基于新能源预测的深度学习修正的区域优化调度方法技术

本发明专利技术属于新能源预测技术领域，具体为基于新能源预测的深度学习修正的区域优化调度方法，包括步骤1：功率不平衡计算；步骤2：基于SDAE的特征提取；步骤3：基于SDAE和SVM的分类模型，利用SDAE提取的各个隐层特征训练SVM，充分利用所有隐层提取的特征信息，将爬坡事件发生与否看作为二分类问题，通过SVM实现分类，输出为1和0分别表示是否发生爬坡事件；步骤4：爬坡事件预测流程，包括样本生成、特征选择以及训练和应用，其结构合理，能够实现考虑机组和联络线的调节能力，利用运行数据和部分预测数据快速判断是否发生爬坡事件，能够对爬坡事件进行有效辨识，可用于新能源爬坡事件的预警与安全防控，从而提高电力系统的安全运行水平。从而提高电力系统的安全运行水平。从而提高电力系统的安全运行水平。

【技术实现步骤摘要】
基于新能源预测的深度学习修正的区域优化调度方法


[0001]本专利技术涉及新能源预测
，具体为基于新能源预测的深度学习修正的区域优化调度方法。

技术介绍

[0002]为应对气候变化，能源革命持续进行，风电、光伏等新能源接人电网的比例逐渐增大。2018年底我国风电和光伏累计装机容量分别达到221GW和174GW高比例新能源的接入，在带来巨大环境效益的同时，也给电网的安全稳定运行带来极大挑战。
[0003]受地形、温度和光照强度等因素的影响，新能源呈现出地区分布不均衡的现象，局部地区风能或光照资源丰富，风电场和光伏电站密集，呈现出大规模集中分布的特点，使得在一段时间内其出力表现出强相关性，可能会出现出力短时间内的大幅变化，如果此时电网备用和调节能力不足以平衡这种变化，电网可能因功率大幅缺额而出现频率降低，导致损失大量负荷的爬坡事件。美国德克萨斯州电网2008年发生了风电功率大规模下降的爬坡事件，因风电功率预测存在较大误差，使得调度中心出现误判，未能及时采取预防控制措施，造成频率下降至59.85Hz，最终1150MW负荷被切除，才使频率本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于新能源预测的深度学习修正的区域优化调度方法，其特征在于：包括如下步骤：步骤1：功率不平衡计算，设系统负荷功率、风电出力和光伏出力的预测值分别为P1、P2、P3，N台常规火电机组的出力分别为PN，抽水蓄能发电功率为PH，功率缺额为P，正常情况下，由于发电机的调节作用，P在一定范围内变化，当P超过阈值时，表示系统存在不可接受的功率缺额，即认为发生了爬坡事件；步骤2：基于SDAE的特征提取，降噪自动编码器DAE是将随机噪声引人编码器，在训练时消除噪声干扰，能从受损的输人中获得更具鲁棒性的表达；步骤3：基于SDAE和SVM的分类模型，利用SDAE提取的各个隐层特征训练SVM，充分利用所有隐层提取的特征信息，将爬坡事件发生与否看作为二分类问题，通过SVM实现分类，输出为1和0分别表示是否发生爬坡事件；步骤4：爬坡事件预测流程，包括样本生成、特征选择以及训练和应用。2.根据权利要求1所述的基于新能源预测的深度学习修正的区域优化调度方法，其特征在于：所述步骤1中，直流联络线还需要满足每个档位的调节范围，传输功率可调范围通常划分为几个离散区间。3.根据权利要求1所述的基于新能源预测的深度学习修正的区域优化调度方法，其特征在于：所述步骤2中，将DAE栈式堆叠成深层结构，可以获得更抽象和细致的特征，利用贪婪无监督学习算法进行预训练，使输出尽可能逼近输入，实现层次特征提取功能。4.根据权利要求1所述的基于新能源预测的深度学习修正的区域优化调度方法，其特征...

【专利技术属性】
技术研发人员：许新华，高刚，刘坤杰，徐永嘉，李晓江，陈志星，高玉文，王学飞，
申请(专利权)人：华电宁夏能源有限公司，
类型：发明
国别省市：