基于深度学习的含风电电力系统实时调度模型研究

• 作者: 于杰 朱轶伦 王彬任 陈新建
• 来源期刊: 机电信息
• 关键词: 实时调度 深度学习 神经网络 风电 调度计划 环境经济
• 年，卷（期）: 2020,（18）
• 所属期刊栏目: 电气工程与自动化
• 页码范围: 1-3
• 页数: 3页
• 字数: 3045字
• 语种: 中文

摘要

随着风电在电力系统中所占比重持续增加,风电并网下的电力系统优化调度成为当前研究的重点.在现有量测水平下,如何充分利用已有信息,兼顾环境成本,完成电力系统实时调度是当前面临的主要问题.鉴于此,提出了一种基于深度学习的考虑环境经济的实时调度模型,深度神经网络(Deep Neural Network,DNN)训练过程包括以下几个步骤:首先,在传统优化调度模型中考虑环境经济,计算调度策略和成本作为DNN的输出;然后,根据电网调度输入、输出数据特性,设计DNN各层间不同激活函数,捕捉更广泛的输出;最后,提出一种改进的DNN参数初始化方法,提高了收敛速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于杰		4	3	1.0	1.0
2	陈新建		5	7	1.0	2.0
3	朱轶伦		5	1	1.0	1.0
4	王彬任		1	0	0.0	0.0