考虑风力涡轮机灵活性的、基于深度神经网络梯度引导的不确定性感知频率约束调度算法

《Journal of Modern Power Systems and Clean Energy》:Uncertainty-Aware Frequency-Constrained Scheduling with Deep Neural Network Gradient Guidance Considering Wind Turbine Flexibility

【字体: 大 中 小 】 时间:2026年04月30日 来源:Journal of Modern Power Systems and Clean Energy 6.1

编辑推荐:

   摘要: 随着风能的日益集成以及传统发电单元(CGUs)的逐步退役,维持频率稳定性在现代电力系统中已成为一个关键挑战。本文提出了一种基于深度神经网络梯度引导的、具有不确定性意识的频率约束调度方法,该方法能够同时优化传统发电单元和风力涡轮机(WTs)的能源和备用调

  

摘要:



随着风能的日益集成以及传统发电单元(CGUs)的逐步退役,维持频率稳定性在现代电力系统中已成为一个关键挑战。本文提出了一种基于深度神经网络梯度引导的、具有不确定性意识的频率约束调度方法,该方法能够同时优化传统发电单元和风力涡轮机(WTs)的能源和备用调度。通过利用训练有素的DNN的梯度信息,我们将频率最低点(FN)约束逐步融入调度模型中。此外,还采用了偏置支持向量机(SVM)来生成一个接近FN安全区域的初始解,并设计了一种专门的策略来进一步提高迭代收敛效率。为应对风能的不确定性,本文采用了分布鲁棒的机会约束(DRCC)方法。同时,充分利用了风力涡轮机的灵活性,包括其在可配置控制模式下提供频率支持的能力,以及作为能够动态响应不确定性的调节资源的作用。在IEEE 5节点和118节点测试系统上的案例研究表明,所提出的方法能够在所有时间段内成功将频率保持在49.5 Hz以上,即使存在预定义的干扰。此外,加速策略将迭代次数减少了高达90%。风力涡轮机的灵活性被有效利用,以协调频率支持和不确定性响应。

相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号