一种基于深度学习的风电调频逐步惯性控制方法
基本信息
| 申请号 | CN202210130049.3 | 申请日 | - |
| 公开（公告）号 | CN114696340A | 公开（公告）日 | 2022-07-01 |
| 申请公布号 | CN114696340A | 申请公布日 | 2022-07-01 |
| 分类号 | H02J3/24（2006.01）I;H02J3/38（2006.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 发电、变电或配电; |
| 发明人 | 周涛;王亚伦;权浩;李常刚 | 申请（专利权）人 | 南京理工大学 |
| 代理机构 | 北京华沛德权律师事务所 | 代理人 | - |
| 地址 | 210094江苏省南京市武区孝陵卫200号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于深度学习的风电调频逐步惯性控制方法，该方法主要包含以下三个步骤：1）在时域仿真中使用金鹰优化算法获得最优风电调频逐步惯性控制参数并生成数据集；2）基于堆叠式降噪自动编码器对数据集进行特征提取；3）基于深度神经网络学习数据特征生成最优风电调频逐步惯性控制方案。本发明能够当电力系统中出现功率不平衡时，快速、准确地提供当前系统下的最优风电调频逐步惯性控制方案；能够促使风电场主动为电力系统提供功率支撑，有效地参与电力系统频率控制，及时抑制系统频率跌落，有利于补偿系统惯性，有效提高风电调频的质量与效率，为电力系统规划和决策工作提供重要方案，对电力系统运行的安全性、稳定性有着重大意义。 |
