科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着“碳达峰、碳中和”战略目标的推进，火电机组更多地参与深度调峰运行。深度调峰工况下，火电机组蓄热量不足，一次调频能力下降，导致以额定工况标定的机组一次调频能力与实际调频能力之间出现很大偏差，威胁电网频率安全。对此，提出一种基于长短时记忆（LSTM）神经网络的深度调峰火电机组一次调频能力在线估计方法。利用LSTM神经网络的时序记忆能力和非线性特征提取能力将面向稳态机组设计的静态模型改进为考虑机组动态运行过程的动态模型，修正机组变负荷过程、一次调频历史动作等扰动因素造成的误差。通过分级建模方法，针对机组蓄热、汽轮机做功动态等调频能力影响因素的不同特性，设计具有不同神经网络结构的子模型，将锅炉侧影响纳入考虑范畴，提高调频估计结果精度。采用某电厂机组运行数据检验该方法，结果表明，与电力系统采用的传统方法相比，该方法估计结果具有更高精度，并且在稳态和变负荷等不同工况下均有较好的应用效果。
-
单位国网河南省电力公司; 国网河南省电力公司电力科学研究院; 西安交通大学
