[发明专利]一种基于深度学习的新能源消纳方法

说明书

本发明属于新能源发电消纳技术领域，公开了一种基于深度学习的新能源消纳方法，所述基于深度学习的新能源消纳方法采用多层感知神经网络的反向传播算法实现，采用改进的动态递归神经网络方法进行训练；优化过程包括：深度学习模型的线下训练过程，另一部分是深度学习优化控制器的在线优化过程。本发明基于深度学习的消纳优化算法能够根据不同优化目标的内容和数量，不同约束条件的内容和数量在线确定优化控制器参数，无需人为调整，对于应用场合具有普遍的适应性；本发明采用基于自适应更新系数的动态递归神经网络模型训练方法能够克服常规动态递归神经网络收敛速度慢和容易陷入局部极小值的缺点，保证精度前提下缩短了优化控制器模型的训练时间。

技术领域

本发明属于新能源发电消纳技术领域，尤其涉及一种基于深度学习的新能源消纳方法。

背景技术

目前，业内常用的现有技术是这样的：随着能源安全、生态环境、气候变化等问题日益严峻，加快发展新能源已成为推动能源转型发展、应对全球气候变化的共识方法。其中风力发电和光伏发电已经成为发展最快、技术最成熟、商业化前景最好的清洁能源开发方式。但是风力发电和光伏发电有功出力的随机性、间歇性、波动性的特点造成了新能源大规模开发面临的接入、调度、对电网运行的影响及消纳困难等一系列问题。与国外相比，我国新能源出力波动性更强，大规模新能源集中接入相对薄弱的“三北”地区电网，本地消纳能力低，电力外送距离远、容量大，加之灵活调节电源缺乏，新能源发电安全运行与有效消纳问题更加突出。如何实现新能源的高效消纳成为限制新能源发展的一个重要影响因素。影响新能源消纳能力的因素众多，且不确定性强，目前还未有广泛适应的有效消纳方法。建立准确的考虑多种不确定因素的新能源消纳数学模型，采用智能的消纳优化算法是提高新能源消纳率的有效方法。

综上所述，当前大规模新能源集中在“三北”地区，而该区域本地消纳能力低，电力外送距离远、容量大，加之灵活调节电源缺乏，新能源发电安全运行与有效消纳问题更加突出。显然，新能源消纳问题亟待解决，然而，影响新能源消纳的不确定因素众多，往往难以准确建模，常规消纳算法的效果难以满足实际需求。为此，需要提出一种基于深度学习的新能源消纳方法，有效降低弃风弃光比例，这对于提升国内新能源利用率、降低传统不可再生能源损耗及排放具有重要意义。

发明内容

针对现有技术存在的问题，本发明提供了一种基于深度学习的新能源消纳方法。

本发明是这样实现的，一种基于深度学习的新能源消纳方法，所述基于深度学习的新能源消纳方法采用多层感知神经网络的反向传播算法实现，采用改进的动态递归神经网络方法进行训练；优化过程包括：深度学习模型的线下训练过程，另一部分是深度学习优化控制器的在线优化过程。

进一步，所述基于深度学习的新能源消纳方法的线下深度学习控制器学习建模过程包括生成训练集，设计目标函数和约束条件，模型训练过程。

进一步，所述基于深度学习的新能源消纳方法具体包括：

第一步，针对不同数据类型，生成训练集有两种方法：基于电网实际运行数据生成和采用理论模拟方式生成；

第二步，根据新能源消纳目标数据、经济指标要求生成优化目标函数和约束条件，目标函数表达式如下：

优化的约束条件根据实际情况从所建立的新能源消纳模型中选取；

第三步，进行优化控制器模型训练。将生成的训练集数据输入优化控制器，如果结果满足控制目标要求，结束学习，输出深度学习控制器模型；如果结果不满足控制目标要求，则返回修改模型参数或者目标函数，重新训练，直至满足优化目标要求；

第四步，将优化模型加入实际调度系统，设置目标函数，输入/接入电网实际数据，生成优化结果。

进一步，所述第一步具体包括：