基于深度学习的新能源爬坡事件预测方法

论文摘要

随着新能源渗透率的逐渐增大,有功功率不平衡的爬坡事件时有发生,甚至造成较大负荷损失。因风电和光伏预测的精度不够,需要考虑的运行场景较多,时域仿真不能满足在线评估要求。提出一种基于深度学习的方法,综合考虑机组和联络线的调节能力,利用堆叠降噪自动编码器提取各层特征训练支持向量机。将风电、光伏和负荷预测数据及上一时刻联络线功率等相关量作为输入,是否发生爬坡事件为输出,通过支持向量机快速预测是否发生爬坡事件。实际电网的仿真结果表明,本研究方法快速准确,能够对爬坡事件进行有效辨识。

论文目录

文章来源

类型: 期刊论文

作者: 梁志祥,刘晓明,牟颖,刘玉田

关键词: 电力系统,深度学习,降噪自动编码器,支持向量机,爬坡事件

来源: 山东大学学报(工学版) 2019年05期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 动力工程,自动化技术

单位: 电网智能化调度与控制教育部重点实验室(山东大学),国网山东省电力公司经济技术研究院

基金: 承接全球能源互联网的省级大受端电网发展规划及安全防御技术研究,国家重点研发计划项目(2017YFB0902600),国家电网公司科技资助项目(SGJS0000DKJS1700840)

分类号: TK01;TP18

页码: 24-28

总页数: 5

文件大小: 1163K

下载量: 241

相关论文文献

标签：电力系统论文;  深度学习论文;  降噪自动编码器论文;  支持向量机论文;  爬坡事件论文;