科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着电网结构的日益复杂，机组执行(automatic generation control,AGC)指令的精准性对电网在线调控的影响正逐渐增强。针对当前部分厂站对AGC指令跟踪效果不理想的实际问题，该文引入“深度学习”技术对AGC调控指令执行效果进行精准感知和评估。首先提出一种基于深度学习的AGC指令执行效果精准辨识框架，采用深度独立循环神经网络(deep independent recurrent neural network,DIndRNN)对机组执行指令的调节效果进行精准感知；其次，提出一种加快模型训练的预处理策略，基于机组运行历史数据通过分析不同输入属性间的关联特性，实现对模型输入属性的降维；进一步提高模型的收敛性和预测精度；最后提出一种对指令执行效果的不确定性评估方法，采用深度独立循环神经网络关联向量机(deep independent recurrent neural network relevance vector machine,DIndRNN-RVM)深度融合技术给出预测结果在给定出力偏差范围内的可信度，从概率的角度增强了预测结果的使用价值。算例采用真实电网数据进行仿真分析，计算结果表明，该文提出的辨识框架和模型优化方法能较为准确的感知机组执行指令的精度和执行结果的可信度。该文所述方法提高了电网对AGC指令执行效果的精准感知和预判，能够为AGC在线决策提供支撑。
-
单位南京工程学院; 国网黑龙江省电力有限公司
