報告摘選

• 基于深度學習的微網(wǎng)群互動特性行為建模是一種良好的解決方案，不僅可以保護微網(wǎng)內部參數(shù)數(shù)據(jù)的隱私，同時也可更好支撐微網(wǎng)群的互動運行及參與市場輔助服務。
• 采用度學習的微網(wǎng)群特征封裝，結合強化學習、聯(lián)邦學習等機器學習決策，可以一定程度解決信息不完備下的微網(wǎng)群管控、策略進化等問題，有較好的實際利用價值和可推廣性。
• 數(shù)據(jù)驅動的微網(wǎng)群互動運行對于構建新型電力系統(tǒng)，實現(xiàn)高比例可再生能源消納具有重要意義，但未來還仍需突破小樣本下的可學習性、機器學習模型的機理可解釋表達等難題。