基于多向深度学习的构网型风电机组控制方法及系统

本发明公开了一种基于多向深度学习的构网型风电机组控制方法及系统，方法包括步骤：S1、获取构网型风电机组参数；S2、根据构网型风电机组参数，建立构网型风电机组线性化状态空间模型；S3、构建多向门控循环单元神经网络，对多向门控循环单元神经网络进行训练，输出模型补偿量来修正构网型风电机组线性化状态空间模型；S4、以构网型风电机组输出频率偏差和无功功率偏差最小化建立二次规划代价函数，基于修正后的构网型风电机组线性化状态空间模型，通过求解二次规划问题最优解，并滚动优化获得构网型风电机组最优控制指令。本发明具有提升控制精度以及动态响应速度等优点。