[发明专利]一种基于深度学习的新能源消纳方法在审
| 申请号： | 201910157651.4 | 申请日： | 2019-03-01 |
| 公开（公告）号： | CN109901389A | 公开（公告）日： | 2019-06-18 |
| 发明（设计）人： | 行舟;韩自奋;傅铮;景乾明;拜润卿;张彦凯;郝如海;陈仕彬;杜瑞凤;乾维江;高磊;邢延东;史玉杰;祁莹;刘文飞;张海龙;张大兴;章云 | 申请（专利权）人： | 国网甘肃省电力公司电力科学研究院;国网甘肃省电力公司;西安电子科技大学 |
| 主分类号： | G05B13/04 | 分类号： | G05B13/04 |
| 代理公司： | 西安长和专利代理有限公司 61227 | 代理人： | 黄伟洪 |
| 地址： | 730070 甘肃*** | 国省代码： | 甘肃;62 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 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。 | ||
| 搜索关键词： | 新能源 动态递归神经网络 优化控制器 学习 多层感知神经网络 优化控制器参数 递归神经网络 新能源发电 自适应更新 常规动态 反向传播 模型训练 算法实现 训练过程 优化目标 优化算法 约束条件 在线确定 在线优化 收敛 优化 改进 保证 | ||
【主权项】：
1.一种基于深度学习的新能源消纳方法，其特征在于，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。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于国网甘肃省电力公司电力科学研究院;国网甘肃省电力公司;西安电子科技大学，未经国网甘肃省电力公司电力科学研究院;国网甘肃省电力公司;西安电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910157651.4/，转载请声明来源钻瓜专利网。
