一种基于深度学习光储系统无功控制参数协调优化方法和系统

本申请公开了一种基于深度学习光储系统无功控制参数协调优化方法和系统，包括如下步骤：分析光储系统VSG控制机理，构建底层无功电压控制模型，确定待优化变量；采用基于Pareto支配关系和排挤距离的混沌多目标粒子群优化算法改进BP神经网络，得到改进CMOPSO‑BP模型，以此优化BP神经网络的连接权值与阈值；将改进CMOPSO‑BP模型嵌入到光储系统PI控制策略，考虑并网稳定性、响应速度指标，构建基于CMOPSO‑BP的光储系统无功参数自动协调优化模型，通过深度网络学习到不同运行场景下的最优控制参数，获取训练样本；利用已获取的训练样本，再次应用改进CMOPSO‑BP神经网络对样本数据进行学习，获取所有运行场景下光储系统的最优控制参数。