【精彩论文】深度学习辅助约束辨识的电力市场快速出清方法

观点凝练

摘要：日前电力市场出清需要求解大规模安全约束经济调度问题，尽管实际采用线化处理方法，但需要考虑N－1场景下的大量安全约束，导致其规模庞大，难以快速求解。提出了一种深度学习辅助的日前市场快速出清方法，以满足快速出清计算场合的应用需求。首先，设计基于深度神经网络的安全约束经济调度模型计算框架，将深度学习技术应用于日前电力市场出清计算过程，兼顾安全约束经济调度模型的求解速度和求解精度；其次，提出面向起作用约束辨识的深度学习策略，从特征向量、深度神经网络结果处理2个方面，实现安全约束经济调度起作用约束集的辨识，并将其纳入日前市场出清模型，以简化模型的复杂度；最后，在接入新能源的IEEE 30标准测试系统中验证了所述方法的有效性。利用深度神经网络预辨识安全约束经济调度模型的起作用约束，有利于降低模型复杂度，提高日前市场出清的计算效率。
结论：本文提出了深度学习辅助的电力市场快速出清方法。首先，设计了基于深度神经网络的SCED计算框架，能有效提高SCED模型的求解速度且不会造成精度损失。其次，提出了面向起作用约束辨识的深度学习策略，从特征向量、深度神经网络结果处理两方面，为深度学习技术应用于SCED模型起作用约束提供保障。最后，在接入新能源的IEEE 30标准测试系统中验证了所提方法的有效性。

实际的工程应用中，报价、负荷等输入特征向量的相关参数偏离样本比较大或者分布范围更广时，用固定的深度学习训练模型开展起作用约束的辨识和预测，确实会影响计算精度。基于此，可以根据历史运行的数量众多实际样本，先对训练样本的特征向量进行聚类分析，在起作用约束辨识的环节再根据预测样本的特征向量与前述训练样本类别的相似程度，选择对应的模型完成测算，提升工程应用价值。

引文信息

吴云亮, 张建新, 李豹, 等. 深度学习辅助约束辨识的电力市场快速出清方法[J]. 中国电力, 2020, 53(9): 90-97, 207.WU Yunliang, ZHANG Jianxin, LI Bao, et al. A fast power market clearing method based on active constraints identification by deep learning[J]. Electric Power, 2020, 53(9): 90-97, 207. ‍

 往期回顾 

编辑：杨彪

审核：方彤

声明

根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。