1.一种基于深度学习的电力系统经济调度网损计算方法，其特征在于，包括以下步骤：步骤1、采用差分进化算法模拟生成网损计算模型的训练数据；

步骤2、搭建多头多层感知器网损计算模型并进行模型训练；

步骤3、调用多头多层感知器网损计算模型进行电力系统经济调度计算。

2.根据权利要求1所述的一种基于深度学习的电力系统经济调度网损计算方法，其特征在于：所述步骤1的具体过程为：由于缺乏历史数据，为保证网损计算方法能适用于不同的负荷需求，采用差分进化算法模拟不同负荷需求下的发电机组输出数据；在差分进化算法的运行过程中，保存每次迭代过程产生的机组出力数据，并调用交流潮流计算计算对应的网络损耗；为了满足机组输出数据的多样性，将交叉因子CR和变异因子F设为较大的参数，以增加种群的多样性；同时，必须满足差分进化的结果是最优解；为了使多头多层感知器模型适用于不同的负荷要求，负荷数据以机组最大总出力的0.4倍为起点，以机组最大总出力的0.85倍为终点，以0.05倍梯度间隔生成不同负荷下的训练数据。

3.根据权利要求1所述的一种基于深度学习的电力系统经济调度网损计算方法，其特征在于：所述步骤2的具体过程为：多层感知器通过历史数据了解数据内部的映射关系，通过神经元之间的协作获得强大的计算能力；多层感知器的核心是神经元，它接收外部输入数据或其他神经元的输出，并赋予其权重w；然后加上偏置值为b的偏执量，通过激活函数f计算输出Y，此过程被称为前项传递过程：i i i i‑1 i

Y＝f(wY +b)                                  (8)i i i

其中，Y为多层感知器第i层的输出，w为第i层的权重向量，b为第i层的偏置向量：在没有激活函数的情况下，神经元之间的信息传递变成了线性关系，神经元失去了活性，因此选择合适的激活函数是至关重要的；隐藏层采用线性整流激活函数；线性整流激活函数不存在饱和区，不存在梯度消失的问题；输出层采用线性激活函数，采用批量梯度下降法训练多层感知器网络；批量梯度下降法的目的是使损失函数值最小，即计算值更接近真实值，此过程被称为反向传播过程：i i

其中， ( 是w和b的函数)为更新后的神经元输出向量，α为梯度下降步长；

由于机组输出数据是按比例梯度模拟生成的，传统的多层感知器模型在计算两个比例梯度之间的网络损耗数据时会与真实值产生轻微偏差；为了尽可能减小误差，提出一种多头多层感知器模型来减小误差；多头多层感知器是由多个多层感知器的并联单元组成，不同的单位独立训练，模型的输出由多个多层感知器的输出加权平均得到；

为了保证不同多层感知器单元之间的独立性，对训练数据进行随机划分，并将每组数据的前70％的数据保存下来，用于训练不同的多层感知器单元；在不同的负载要求下，网络损耗变化较大；为了避免大数据覆盖小数据的现象，采用相对误差最小的权重系数确定方法确定不同计算头的权重。

4.根据权利要求1所述的一种基于深度学习的电力系统经济调度网损计算方法，其特征在于：所述步骤3的具体过程为：在电力系统经济调度中，经济调度问题的目标函数以火电机组耗煤量最小为目标函数：其中，F为经济调度总发电成本，ai、bi、ci为发电机组i的成本系数，PG为机组i的输出功率，N为机组总数；

在考虑系统的阀点效应后，目标函数为如下形式：

其中，ei和fi为反映阀点加载效应的第i台发电机的成本系数，Pi,min为第i台机组的最小输出功率；

约束条件考虑机组的最大、最小输出和负载功率平衡；

其中，PGD为总负荷需求，PG,LOSS为总线路损耗；

Pi,min≤PG,i≤Pi,max                                    (15)其中，pi,min是第i台机组输出的最小值，pi，max是第i台机组输出的最大值；

由于火力发电机组本身的物理特性，为避免火力发电机组在某些运行区间内的轴承振动放大，考虑了发电禁止区间约束和系统的爬坡约束；

采用差分进化算法解决电力系统经济调度问题，所述差分进化过程分为种群初始化、变异、交叉和选择，在交叉环节之后调用多头多层感知器网损计算模型计算网络损耗，在考虑网络损耗的情况下进行机组出力的最优选择。

5.根据权利要求3所述的一种基于深度学习的电力系统经济调度网损计算方法，其特征在于：采用相对误差最小的权重系数确定方法确定不同计算头的权重为：其中，yi为真值，m为计算权重使用的数据量，f(i)为第t个头的第i个计算值，ωt为第t个头的权值。

6.根据权利要求4所述的一种基于深度学习的电力系统经济调度网损计算方法，其特征在于：所述发电禁止区间约束为：其中， 为第i台机组第一个禁止输出区间的下限， 为第i台机组第k个禁止输出区间的上限，pozi为第i台机组禁止输出区间的总数。

7.根据权利要求4所述的一种基于深度学习的电力系统经济调度网损计算方法，其特征在于：所述系统的爬坡约束为：Pi,t‑Pi,t‑1≤RUg                 (17)Pi,t‑1‑Pi,t≤RDg                 (18)其中Pi,t和Pi,t‑1分别为机组i在t和t‑1时刻的发电功率，RUg和RDg分别为单位时间内火电机组的出力增减。