[发明专利]一种基于深度学习的快速安全约束经济调度方法

摘要

本发明公开了一种基于深度学习的快速安全约束经济调度方法，主要步骤为：1)确定适用于安全约束经济调度模型的深度神经网络。2)对堆栈降噪自动编码器SDAE进行训练。3)建立基于深度学习的安全约束经济调度模型。4)令k＝1，将电力系统运行条件输入到深度神经网络中，得到安全约束经济调度模型的起作用约束集J(1)。5)将约束集J(1)。输入到安全约束经济调度模型中，得到安全约束经济调度方案。6)对安全约束经济调度方案进行N‑1检验，若有新约束J(new)，则令k＝k+1,约束集更新为J(k)＝J(k)∪J(new)，并返回步骤5。若无新约束，则输出安全约束经济调度方案。本发明可广泛应用于电力系统各个行业的安全约束经济调度分析。

主权项

1.一种基于深度学习的快速安全约束经济调度方法，其特征在于，主要包括以下步骤：1)确定适用于安全约束经济调度模型的深度神经网络，即所述堆栈降噪自动编码器SDAE；2)确定适用于安全约束经济调度的深度学习策略，从而对堆栈降噪自动编码器SDAE进行训练。3)基于训练好后的深度神经网络，建立基于深度学习的安全约束经济调度模型；4)令k＝1，将电力系统运行条件输入到深度神经网络中，得到基于深度学习的安全约束经济调度模型的起作用约束集J₍₁₎；5)将约束集J₍₁₎输入到基于深度学习的安全约束经济调度模型中，得到安全约束经济调度方案；6)对安全约束经济调度方案进行N‑1检验，若有新约束J_(new)，则令k＝k+1，约束集更新为J_(k)＝J_(k)∪J_(new)，并返回步骤5；若无新约束，则输出安全约束经济调度方案。