摘要
本发明公开了一种基于DLMPC的风电场多目标优化控制方法及系统,本发明包括建立的基于模型控制MPC的风电场优化模型,将其预测模型转换为基于深度学习拟合的风电场预测模型,并以此建立并训练一个基于深度学习的多元时间序列预测模型来拟合所述基于深度学习拟合的风电场预测模型的映射函数,建立基于DLMPC的风电场集中式电压优化控制优化目标;求解基于DLMPC的风电场集中式电压优化控制优化目标获得风电场的最优控制变量以用于实现风电场多目标优化控制。本发明旨在以基于深度学习的数据模型的预测结果为优化目标实现基于数据驱动的风电场的集中式多目标电压协调优化控制。
技术关键词
优化控制方法
时间序列预测模型
变量
有功功率
风电场优化
电压
表达式
风电场功率损耗
协调优化控制
节点
风电场网络
优化控制系统
风电机组
全局平均池化
风机
周期
微处理器
可读存储介质
松弛
系统为您推荐了相关专利信息
动力涡轮
优化设计方法
遗传优化算法
工作点
静子叶片
基坑
多指标
边坡水平位移
支护桩体
构建机器学习模型
农业园区
配电网运营商
双层优化方法
温室大棚
双层优化模型