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

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...