【技术实现步骤摘要】
风电调频综合惯性控制方法、系统、电子设备和存储介质
[0001]本专利技术涉及风电调频
，具体涉及一种基于收缩自动编码器和深度神经网络的风电调频综合惯性控制方法、系统、电子设备和存储介质。
技术介绍
[0002]随着可再生能源的大规模发展，现代电力系统的惯性水平逐渐降低，导致扰动事件发生时系统的惯性支持和频率调节能力严重减弱。风力发电机组作为可再生能源发电的主要代表，必须更有效地参与到电力系统频率调节中。
[0003]风电因具备清洁环保、技术成熟和成本较低等优势，已得到广泛应用。随着风力发电技术的不断发展，各国的风电渗透率不断升高。据相关数据显示，截至2020年底，中国风电装机容量占比已达到12.79%，呈现出较快的增长速度。而风电机组一般通过变流器接入电网，导致机组转速与电网频率失去耦合关系；且在最大功率追踪控制模式下，风电机组无法在电网频率变化时提供功率支撑作用。因此随着风电渗透率的不断增加，系统惯量降低和一次调频能力不足等问题也越加明显，给电网频率带来不利因素。
[0004]为此风电机组应当具备类...
【技术保护点】
【技术特征摘要】
1.一种基于收缩自动编码器和深度神经网络的风电调频综合惯性控制方法，其特征在于，包括以下步骤：步骤1：在风力发电机有功控制环节中同时引入频率偏差和频率变化率，建立综合惯性控制模型；步骤2：使用鼠群优化算法获得最优的综合惯性控制参数，并由最优的综合惯性控制参数组成综合惯性控制参数数据集；步骤3：利用收缩自动编码器提取综合惯性控制参数数据集的特征；步骤4：利用深度神经网络学习综合惯性控制参数数据集的特征，得到训练好的深度神经网络模型；步骤5：遇到不同风电场景，将风速、风电占比和负荷扰动量输入训练好的深度神经网络模型，得到对应不同风电场景下的综合惯性控制参数，将深度神经网络模型输出的综合惯性控制参数输入综合惯性控制模型，综合惯性控制模型输出信号调整电网频率。2.根据权利要求1所述的基于收缩自动编码器和深度神经网络的风电调频综合惯性控制方法，其特征在于，步骤1中，所述综合惯性控制模型的额外有功参考值的计算公式如下：，式中，为综合惯性控制模型的额外有功参考值，为惯性控制参数，为下垂控制参数，表示系统频率，表示风力发电机运行时间；通过改变惯性控制参数和下垂控制参数的值改变额外有功参考值。3.根据权利要求2所述的基于收缩自动编码器和深度神经网络的风电调频综合惯性控制方法，其特征在于，步骤2中，所述综合惯性控制参数包括惯性控制参数和下垂控制参数，所述鼠群优化算法具体为：步骤2.1：初始化老鼠种群，将综合惯性控制参数定义为老鼠，将全局最优解定义为猎物；步骤2.2：计算每只老鼠的适应度值，得到最优老鼠；步骤2.3：计算勘探参数A和开发参数C，公式如下：，，式中，N为最大迭代次数，n为当前迭代次数，R是[1,5]范围内的随机数，是[0,1]范围内的随机数；步骤2.4：老鼠追逐猎物，计算猎物所处的位置，公式如下：
，式中，是第只老鼠在第n次迭代的位置，是第n次迭代种群中的最优老鼠，是对于第i只老鼠而言猎物所处的位置；步骤2.5：老鼠攻击猎物，公式如下：，式中，是第只老鼠在第次迭代中的位置；步骤2.6：检查是否超出了搜索空间的边界限制，如超出边界限制则修正老鼠的位置；步骤2.7：判断是否满足终止条件，若满足则退出，输出最优的综合惯性控制参数，否则，返回步骤2.2。4.根据权利要求1所述的基于收缩自动编码器和深度神经网络的风电调频综合惯性控制方法，其特征在于，步骤3包括：步骤3.1：将综合惯性控制参数数据集归一化；步骤3.2：将归一化后的数据集分为训练集和测试集；步骤3.3：构建收缩自动编码器模型，选择隐含层层数及神经元个数；步骤3.4：进行逐层贪婪无监督预训练，输入训练集并采用dropout技术，随机选择部分神经元从收缩自动编码器的网络中消失；步骤3.5：进行有监督细化训练，对网络权重和偏置进行微调，直到迭代次数达到设定值，得到训练收缩自动编码器效果最优的...
【专利技术属性】
技术研发人员：徐妍，胡鹏，董建生，周涛，李军，王宁，
申请(专利权)人：江苏方天电力技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。