← 返回列表
一种基于深度学习的新能源爬坡事件滚动预警方法及系统
摘要文本
本发明为了解决现有新能源爬坡事件预警中没有考虑区域间联络线的调节能力以及新能源出力和负荷功率时序相关性的问题，提出了一种基于深度学习的新能源爬坡事件滚动预警方法及系统，基于区域间联络线对新能源出力的灵敏度对联络线进行筛选，得到区域关键联络线；采用LSTM预测模型充分挖掘时间序列的隐藏关系，确定区域间关键联络线调节能力；通过预测不同时间尺度的关键联络线功率的LSTM预测模型，结合新能源出力预测信息、电网负荷功率预测信息和区域内功率控制措施的运行状态根据控制代价计算进行分时段分级预测，确保分时段分级预警准确性，避免了时域仿真，计算快速。
申请人信息
- 申请人:国网山东省电力公司电力科学研究院; 国网山东省电力公司
- 申请人地址:250000 山东省济南市市中区望岳路2000号
- 发明人: 国网山东省电力公司电力科学研究院; 国网山东省电力公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于深度学习的新能源爬坡事件滚动预警方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311722745.4 |
| 申请日 | 2023/12/15 |
| 公告号 | CN117408535A |
| 公开日 | 2024/1/16 |
| IPC主分类号 | G06Q10/0637 |
| 权利人 | 国网山东省电力公司电力科学研究院; 国网山东省电力公司 |
| 发明人 | 田浩; 马琳琳; 王增威; 张坤鹏; 马欢; 李新; 邢法财; 乔立同; 房俏; 蒋哲 |
| 地址 | 山东省济南市望岳路2000号; 山东省济南市市中区大观园经二路150号 |
专利主权项内容
1.一种基于深度学习的新能源爬坡事件滚动预警方法，其特征在于，包括：构建不同时间尺度的关键联络线预测功率的LSTM预测模型，以所获取的历史电网数据作为训练样本对所构建LSTM预测模型进行训练，得到训练好的LSTM预测模型；其中，基于区域内联络线对新能源出力变化的灵敏度确定关键联络线；获取区域内电网实际运行数据，基于训练好的不同时间尺度的LSTM预测模型得到不同时间尺度的关键联络线预测功率，计算不同时间尺度的关键联络线的功率可调量；根据不同时间尺度的关键联络线预测功率可调量，对应的新能源出力预测信息、电网负荷功率预测信息和区域内功率控制措施的运行状态，根据控制代价计算满足电网平衡的功率控制措施类型；根据功率控制措施类型应用分级原则和模糊规则得到分时段分级预警结果。