基于堆叠式降噪自动编码器和深度神经网络的风电调频逐步惯性智能控制

TM732; 风电调频的逐步惯性控制(SIC)策略在负荷波动后提供一个阶跃式功率增发,能够有效阻止系统频率下降,保障电网频率安全.但在其功率恢复阶段,容易出现二次频率跌落现象,需优化SIC以获得更好的调频效果.传统方法存在计算维度高和耗时较长的弊端,难以满足不同场景下快速提供最优控制效果的需求.为实现负荷扰动事件下风电调频的最优逐步惯性快速控制,引入深度学习算法,提出一种基于堆叠式降噪自动编码器(SDAE)和深度神经网络(DNN)的风电调频逐步惯性智能控制方法.首先,使用麻雀搜索算法获得最优参数,使用SDAE高效提取数据特征;随后,基于DNN对数据特征进行学习,并引入加速自适应矩估计优化网络参...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	上海交通大学学报 Jg. 57; H. 11; S. 1477 - 1491
Hauptverfasser:	王亚伦, 周涛, 陈中, 王毅, 权浩
Format:	Journal Article
Sprache:	Chinesisch
Veröffentlicht:	南京理工大学 自动化学院,南京 210094%东南大学电气工程学院,南京 210096%国网电力科学研究院有限公司智能电网保护和运行控制国家重点实验室,南京 211106 2023
Schlagworte:	stacked denoising autoencoder(SDAE) sparrow search algorithm(SSA) 逐步惯性控制 麻雀搜索算法 二次频率跌落 堆叠式降噪自动编码器 深度神经网络 secondary frequency drop(SFD) stepwise inertial control(SIC) deep neural network(DNN)
ISSN:	1006-2467
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!