文献类型：期刊文章

作　　者：李滨[1] 王靖德[1] 梁水莹[2] 韦昌福[3]

LI Bin;WANG Jingde;LIANG Shuiying;WEI Changfu(Guangxi Key Laboratory of Power System Optimization and Energy Technology,Guangxi University,Nanning 530004,China;Electric Power Research Institute of Guangxi Power Grid Co.,Ltd.,Nanning 530023,China;Power Dispatching Control Center of Guangxi Power Grid Co.,Ltd.,Nanning 530023,China)

机构地区：[1]广西大学广西电力系统最优化与节能技术重点实验室,广西南宁530004 [2]广西电网有限责任公司电力科学研究院,广西南宁530023 [3]广西电网有限责任公司电力调度控制中心,广西南宁530023

出　　处：《电力自动化设备》

基　　金：国家自然科学基金资助项目(51767004)。

年　　份：2022

卷　　号：42

期　　号：3

起止页码：128-134

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：大量新能源的接入以及电网中冲击负荷数量的剧增,使得电网对自动发电控制(AGC)策略提出了新的要求。简化AGC的一般控制流程,对比不同AGC策略的控制特性,在每个考核周期内选择控制效果更优的控制策略,并充分发挥多种控制策略在各自优势工况下的性能,以得到优秀控制数据集;在此基础上,以长短期记忆(LSTM)循环神经网络为神经元构建AGC策略深度学习模型,并提出一种基于LSTM循环神经网络的数据驱动型AGC实时控制策略。仿真结果表明,基于深度学习的控制策略的整体性能优于任何单一控制策略。

关 键 词：自动发电控制 控制策略 深度学习  长短期记忆循环神经网络  数据驱动

分 类 号：TM73]