[發明專利]基于深度學習全狀態最優反饋的智能發電控制方法及應用

有效

• 申請號: 202011472423.5
• 申請日: 2020-12-14
• 公開（公告）號: CN112564133B
• 公開（公告）日: 2023-03-21
• 發明（設計）人: 戚煥興;萬俊;黃陽龍;徐漢;覃靜竹;葉偲
• 申請（專利權）人: 廣西電網有限責任公司北海供電局
• 主分類號: H02J3/24
• 分類號: H02J3/24
• 代理公司: 北京國帆知識產權代理事務所(普通合伙) 11334
• 代理人: 劉小哲

1.一種基于深度學習的電力系統智能發電控制方法，應用于電力系統發電出力的智能調控，包括如下操作步驟：

建立所需進行發電控制的互聯電力系統的負荷-頻率控制狀態空間模型；

對所述狀態空間模型求取全狀態最優反饋控制解，并獲得全狀態最優反饋控制下的發電控制系統；

在全狀態最優反饋下的發電控制系統下，選取狀態量作為深度神經網絡的訓練樣本；

應用深度神經網絡對所述訓練樣本進行深度學習，獲得深度神經網絡模型；

對深度神經網絡模型的發電控制特性進行測試；

測試合格后，對深度神經網絡模型封裝至智能發電控制器、并應用；

對所述狀態空間模型求取全狀態最優反饋控制解，并獲得全狀態最優反饋控制下的發電控制系統，包括如下步驟：

建立電力系統的負荷-頻率控制模型；

將頻域模型轉化為狀態空間模型，并引入區域控制誤差的積分作為系統新增狀態量，確定新的系統狀態空間模型；

對新的狀態空間進行等效變換，轉化為標準型；

采用動態規劃法對標準型的狀態空間求取最優控制解，獲得全狀態最優反饋矩陣。

2.根據權利要求1所述的一種基于深度學習的電力系統智能發電控制方法，其特征在于，在對所述對新的狀態空間進行等效變換前，需要采用能控性矩陣判斷所述新的狀態空間下系統的能控性，保證引入的區域控制誤差的積分項將不改變原系統的閉環系統的穩定性。

3.根據權利要求1所述的一種基于深度學習的電力系統智能發電控制方法，其特征在于，所述訓練樣本經所述深度神經網絡訓練，包括如下步驟：

選擇并確定深度神經網絡的基本結構及訓練算法；

選定深度神經網絡輸入狀態量；

采集全狀態最優反饋下的發電控制系統下的訓練樣本；

設定深度神經網絡的訓練目標精度，加入訓練樣本開始訓練；

獲得訓練結果，并對訓練結果進行判斷，訓練收斂于目標精度，則訓練完畢；反之，則調整深度神經網絡的基本結構或訓練樣本及輸入狀態量，而后繼續對深度神經網絡進行訓練。

4.根據權利要求1所述的一種基于深度學習的電力系統智能發電控制方法，其特征在于，對深度神經網絡模型的發電控制特性進行測試的方式如下：

采用仿真軟件建立全狀態最優反饋下的電力系統負荷-頻率控制仿真模型；

為電力系統添加封裝好的訓練完畢的深度神經網絡模型；

向電力系統中的加入一定功率值的負荷擾動，獲得發電控制響應曲線、區域頻率偏差、區域控制誤差、控制性能評價標準變化曲線，根據所獲得曲線判斷深度神經網絡模型是否具備最優發電控制特性。

5.根據權利要求3所述的一種基于深度學習的電力系統智能發電控制方法，其特征在于，在全狀態最優反饋下的發電控制系統下，對其各區域的區域頻率偏差、聯絡線傳輸功率偏差、功率調控值進行采樣，選定區域頻率偏差、聯絡線傳輸功率偏差作為輸入訓練樣本，功率調控值作為輸出訓練樣本。

6.根據權利要求1或4所述的一種基于深度學習的電力系統智能發電控制方法，其特征在于，在對深度神經網絡模型的發電控制特性進行測試，測試合格后，將合格后的深度神經網絡封裝至調度中心的自動發電控制系統中，對各區域進行實時的出力調控，以區域頻率偏差、傳輸功率偏差作為發電控制輸入量，控制電力系統各區域輸出最優發電調控值。