本发明专利技术公开一种基于深度神经网络的动态频率求解方法、系统及电子设备，涉及电力系统技术领域，该方法包括：根据目标电力系统的统一频率响应模型确定动态频率的解析表达式；所述解析表达式用于计算频率响应过程中的频率最低点；根据所述解析表达式生成动态频率安全域数据集；采用动态频率安全域数据集训练深度神经网络，得到频率最低点预测模型；通过所述最低点预测模型将频率最低点约束转化为混合整数线性约束；采用所述混合整数线性约束计算频率响应过程中频率最低点。本发明专利技术提高了动态频率计算效率。
【技术实现步骤摘要】
本专利技术涉及电力系统，特别是涉及一种基于深度神经网络的动态频率求解方法、系统及电子设备。
技术介绍
1、随着社会的发展，中国风电、光伏等新能源得到跨越式发展。预计到2030年，中国风电、太阳能发电总装机容量将超过12亿千瓦。电力系统正以常规同步电源为主导逐步向新能源等非同步电源为主导演变。伴随着新能源装机占比不断提高，电网惯量水平持续下降，电力系统的形态和运行特性发生显著变化，频率抗扰动能力降低。因此，在进行电网规划和运行调度时，考虑系统惯量支撑能力，满足动态频率安全要求具有重要意义。
2、为了解决低惯量电力系统的频率稳定性问题，通常会将满足动态频率安全作为约束条件嵌入电力系统规划或者运行模型当中。但频率安全约束的解析表式具有高维、非线性特点，这给电力系统规划和运行模型的求解带来挑战。
技术实现思路
1、本专利技术的目的是提供一种基于深度神经网络的动态频率求解方法、系统及电子设备，提高了动态频率计算效率。
2、为实现上述目的，本专利技术提供了如下方案：
>3、一种基于深度神本文档来自技高网...
【技术保护点】
1.一种基于深度神经网络的动态频率求解方法，其特征在于，包括：
2.根据权利要求1所述的基于深度神经网络的动态频率求解方法，其特征在于，所述解析表达式表示为：
3.根据权利要求2所述的基于深度神经网络的动态频率求解方法，其特征在于，所述动态频率安全域数据集中样本数据包括输入数据和输出数据，所述输入数据包括ΔPe、M、D、R、F和T，所述输出数据为Δfnadir；
4.根据权利要求3所述的基于深度神经网络的动态频率求解方法，其特征在于，所述深度神经网络包括依次连接的输入层、第一层隐藏层、第二层隐藏层和输出层；所述第一层隐藏层和所述第二层隐藏层中激活函数均...
【技术特征摘要】
1.一种基于深度神经网络的动态频率求解方法，其特征在于，包括：
2.根据权利要求1所述的基于深度神经网络的动态频率求解方法，其特征在于，所述解析表达式表示为：
3.根据权利要求2所述的基于深度神经网络的动态频率求解方法，其特征在于，所述动态频率安全域数据集中样本数据包括输入数据和输出数据，所述输入数据包括δpe、m、d、r、f和t，所述输出数据为δfnadir；
4.根据权利要求3所述的基于深度神经网络的动态频率求解方法，其特征在于，所述深度神经网络包括依次连接的输入层、第一层隐藏层、第二层隐藏层和输出层；所述第一层隐藏层和所述第二层隐藏层中激活函数均为relu激活函数。
5.根据权利要求4所述的基于深度神经网络的动...
【专利技术属性】
技术研发人员：刘昞璋，周明，张智，韩晓男，吴界辰，高源，石振江，姜宇，郭昊，张立斌，杨林，王畅，夏曼曼，肖林，白坤，
申请(专利权)人：华北电力大学，
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。