基于长短期记忆循环神经网络的AGC实时控制策略
大量新能源的接入以及电网中冲击负荷数量的剧增,使得电网对自动发电控制(AGC)策略提出了新的要求.简化AGC的一般控制流程,对比不同AGC策略的控制特性,在每个考核周期内选择控制效果更优的控制策略,并充分发挥多种控制策略在各自优势工况下的性能,以得到优秀控制数据集;在此基础上,以长短期记忆(LSTM)循环神经网络为神经元构建AGC策略深度学习模型,并提出一种基于LSTM循环神经网络的数据驱动型AGC实时控制策略.仿真结果表明,基于深度学习的控制策略的整体性能优于任何单一控制策略.
自动发电控制;控制策略;深度学习;长短期记忆循环神经网络;数据驱动
42
TM73(输配电工程、电力网及电力系统)
国家自然科学基金51767004
2022-03-23(万方平台首次上网日期,不代表论文的发表时间)
共7页
128-134