典型文献
基于输入更新长短期记忆网络的调度自适应学习模型
文献摘要：
新能源机组大量接入电力系统和负荷快速变化引入了不确定性.为此,提出了一种基于海量历史数据,利用深度学习方式求解考虑不确定性的实时调度问题的新思路.首先,利用负荷矩阵相关性分析确定面向各调度时刻的训练样本集的基本结构;其次,基于美国PJM电力市场提出的完美调度理念,生成学习模型的训练目标,并构建各自适应学习模型的差异化训练样本集;然后,提出基于输入更新的长短期记忆(LSTM-IIU)网络,构成面向各调度时刻的实时调度自适应学习模型;最后,以WSCC 9节点和IEEE 118节点标准算例验证所提方法的可行性和适用性.与基于非线性优化理论得到的调度方案相比,文中方法能更好地对完美调度方案进行学习,提升考虑不确定性的调度能力.
文献关键词：
优化调度;机器学习;数据驱动;长短期记忆网络
中图分类号：
作者姓名：
蒙飞;单连飞;卢峰;朱仔新;张越;张沛
作者机构：
国网宁夏电力有限公司调度控制中心,宁夏回族自治区银川市 750001;南瑞集团有限公司(国网电力科学研究院有限公司),江苏省南京市 211106;北京科东电力控制系统有限责任公司,北京市 100192;北京交通大学电气工程学院,北京市100044
文献出处：
引用格式：
[1]蒙飞;单连飞;卢峰;朱仔新;张越;张沛-.基于输入更新长短期记忆网络的调度自适应学习模型)[J].电力系统自动化,2022(24):26-35
A类：
IIU
B类：
长短期记忆网络,自适应学习,新能源机组,电力系统,速变,历史数据,学习方式,确定性的,实时调度,调度问题,负荷矩,训练样本集,基本结构,PJM,电力市场,生成学习,WSCC,IEEE,算例验证,非线性优化,优化理论,调度方案,中方,优化调度
AB值：
0.317731
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
