數(shù)表達(dá)式為：

100、

101、

102、

103、

104、

105、式中，為功率平衡約束的損失項(xiàng)的權(quán)重因子；

106、為燃?xì)鈾C(jī)組出力約束的損失項(xiàng)的權(quán)重因子；

107、為燃煤機(jī)組出力約束的損失項(xiàng)的權(quán)重因子。

108、進(jìn)一步需要說明的是，步驟s4中，罰函數(shù)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程為：

109、將罰函數(shù)神經(jīng)網(wǎng)絡(luò)訓(xùn)練集輸入該罰函數(shù)神經(jīng)網(wǎng)絡(luò)，然后，計(jì)算損失函數(shù)值，通過adam優(yōu)化器更新網(wǎng)絡(luò)參數(shù)，再根據(jù)新的參數(shù)重新計(jì)算，重復(fù)迭代更新直到達(dá)到預(yù)設(shè)的訓(xùn)練輪次，得到電力系統(tǒng)最優(yōu)決策生成模型。

110、第二方面，本發(fā)明提供一種基于神經(jīng)網(wǎng)絡(luò)的電-氣綜合能源系統(tǒng)快速?zèng)Q策生成系統(tǒng)，用于實(shí)現(xiàn)上述的基于神經(jīng)網(wǎng)絡(luò)的電-氣綜合能源系統(tǒng)快速?zèng)Q策生成方法，包括：

111、數(shù)據(jù)收集與處理模塊，用于收集同一電-氣綜合能源系統(tǒng)各個(gè)時(shí)段的天然氣系統(tǒng)數(shù)據(jù)、燃?xì)鈾C(jī)組安全域數(shù)據(jù)和電力系統(tǒng)數(shù)據(jù)，進(jìn)行歸一化處理后構(gòu)建多模塊神經(jīng)網(wǎng)絡(luò)訓(xùn)練集和電力系統(tǒng)數(shù)據(jù)集；

112、反饋-補(bǔ)償多模塊神經(jīng)網(wǎng)絡(luò)構(gòu)建與訓(xùn)練模塊，用于構(gòu)建反饋-補(bǔ)償多模塊神經(jīng)網(wǎng)絡(luò)并利用多模塊神經(jīng)網(wǎng)絡(luò)訓(xùn)練集訓(xùn)練，得到安全域預(yù)測(cè)模型；

113、燃?xì)鈾C(jī)組實(shí)際出力邊界值計(jì)算模塊，用于計(jì)算燃?xì)鈾C(jī)組實(shí)際出力邊界值；

114、罰函數(shù)神經(jīng)網(wǎng)絡(luò)訓(xùn)練集構(gòu)建模塊，用于將燃?xì)鈾C(jī)組實(shí)際出力邊界值與對(duì)應(yīng)的電力系統(tǒng)數(shù)據(jù)拼接，構(gòu)建罰函數(shù)神經(jīng)網(wǎng)絡(luò)訓(xùn)練集；

115、罰函數(shù)神經(jīng)網(wǎng)絡(luò)構(gòu)建與訓(xùn)練模塊，用于構(gòu)建罰函數(shù)神經(jīng)網(wǎng)絡(luò)并利用罰函數(shù)神經(jīng)網(wǎng)絡(luò)訓(xùn)練集訓(xùn)練，得到最優(yōu)決策生成模型；

116、協(xié)同運(yùn)行模塊，用于將待決策的天然氣系統(tǒng)數(shù)據(jù)輸入安全域預(yù)測(cè)模型，使用其輸出計(jì)算燃?xì)饨M實(shí)際處理邊界值，再與電力系統(tǒng)數(shù)據(jù)共同輸入最優(yōu)決策模型，生成電力系統(tǒng)最優(yōu)調(diào)度決策。

117、第三方面，本發(fā)明提供一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，處理器用于執(zhí)行計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述基于神經(jīng)網(wǎng)絡(luò)的電-氣綜合能源系統(tǒng)快速?zèng)Q策生成方法的步驟。

118、第四方面，本發(fā)明提供一種儲(chǔ)存介質(zhì)，儲(chǔ)存介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序，計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述基于神經(jīng)網(wǎng)絡(luò)的電-氣綜合能源系統(tǒng)快速?zèng)Q策生成方法的步驟。

119、本發(fā)明的有益效果在于：

120、1.?本發(fā)明收集天然氣系統(tǒng)數(shù)據(jù)、燃?xì)鈾C(jī)組安全域數(shù)據(jù)和電力系統(tǒng)數(shù)據(jù)后歸一化處理并構(gòu)建多模塊神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)集和電力系統(tǒng)數(shù)據(jù)集，構(gòu)建和訓(xùn)練反饋-補(bǔ)償多模塊神經(jīng)網(wǎng)絡(luò)得到燃?xì)鈾C(jī)組安全域預(yù)測(cè)模型，根據(jù)燃?xì)鈾C(jī)組安全域預(yù)測(cè)模型的輸出和燃?xì)鈾C(jī)組固有出力邊界值結(jié)合對(duì)應(yīng)的電力系統(tǒng)數(shù)據(jù)構(gòu)建罰函數(shù)神經(jīng)網(wǎng)絡(luò)訓(xùn)練集，訓(xùn)練罰函數(shù)神經(jīng)網(wǎng)絡(luò)得到電力系統(tǒng)最優(yōu)決策生成模型，最后協(xié)同運(yùn)行燃?xì)鈾C(jī)組安全域預(yù)測(cè)模型和電力系統(tǒng)最優(yōu)決策生成模型，生成電力系統(tǒng)最優(yōu)調(diào)度決策，能夠在考慮燃?xì)鈾C(jī)組實(shí)際出力邊界值、滿足系統(tǒng)安全運(yùn)行的前提下提出充分考慮到經(jīng)濟(jì)因素的電力系統(tǒng)最優(yōu)調(diào)度決策，合理分配電力資源，降低電力系統(tǒng)運(yùn)行成本，提高了電-氣綜合能源系統(tǒng)的經(jīng)濟(jì)性。

121、2.?本發(fā)明生成電力系統(tǒng)最優(yōu)調(diào)度決策的過程中通過構(gòu)建反饋補(bǔ)償多模塊神經(jīng)網(wǎng)絡(luò)和罰函數(shù)神經(jīng)網(wǎng)絡(luò)處理電力系統(tǒng)經(jīng)濟(jì)調(diào)度問題，不需要對(duì)整個(gè)系統(tǒng)進(jìn)行建模，不依賴于復(fù)雜的系統(tǒng)模型，減少了模型建立和求解的時(shí)間成本。其中，通過構(gòu)建和訓(xùn)練反饋-補(bǔ)償多模塊神經(jīng)網(wǎng)絡(luò)，可以準(zhǔn)確實(shí)時(shí)預(yù)測(cè)出燃?xì)鈾C(jī)組的運(yùn)行安全域，為管網(wǎng)安全運(yùn)行提供保障；通過構(gòu)建和訓(xùn)練罰函數(shù)神經(jīng)網(wǎng)絡(luò)，將電力系統(tǒng)的優(yōu)化調(diào)度問題融入網(wǎng)絡(luò)訓(xùn)練中，訓(xùn)練完成的罰函數(shù)神經(jīng)網(wǎng)絡(luò)能夠根據(jù)反饋-補(bǔ)償多模塊神經(jīng)網(wǎng)絡(luò)提供的燃?xì)鈾C(jī)組運(yùn)行安全域?qū)崟r(shí)提供最優(yōu)調(diào)度策略；協(xié)同運(yùn)行燃?xì)鈾C(jī)組安全域預(yù)測(cè)模型和電力系統(tǒng)最優(yōu)決策生成模型可有效避免因模型參數(shù)不準(zhǔn)確以及模型過于復(fù)雜對(duì)電-氣綜合能源系統(tǒng)調(diào)度問題的影響，同時(shí)還極大地縮短了問題的求解時(shí)間，提高決策生成的效率，滿足實(shí)時(shí)性的要求。

122、3.?本發(fā)明的數(shù)據(jù)來源為天然氣系統(tǒng)數(shù)據(jù)、燃?xì)鈾C(jī)組安全域數(shù)據(jù)和電力系統(tǒng)數(shù)據(jù)，涵蓋氣源壓力、壓縮機(jī)增壓、天然氣負(fù)荷、燃?xì)鈾C(jī)組安全運(yùn)行出力邊界以及電力負(fù)荷、風(fēng)電出力等多方面信息。通過對(duì)這些數(shù)據(jù)的歸一化處理和綜合利用，充分考慮了電-氣綜合能源系統(tǒng)中不同子系統(tǒng)之間的相互關(guān)系和影響，能夠更全面地保障管網(wǎng)的安全運(yùn)行，提高決策生成方法的適應(yīng)性，可在復(fù)雜多變的實(shí)際運(yùn)行條件中保持穩(wěn)定。其中，構(gòu)建燃?xì)鈾C(jī)組安全域預(yù)測(cè)模型，利用多模塊神經(jīng)網(wǎng)絡(luò)訓(xùn)練集進(jìn)行訓(xùn)練，使得對(duì)燃?xì)鈾C(jī)組安全運(yùn)行的預(yù)測(cè)更加準(zhǔn)確，從源頭上避免了因燃?xì)鈾C(jī)組運(yùn)行不當(dāng)而可能引發(fā)的安全問題，進(jìn)一步確保了整個(gè)系統(tǒng)的安全穩(wěn)定運(yùn)行。

123、4.?本發(fā)明的快速?zèng)Q策生成方法基于數(shù)據(jù)驅(qū)動(dòng)，通過對(duì)大量歷史數(shù)據(jù)的收集、處理和訓(xùn)練，能夠適應(yīng)不同工況和運(yùn)行條件下的電-氣綜合能源系統(tǒng)；隨著系統(tǒng)運(yùn)行數(shù)據(jù)的不斷積累，模型可以不斷優(yōu)化和更新，進(jìn)一步提高預(yù)測(cè)和決策的準(zhǔn)確性和適應(yīng)性，具有較強(qiáng)的通用性和擴(kuò)展性。