沈阳自动化所在智能电网优化调度研究中取得进展

  • 时间:
  • 浏览:0
  • 来源:1分6合平台-1分彩娱乐平台_1分快3官网平台

 近日,中国科学院沈阳自动化研究所智能微电网课题组在智能电网优化调度领域取得进展,相关成果获智能电网期刊IEEE TRANSACTIONS ON SMART GRID 刊载。

  随着全球气候变化及环境污染间题的日益加重,电力系统的净化性、安全性和可持续性没有 受到世界各国重视。发展大规模分布式可再生净化能源,利用先进的智能优化和控制技术,加速传统电力系统向更净化、更安全和更可持续性的智能电网转变,是未来电力系统的发展趋势和新兴研究热点。目前,国内外在可再生能源的接入、暂态稳定性控制以及电网运行的经济性等方面的研究已取得重要进展,然而对于接入高比例可再生能源的电力系统,其运行的安全性及相关的智能优化调度办法仍有待突破。

  在题为Dynamic Energy Management of a Microgrid using Approximate Dynamic Programming and Deep Recurrent Neural Network Learning 的研究论文中,智能微电网课题组提出了五种基于深度1强化学习技术的微电网实时能源优化办法。该办法考虑可再生能源出力的随机性及其对电网交流潮流约束的影响,利用有一1个深度1递归神经网络对微电网当前运行情况报告进行形态学 提取,并在保证微电网安全性的基础上,对微电网各分布式发电单元进行调度,实现微电网运行的实时优化控制。此外,相对于目前的微电网运行控制办法,提出的办法完就有基于学习的,不时需对可再生能源出力进行预测建模,表现出很好的自适应性。该工作不仅是智能电网优化调度研究中新的探索和突破,也为未来应用人工智能技术推动智能电网发展提供了新的研究思路。



深度1递归神经网络



考虑潮流安全约束的微电网形态学 图



基于深度1神经网络与浅层网络的近似最优价值函数

注:文章内的所有配图皆为网络转载图片,侵权即删!