排序方式: 共有23条查询结果,搜索用时 62 毫秒
1.
2.
日前电力市场出清需要求解大规模安全约束经济调度问题,尽管实际采用线化处理方法,但需要考虑N-1场景下的大量安全约束,导致其规模庞大,难以快速求解。提出了一种深度学习辅助的日前市场快速出清方法,以满足快速出清计算场合的应用需求。首先,设计基于深度神经网络的安全约束经济调度模型计算框架,将深度学习技术应用于日前电力市场出清计算过程,兼顾安全约束经济调度模型的求解速度和求解精度;其次,提出面向起作用约束辨识的深度学习策略,从特征向量、深度神经网络结果处理2个方面,实现安全约束经济调度起作用约束集的辨识,并将其纳入日前市场出清模型,以简化模型的复杂度;最后,在接入新能源的IEEE 30标准测试系统中验证了所述方法的有效性。利用深度神经网络预辨识安全约束经济调度模型的起作用约束,有利于降低模型复杂度,提高日前市场出清的计算效率。 相似文献
3.
电网运行断面是电力系统运行控制的重要手段.面对当前繁多的电网运行断面智能生成方法,如何合理的选择已成为电网运行断面在线生成算法领域研究的重要内容.在此背景下,提出一种基于Q学习的电网运行断面动态生成方法.该方法的主要特征在于训练得到Q学习智能体,根据电网运行特征动态选择电网运行断面生成方法,以便充分利用不同生成方法在不同场景下的算法优势.最后,基于某电网数据构造的算例表明,动态生成方法能够通过优化选择不同场景下的生成算法,提升生成结果的准确率.对于应用样本集,该方法提高准确率近5.2%. 相似文献
4.
5.
6.
7.
电网运行断面是电力系统运行控制的重要手段.面对当前繁多的电网运行断面智能生成方法,如何合理的选择已成为电网运行断面在线生成算法领域研究的重要内容.在此背景下,提出一种基于Q学习的电网运行断面动态生成方法.该方法的主要特征在于训练得到Q学习智能体,根据电网运行特征动态选择电网运行断面生成方法,以便充分利用不同生成方法在不同场景下的算法优势.最后,基于某电网数据构造的算例表明,动态生成方法能够通过优化选择不同场景下的生成算法,提升生成结果的准确率.对于应用样本集,该方法提高准确率近5.2%. 相似文献
8.
边界条件设置不合理等原因导致现货市场预出清结果不能满足全部安全约束时,应采取必要的安全校正措施。文中提出了一种消除安全越限的发电计划校正方法。首先对非市场化机组实施安全校正,得到满足全部安全约束的可行解,再通过市场化机组的优化得到最终的出清结果。将静态安全域(SSR)的原理应用于非市场化机组的校正。在SSR边界的表述中纳入了机组爬坡约束,利用静态安全距离(SSD)矢量揭示最优校正方向,并基于安全距离灵敏度系数和机组的调节能力,评估各台机组对消除安全越限的有效性。基于此,提出了发电计划校正决策的方法,并在计算流程中考虑了各个时段的校正对相邻时段SSD的影响,以此增强校正优化的效果。以IEEE 118节点系统为例,分析了发电计划校正的结果,以及安全约束限值、机组爬坡能力对安全校正的影响,由此验证了所提方法的有效性。 相似文献
9.
10.