一种电力系统中的实时机会约束决策方法及其源代码应用

针对电力系统中的实时机会约束决策问题，提出了一种快速方法，并应用源代码进行验证。该方法利用情景方法，通过测量得到的未知参数新信息，解决约束的仿射性质，避免重新采样参数空间。通过对样本的预处理，有效利用有限的计算资源解决了机会约束决策问题，对大规模系统具有吸引力。该方法还可推广到跨越后退时间范围的控制动作装置。此外，使用回归卷积神经网络和支持向量回归模型对电力消费进行预测，并验证了其有效性。实验结果表明，RCNN-SVR模型能够准确预测未来几个月的用电量，并在比较中表现出最佳性能。