摘要
本发明涉及电力系统电力衡技术领域,公开了一种性能驱动的时间窗自适应机组组合方法,其特征在于,包括以下步骤:步骤S1:建立鲁棒k‑means++的时间聚合模型;步骤S2:建立时间自适应随机机组组合模型;步骤S3:利用k‑means++进行多维聚类确定随机机组组合的调度分辨率;步骤S4:通过神经网络模型对时间自适应随机机组组合模型在最精细时间尺度上的求解计算量和功率不平衡风险两项性能进行编码,通过神经网络反馈出性能结果来进一步优化调度分辨率。本发明的优点是相较现有T‑UC在最精细日内时间尺度调度分辨率上减少了40%的PIR,并且耗时最短。
技术关键词
机组组合方法
机组组合模型
分辨率
日内时间尺度
神经网络模型训练
负荷
数据
风电
功率
衡技术
风险
机组发电
标签
聚类
样本
场景
序列
变量
系统为您推荐了相关专利信息
地形高程数据
观测方法
径流
物联网传感器网络
机器学习算法
艺术品
物联网技术
识别系统
图像处理模块
数据分析模块
三阶样条插值法
影像
迁移学习方法
高精度三维模型
病灶识别方法