基于GA优化GRU-LSTM-FC组合网络的风电场动态等值建模

摘要：

针对风电场动态等值建模依赖于运行方式和特定扰动,难以获得普适性强的通用等值模型的难题,提出了基于门控循环单元-长短期记忆-全连接(GRU-LSTM-FC)组合网络的数据驱动建模方法,并提出基于遗传算法(GA)对组合网络模型进行调优.首先将风电机组描述为一组微分代数方程组,模型输入为测风塔风速、风向和公共耦合点处的电压时间序列,模型输出为风电场功率时间序列.然后对比了具有记忆作用的LSTM(GRU)网络结构与风电机组微分方程的相似性,以及FC网络结构与风电机组代数方程的相似性,提出基于GRU-LSTM-FC组合网络的风电场等值建模方法.为对组合网络进行模型调优,利用GA优化组合网络中的FC层数和各层神经元数目.最后以某风电场为例验证了所提组合网络进行风电场等值建模的可行性,并将所提方法与其他神经网络模型进行了对比,分析了所提模型的优越性.

关键词：风电场、动态建模、深度学习、公共耦合点、遗传算法

所属期刊栏目：43

分类号：TM614;TM712(发电、发电厂)

在线出版日期：2023-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：119-125