一种基于波动序列分类校正的风电功率预测方法

    公开(公告)号:CN114372640A

    公开(公告)日:2022-04-19

    申请号:CN202210059738.X

    申请日:2022-01-19

    IPC分类号: G06Q10/04 G06Q10/06 G06Q50/06

    摘要: 本发明公开了一种基于波动序列分类校正的风电功率预测方法,包括:1利用基准模型预测未来N小时内的风电功率基准值;2采用特征聚类的方法划分功率波动过程,从输出功率角度挖掘不同波动序列下气象预报误差和模型泛化误差之间的关联性;3针对出力平缓的小波动序列,采用CNN‑LSTM时序模型1推演未来时段的功率变化;针对非小波动序列,结合CNN‑LSTM时序模型2和反向传播神经网络交互校正双层误差;4将基准功率校正结果重新按照时序组合作为最终风电出力。本发明采取结合时序分析和特征学习的复合方法,实现从多个维度提取特征来修正误差,并贴合实际误差分布规律,确保模型有很好的准确性。

    一种基于强化学习的分布式光伏并网电压二次控制方法

    公开(公告)号:CN118801400A

    公开(公告)日:2024-10-18

    申请号:CN202410769277.4

    申请日:2024-06-14

    IPC分类号: H02J3/16 H02J3/38 G06N3/092

    摘要: 本发明属于新能源电网无功化优化领域,特别是一种基于强化学习的分布式光伏并网电压二次控制方法。现有分布式光伏并网后会发生电压越界造成电压波动大,为此本发明提供了一种基于强化学习的分布式光伏并网电压二次控制方法稳定电压,包括依序进行的以下步骤:先建立分布式光伏并网模型,其包括以调整分布式光伏系统的无功功率进行电压控制的一次电压控制模型和使用一次模型引起的电压偏差作输入的二次电压控制模型;在二次模型中,用Q学习训练减小电压偏差,通过训练Q表找出减小电压偏差的优化调整策略;建立基于Q学习的配电网电压控制方式。本发明用通过电压控制模型结合Q学习修正无功功率计划值,为一级电压控制提供无功参考值稳定电压。