摘要
本发明属于电力系统技术领域,更具体地,涉及一种考虑恶劣天气下光伏出力不确定性的电网日内调度优化方法,该方法使用了A2C算法框架、知识迁移技术对恶劣天气下光伏出力不确定性的电网调度问题进行求解和优化。首先确定电网日内调度的序贯决策过程并建立数学模型,然后确定电网日内调度优化目标及约束条件;其次使用CGAN场景生成方法生成训练样本,并用A2C算法框架来优化能够适应多种源荷场景的调度智能体。最后使用迁移学习来对特定日内调度智能体的优化进行改进,解决了大规模光伏接入电力系统中其预测数据的准确性对电网的稳定运行造成很大的影响的问题,保证电网在安全的前提下较为经济的方式运行。
技术关键词
光伏出力不确定性
调度优化方法
场景生成方法
生成训练样本
火电
算法框架
功率
矩阵
天气
网络
场景生成技术
新能源电力系统
决策
接入电力系统
电网运行状态
火力发电机组
线路
策略
数学模型
系统为您推荐了相关专利信息
指数
模型训练方法
生成训练样本
管理系统
XGBoost模型
调频控制方法
飞轮储能系统
充放电功率
检测电网频率
储能装置
混合智能算法
调度优化方法
电力系统运行数据
新能源发电功率
元启发式算法
供热控制方法
汽轮机热耗率
工况特征
供热系统
火电
主蒸汽压力
火电厂汽轮机
优化运行控制方法
稳态工况
优化运行控制装置