文档名：基于BiLSTM循环神经网络的风储系统控制策略
摘要："双碳"背景下风电的渗透率不断提高,将对电力系统的形态和运行机制产生深刻影响.本文提出了一种基于双向长短期记忆Bi-LSTM(bidirectionallongshort-termmemory)循环神经网络的风储系统控制策略.采用双向长短时循环神经网络提取控制结果与风电场实际出力以及储能状态间的时序信息,通过构建基于双向长短时记忆循环神经网络的控制模型,使得风电场在多种运行工况下能够快速、准确地得到储能系统调节结果.基于实际风电场数据仿真结果表明,本文所提控制策略能够保证在一定经济效益的前提下,将风储系统控制误差保持在0.50%～1.37%.
Abstract：Theincreasingpermeabilityofwindpowerunderthe"Dualcarbongoals"backgroundwillhaveaprofoundimpactontheformandoperationmechanismofpowersystem.Inthispaper,acontrolstrategyforacombinedwind-stor-agesystembasedonbidirectionallongshort-termmemory(Bi-LSTM)recurrentneuralnetworkwasproposed.Thetimesequenceinformationbetweenthecontrolresultsandtheactualoutputfromawindfarmandenergystoragestatewasex-tractedbytheBi-LSTMrecurrentneuralnetwork.ByconstructingacontrolmodelbasedontheBi-LSTMrecurrentneu-ralnetwork,theregulationresultsoftheenergystoragesystemcanbeobtainedquicklyandaccuratelyundervariousop-eratingconditionsofthewindfarm.Finally,thesimulationresultsbasedonthedataofanactualwindfarmshowthattheproposedcontrolstrategycankeepthecontrolerrorofthecombinedwind-storagesystembetween0.50%and1.37%underthepremiseofcertaineconomicbenefits.
作者：李滨 蒙旭光 白晓清Author：LIBin MENGXuguang BAIXiaoqing
作者单位：广西电力系统最优化与节能技术重点实验室(广西大学电气工程学院),南宁530004
刊名：电力系统及其自动化学报 ISTICPKU
Journal：ProceedingsoftheCSU-EPSA
年，卷(期)：2023, 35(12)
分类号：TM614TP183
关键词：风储联合系统 控制策略 深度学习 双向长短时记忆循环神经网络 数据驱动
Keywords：combinedwind-storagesystem controlstrategy deeplearning bidirectionallongshort-termmemory(Bi-LSTM)recurrentneuralnetwork datadriven
机标分类号：TP391TM711TM614
在线出版日期：2024年1月8日
基金项目：国家自然科学基金，广西创新驱动发展专项项目基于Bi-LSTM循环神经网络的风储系统控制策略[
期刊论文] 电力系统及其自动化学报--2023, 35(12)李滨 蒙旭光 白晓清"双碳"背景下风电的渗透率不断提高,将对电力系统的形态和运行机制产生深刻影响.本文提出了一种基于双向长短期记忆Bi-LSTM(bidirectionallongshort-termmemory)循环神经网络的风储系统控制策略.采用双向长短时循环神...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于Bi-LSTM循环神经网络的风储系统控制策略 Control Strategy for Combined Wind-storage System Based on Bi-LSTM Recurrent Neural Network
基于Bi-LSTM循环神经网络的风储系统控制策略.pdf
- 文件大小:
- 1.91 MB
- 下载次数:
- 60
-
高速下载
|
|
