[发明专利]一种基于深度学习的新能源电网频率风险评估方法及装置

说明书

本发明适用于人工智能电网风险评估技术领域，提供了一种基于深度学习的新能源电网频率风险评估方法及装置，方法包括：获取新能源电网中各风电站和光伏电站的坐标、风速和光照强度数据，生成二维网格数据；将二维网格数据输入训练好的CNN神经网络，得到输出结果；判断输出结果是否大于阈值，若大于阈值，则判断对应发电站的系统频域异常；输出判断结果。本发明实施例基于深度学习的神经网络能够很好的学习历史数据的特性，从而通过发电站的地理坐标、风速情况、光照情况这三个维度来综合评估电网的频率越线风险，实现对整个区域的快速风险评估，保证电网系统的安全运行。

技术领域

本发明属于人工智能电网风险评估技术领域，具体涉及一种基于深度学习的新能源电网频率风险评估方法及装置。

背景技术

新能源正在逐步代替传统发电厂为用户提供电能，但同时也为电网的安全运行带来了潜在的风险。新能源波动的随机性导致了不稳定的发电功率，增加电网供电系统的不确定性，对电网的安全带来了风险，而频率的变化就是电网供需不平衡最直接的表现，当频率超过电网规定的范围时，会有发电机退出或者引发低频减载来保证系统的安全运行，因此，合理地评估新能源发电厂接入电网后的频率越线风险具有重要意义。

对于一个大型互联电网，系统局部频率的变化以及相应的越线风险无法被准确地评估，但针对每一台发电机都进行频率评估又不切实际，因此，评估一个区域的频率越线风险更具有现实意义。不同类型的新能源具有不同的发电时段，光伏电站白天发电，风电场可以在任何时刻发电，如何利用发电站空间坐标信息、光照强度、风速等历史数据，进行频率风险预测，是目前需要迫切解决的问题。

发明内容

有鉴于此，本发明实施例提供了一种基于深度学习的新能源电网频率风险评估方法及装置，充分利用发电站的地理位置、风速、光照信息等数据，快速预测发电站系统频率越线风险。

本发明实施例的第一方面提供了一种基于深度学习的新能源电网频率风险评估方法，包括：

获取新能源电网中各风电站和光伏电站的坐标、风速和光照强度数据，生成坐标对应的第一二维网格数据、风速对应的第二二维网格数据和光照强度对应的第三二维网格数据；

将所述第一二维网格数据、第二二维网格数据和第三二维网格数据输入训练好的CNN神经网络，得到输出结果，所述输出结果为各发电站的系统频率与标准频率偏差；

判断所述系统频率与标准频率偏差是否大于阈值，若所述系统频率与标准频率偏差大于阈值，则判断对应发电站的系统频域异常；

输出判断结果。

本发明实施例的第二方面提供了一种基于深度学习的新能源电网频率风险评估装置，包括：

数据采集与处理模块，用于获取新能源电网中各风电站和光伏电站的坐标、风速和光照强度数据，生成坐标对应的第一二维网格数据、风速对应的第二二维网格数据和光照强度对应的第三二维网格数据；

数据输入模块，用于将所述第一二维网格数据、第二二维网格数据和第三二维网格数据输入训练好的CNN神经网络，得到输出结果，所述输出结果为各发电站的系统频率与标准频率偏差；

评估模块，用于判断所述系统频率与标准频率偏差是否大于阈值，若所述系统频率与标准频率偏差大于阈值，则判断对应发电站的系统频域异常；

输出模块，用于输出判断结果。

本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。

本发明实施例与现有技术相比存在的有益效果至少在于：