基于时间序列LSTM预测频率偏差，搭建了两区域火储，同步机储能二次调频系统，考虑了风电风速或者外界负荷扰动引起的功率波动〔长短期记忆方法LSTM适用于时间序列频率预测〕
深度学习电力系统频率预测，强化学习，人工智能辅助频率预测，半模型半数据驱动
1基于两区域模型获得训练数据29000多个，将样本按照7:3的比例划分为训练集和测试集。图片显示了测试集的精度。
2在这里我们以同步机出力，储能出力，扰动作为输入，频率作为预测结果，忽略了系统内部各个机组参数的描述。类似于黑箱模型，只需要知道机组出力，就可以在扰动发生瞬间预测频率偏差大小，在不需要知道模型参数的情况下，进行最大频率预测。
频率预测结果（模型+数据驱动联合）
（经典两区域模型）
两区域模型（用来获取数据）
138
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
