System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及火电机组,尤其涉及一种储能系统辅助火电机组agc调频的性能预测方法及装置。
技术介绍
1、随着可再生能源的快速发展,储能系统作为一种能量存储和调节手段,受到越来越多的关注和应用。储能系统的技术不断进步,成本逐渐下降,使其在电力系统中的应用变得更加可行和普遍。为了优化agc控制策略,需要对储能系统辅助火电机组agc调频的性能进行评估,但是该评估过程涉及到的因素复杂多变,增加了评估的难度。
技术实现思路
1、为了解决上述问题,本申请提供了一种储能系统辅助火电机组agc调频的性能预测方法及装置。
2、根据本申请的第一方面,提供了一种储能系统辅助火电机组agc调频的性能预测方法,包括:
3、获取所述储能系统辅助火电机组agc调频过程中的状态数据;
4、将所述状态数据输入至预设的性能预测模型,获得所述储能系统辅助火电机组agc调频的性能预测结果;其中,所述性能预测模型已学习得到所述储能系统辅助火电机组agc调频过程中的状态数据与对应的性能数据之间的映射关系。
5、在本申请的一些实施例中,所述状态数据包括:所述火电机组额定容量、所述火电机组的实际输出功率、所述储能系统的额定容量、所述储能系统的充电功率、所述储能系统的放电功率和调频周期。
6、作为一种可能的实现方式,所述性能预测模型通过以下步骤预先训练的:
7、获取历史时间段内的所述储能系统辅助火电机组agc调频过程中的状态数据样本及对应的性能数据样本;
< ...【技术保护点】
1.一种储能系统辅助火电机组AGC调频的性能预测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述状态数据包括:所述火电机组额定容量、所述火电机组的实际输出功率、所述储能系统的额定容量、所述储能系统的充电功率、所述储能系统的放电功率和调频周期。
3.根据权利要求1所述的方法,其特征在于,所述性能预测模型通过以下步骤预先训练的:
4.根据权利要求3所述的方法,其特征在于,所述根据所述训练样本,对所述初始神经网络模型进行训练,获得所述性能预测模型,包括:
5.一种储能系统辅助火电机组AGC调频的性能预测装置,其特征在于,包括:
6.根据权利要求5所述的装置,其特征在于,所述状态数据包括:所述火电机组额定容量、所述火电机组的实际输出功率、所述储能系统的额定容量、所述储能系统的充电功率、所述储能系统的放电功率和调频周期。
7.根据权利要求5所述的装置,其特征在于,所述装置还包括训练模块;所述训练模块用于:
8.根据权利要求7所述的装置,其特征在于,所述训练模块还用于:
9
10.一种计算机可读存储介质,用于其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述的方法。
...【技术特征摘要】
1.一种储能系统辅助火电机组agc调频的性能预测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述状态数据包括:所述火电机组额定容量、所述火电机组的实际输出功率、所述储能系统的额定容量、所述储能系统的充电功率、所述储能系统的放电功率和调频周期。
3.根据权利要求1所述的方法,其特征在于,所述性能预测模型通过以下步骤预先训练的:
4.根据权利要求3所述的方法,其特征在于,所述根据所述训练样本,对所述初始神经网络模型进行训练,获得所述性能预测模型,包括:
5.一种储能系统辅助火电机组agc调频的性能预测装置,其特征在于,包括:
6.根据权利要求5所述的装置,其特征在于...
【专利技术属性】
技术研发人员:高欢欢,柴琦,兀鹏越,郭新宇,张立松,赵俊博,杨沛豪,解非,寇水潮,高峰,贺婷,李志鹏,孙梦瑶,王劼文,燕云飞,
申请(专利权)人:西安热工研究院有限公司,
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。