[发明专利]基于深度学习全状态最优反馈的智能发电控制方法及应用

权利要求书

1.一种基于深度学习的电力系统智能发电控制方法，应用于电力系统发电出力的智能调控，包括如下操作步骤：

建立所需进行发电控制的互联电力系统的负荷-频率控制状态空间模型；

对所述状态空间模型求取全状态最优反馈控制解，并获得全状态最优反馈控制下的发电控制系统；

在全状态最优反馈下的发电控制系统下，选取状态量作为深度神经网络的训练样本；

应用深度神经网络对所述训练样本进行深度学习，获得深度神经网络模型；

对深度神经网络模型的发电控制特性进行测试；

测试合格后，对深度神经网络模型封装至智能发电控制器、并应用；

对所述状态空间模型求取全状态最优反馈控制解，并获得全状态最优反馈控制下的发电控制系统，包括如下步骤：

建立电力系统的负荷-频率控制模型；

将频域模型转化为状态空间模型，并引入区域控制误差的积分作为系统新增状态量，确定新的系统状态空间模型；

对新的状态空间进行等效变换，转化为标准型；

采用动态规划法对标准型的状态空间求取最优控制解，获得全状态最优反馈矩阵。

2.根据权利要求1所述的一种基于深度学习的电力系统智能发电控制方法，其特征在于，在对所述对新的状态空间进行等效变换前，需要采用能控性矩阵判断所述新的状态空间下系统的能控性，保证引入的区域控制误差的积分项将不改变原系统的闭环系统的稳定性。

3.根据权利要求1所述的一种基于深度学习的电力系统智能发电控制方法，其特征在于，所述训练样本经所述深度神经网络训练，包括如下步骤：

选择并确定深度神经网络的基本结构及训练算法；

选定深度神经网络输入状态量；

采集全状态最优反馈下的发电控制系统下的训练样本；

设定深度神经网络的训练目标精度，加入训练样本开始训练；

获得训练结果，并对训练结果进行判断，训练收敛于目标精度，则训练完毕；反之，则调整深度神经网络的基本结构或训练样本及输入状态量，而后继续对深度神经网络进行训练。

4.根据权利要求1所述的一种基于深度学习的电力系统智能发电控制方法，其特征在于，对深度神经网络模型的发电控制特性进行测试的方式如下：

采用仿真软件建立全状态最优反馈下的电力系统负荷-频率控制仿真模型；

为电力系统添加封装好的训练完毕的深度神经网络模型；

向电力系统中的加入一定功率值的负荷扰动，获得发电控制响应曲线、区域频率偏差、区域控制误差、控制性能评价标准变化曲线，根据所获得曲线判断深度神经网络模型是否具备最优发电控制特性。

5.根据权利要求3所述的一种基于深度学习的电力系统智能发电控制方法，其特征在于，在全状态最优反馈下的发电控制系统下，对其各区域的区域频率偏差、联络线传输功率偏差、功率调控值进行采样，选定区域频率偏差、联络线传输功率偏差作为输入训练样本，功率调控值作为输出训练样本。

6.根据权利要求1或4所述的一种基于深度学习的电力系统智能发电控制方法，其特征在于，在对深度神经网络模型的发电控制特性进行测试，测试合格后，将合格后的深度神经网络封装至调度中心的自动发电控制系统中，对各区域进行实时的出力调控，以区域频率偏差、传输功率偏差作为发电控制输入量，控制电力系统各区域输出最优发电调控值。