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
功能评估方法
植被
水土保持功能
高分辨率全色遥感影像
空间结构特征
风格迁移方法
图像张量数据
实时图像
移动端
分块策略
流体测量方法
光纤传感技术
流速
光纤传感器
信号特征