基于深度学习的新能源爬坡事件预测方法
梁志祥1(![](http://gxbwk.njournal.sdu.edu.cn/images/email.png)
1. 电网智能化调度与控制教育部重点实验室(山东大学), 山东 济南 250061
2. 国网山东省电力公司经济技术研究院, 山东 济南 250021
收稿日期:
2019-04-02出版日期:
2019-10-20发布日期:
2019-10-18作者简介:
梁志祥(1995—),男,山东枣庄人,硕士研究生,主要研究方向为电力系统运行与控制.E-mail:基金资助:
承接全球能源互联网的省级大受端电网发展规划及安全防御技术研究;国家重点研发计划项目(2017YFB0902600);国家电网公司科技资助项目(SGJS0000DKJS1700840)Prediction method of wind power and PV ramp event based on deep learning
Zhixiang LIANG1(![](http://gxbwk.njournal.sdu.edu.cn/images/email.png)
1. Key Laboratory of Power System Intelligent Dispatch and Control of Ministry of Education(Shandong University), Jinan 250061, Shandong, China
2. Economic & Technology Research Institute, State Grid Shandong Electric Power Company, Jinan 250021, Shandong, China
Received:
2019-04-02Online:
2019-10-20Published:
2019-10-18Supported by:
承接全球能源互联网的省级大受端电网发展规划及安全防御技术研究;国家重点研发计划项目(2017YFB0902600);国家电网公司科技资助项目(SGJS0000DKJS1700840)摘要/Abstract
摘要: 随着新能源渗透率的逐渐增大,有功功率不平衡的爬坡事件时有发生,甚至造成较大负荷损失。因风电和光伏预测的精度不够,需要考虑的运行场景较多,时域仿真不能满足在线评估要求。提出一种基于深度学习的方法,综合考虑机组和联络线的调节能力,利用堆叠降噪自动编码器提取各层特征训练支持向量机。将风电、光伏和负荷预测数据及上一时刻联络线功率等相关量作为输入,是否发生爬坡事件为输出,通过支持向量机快速预测是否发生爬坡事件。实际电网的仿真结果表明,本研究方法快速准确,能够对爬坡事件进行有效辨识。
PDF全文下载地址:
http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1858