基于DIndRNN-RVM深度融合模型的AGC指令执行效果精准辨识及置信评估研究 |
| |
引用本文: | 陈光宇,孙叶舟,江海洋,王宁,康春雷,张仰飞,郝思鹏.基于DIndRNN-RVM深度融合模型的AGC指令执行效果精准辨识及置信评估研究[J].中国电机工程学报,2022(5):1852-1867. |
| |
作者姓名: | 陈光宇 孙叶舟 江海洋 王宁 康春雷 张仰飞 郝思鹏 |
| |
作者单位: | 1. 南京工程学院电力工程学院;2. 国网黑龙江省电力有限公司 |
| |
基金项目: | 国家自然科学基金项目(51707089); |
| |
摘 要: | 随着电网结构的日益复杂,机组执行(automatic generation control,AGC)指令的精准性对电网在线调控的影响正逐渐增强。针对当前部分厂站对AGC指令跟踪效果不理想的实际问题,该文引入“深度学习”技术对AGC调控指令执行效果进行精准感知和评估。首先提出一种基于深度学习的AGC指令执行效果精准辨识框架,采用深度独立循环神经网络(deep independent recurrent neural network,DIndRNN)对机组执行指令的调节效果进行精准感知;其次,提出一种加快模型训练的预处理策略,基于机组运行历史数据通过分析不同输入属性间的关联特性,实现对模型输入属性的降维;进一步提高模型的收敛性和预测精度;最后提出一种对指令执行效果的不确定性评估方法,采用深度独立循环神经网络关联向量机(deep independent recurrent neural network relevance vector machine,DIndRNN-RVM)深度融合技术给出预测结果在给定出力偏差范围内的可信度,从概率的角度增强了预测结果的使用价值。算例采用真实电网数据进行仿...
|
关 键 词: | 独立循环神经网络 预处理策略 交叉验证 深度融合 置信评估 |
|
|