摘要
本发明公开了一种海上风电场多时间尺度无功电压协调控制方法,包括:采集风电场实测数据;将风电场实测数据输入基于深度确定性梯度策略构建的无功‑电压协调控制模型中,得到模型输出动作;根据所述模型输出动作确定风电机组和无功补偿装置的无功输出值,根据确定的风电机组和无功补偿装置的无功输出值对风电场进行协调控制。本发明采用深度强化学习算法中个体与环境不断试错的交互机制,利用深度神经网络良好的泛化能力从输入数据得到风电场的运行控制指令,实现未知环境下风电场的无功电压调控。根据所建立的目标函数,既能保证这些响应时间不同的无功调节设备进行合理的调节控制,又可以为潜在扰动预留较多的动态无功储备。
技术关键词
无功补偿装置
多时间尺度
海上风电场
风电机组
电压协调控制
深度强化学习算法
数据
无功补偿设备
ReLU函数
参数
深度神经网络
动态无功
交互机制
调节设备
随机噪声
策略
网络结构
系统为您推荐了相关专利信息
响应误差
有功功率分配方法
海上风电场
风机
误差函数
多模态数据融合
卷积特征提取
多模态数据采集
预测系统
多尺度特征融合
预警模型
故障预警方法
单台风电机组
集群
历史运行数据
光储微电网
分布式控制策略
能源管理方法
光伏发电量
能源管理模块