基于深度学习的含风电电力系统实时调度模型研究

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。