【技术实现步骤摘要】
本专利技术属于电力调度日计划制定，具体涉及一种基于储能系统的电力系统agc(automatic generation control，自动发电控制)调控辅助装置及方法。
技术介绍
1、虽然新能源系统具有清洁、可再生等优良特性，对碳排放的减少、地球温室效应减弱、可持续发展具有重要的意义，已经成为电力系统乃至国家能源能源系统发展的重要趋势。由于新能源发电系统受到非可控的自然因素影响，其输出一般难以准确预测和控制，造成了高比例可再生能源系统的稳定性降低的问题。但是随着新能源系统的逐渐扩大应用，电力系统的稳定性问题愈加突出，给电力系统的调度工作提出了新的问题，造成了极大的困难，成为新能源系统应用的重要难点之一。
2、新能源系统的特点之一，就是具有较强的不确定性。随着我国双碳目标的提出，新能源在发电系统中的比重不断增加，各个地区的新能源发电容量呈现快速上升的趋势。预计未来我国新能源发电系统的装机规模还会保持平稳增长趋势。其中风电、光伏将是新能源发电的主力类型，同时其他新能源系统也将有一定的发展。未来新能源的广泛接入将呈现广泛接入、影响更加扩大的特征和趋势，而且为了平抑新能源系统的波动问题，电网还将通过储能、交直流组网与多场景融合应用提升系统的稳定性。其中“风光水火储”多能互补、集群调度、气象大数据发电预测、广义虚拟同步技术，等技术也将加大对电网的影响和渗透。但是目前高比例新能源接入下系统强不确定性问题，对电力调度提出了更高的要求：一方面，传统的电源调节模式已经难以适应非稳定电源和新能源接入的需求，需要转变为网源荷储全面调控的模
技术实现思路
1、本专利技术的目的就是要提供一种基于储能系统的电力系统agc调控辅助装置及方法，综合深度学习非线性特征处理能力和自适应学习的时变特征处理能力，对同一地区的近日发电计划进行分析和建模，构建基于历史数据的日计划制定方案，通过更加合理的日计划，能够改善电力系统调控条件，提高电网稳定性。
2、为实现此目的，本专利技术所设计的基于储能系统的电力系统agc调控辅助装置，包括它包括信息收集模块、训练样本构建模块、模型训练模块和模型迭代优化模块；所述信息收集模块用于获取待分析系统的容量、容量时间特性、出力和真实风电数据的历史数据和实时数据，并通过限制因素对所述历史数据和实时数据进行筛选，获得筛选后的历史数据和筛选后的实时数据；所述训练样本构建模块基于所述信息收集模块获取的筛选后的历史数据，构建数据训练样本；所述模型训练模块将所述训练样本构建模块构建的数据训练样本输入神经网络模型进行训练，获取训练好的神经网络模型，并得到瞬时输出响应，形成日计划初步方案；所述模型迭代优化模块在日计划执行过程中，通过所述信息收集模块获取的筛选后的实时数据，输入所述模型训练模块进行迭代分析，获得日计划修改方案。
3、一种基于储能系统的电力系统agc调控辅助方法，它包括如下步骤：获取待分析系统的容量、容量时间特性、出力和真实风电数据的历史数据和实时数据，并通过限制因素对所述历史数据和实时数据进行筛选，获得筛选后的历史数据和筛选后的实时数据；基于所述筛选后的历史数据，构建数据训练样本；将所述数据训练样本输入神经网络模型进行训练，获取训练好的神经网络模型，并得到瞬时输出响应，形成日计划初步方案；在日计划执行过程中，通过所述筛选后的实时数据，输入所述训练好的神经网络模型进行迭代分析，获得日计划修改方案。
4、本专利技术的有益效果为：本专利技术提供的基于持续学习的自动编码日计划制定方法能够基于历史数据仅通过自动编码器对当前地区近期历史数据进行建模，用于捕捉大规模数据中隐藏的复杂调控特征；其次基于ae模型得到预测值，形成初步的日计划；然后，在日计划的执行过程中，将预测值与真实功率值计算误差，同样将历史数据与当前数据进行实时比较，获取当前的调度推荐方案，通过持续学习算法对数据进行更新，以得到当前的预测值并对日计划进行实时更新，使更好地适应日计划的变化的需要，保证调控的性能。
本文档来自技高网...【技术保护点】
1.一种基于储能系统的电力系统AGC调控辅助装置，其特征在于：它包括信息收集模块(1)、训练样本构建模块(2)、模型训练模块(3)、模型迭代优化模块(4)：
2.基于权利要求1所述的基于储能系统的电力系统AGC调控辅助装置，其特征在于：
3.基于权利要求1所述的基于储能系统的电力系统AGC调控辅助装置，其特征在于：所述训练样本构建模块(2)在构建训练样本的过程中需要满足的约束条件为：
4.基于权利要求1所述的基于储能系统的电力系统AGC调控辅助装置，其特征在于：
5.基于权利要求1所述的基于储能系统的电力系统AGC调控辅助装置，其特征在于：所述模型训练模块(3)对所述神经网络模型进行训练的实现方法为：
6.基于权利要求1所述的基于储能系统的电力系统AGC调控辅助装置，其特征在于：所述模型迭代优化模块(4)构建当日真实运行情况数据集的实现方法为：
7.基于权利要求1所述的基于储能系统的电力系统AGC调控辅助装置，其特征在于：所述模型迭代优化模块(4)的具体实现方法为：
8.一种利用权利要求1所述系统
9.一种电子设备，其特征在于，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如权利要求8所述的一种基于储能系统的电力系统AGC调控辅助方法。
10.一种计算机可读介质，所述计算机可读介质上存储有计算机程序，所述计算机程序在运行时执行如权利要求8所述的基于储能系统的电力系统AGC调控辅助方法。
...【技术特征摘要】
1.一种基于储能系统的电力系统agc调控辅助装置，其特征在于：它包括信息收集模块(1)、训练样本构建模块(2)、模型训练模块(3)、模型迭代优化模块(4)：
2.基于权利要求1所述的基于储能系统的电力系统agc调控辅助装置，其特征在于：
3.基于权利要求1所述的基于储能系统的电力系统agc调控辅助装置，其特征在于：所述训练样本构建模块(2)在构建训练样本的过程中需要满足的约束条件为：
4.基于权利要求1所述的基于储能系统的电力系统agc调控辅助装置，其特征在于：
5.基于权利要求1所述的基于储能系统的电力系统agc调控辅助装置，其特征在于：所述模型训练模块(3)对所述神经网络模型进行训练的实现方法为：
6.基于权利要求1所述的基于储能系统的电力系统agc调控辅助装置，...
【专利技术属性】
技术研发人员：胡远婷，程立丰，江海洋，张静，郑君，杨旭，王宁，崔雨，周正钦，王海涛，张睿，周文，徐惠，荣爽，崔佳鹏，
申请(专利权)人：国网黑龙江省电力有限公司电力科学研究院，
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。