于杰 陈新建 朱轶伦 王彬任

摘要：随着风电在电力系统中所占比重持续增加，风电并网下的电力系统优化调度成为当前研究的重点。在现有量测水平下，如何充分利用已有信息，兼顾环境成本，完成电力系统实时调度是当前面临的主要问题。鉴于此，提出了一种基于深度学习的考虑环境经济的实时调度模型，深度神经网络（Deep Neural Network，DNN）訓练过程包括以下几个步骤：首先，在传统优化调度模型中考虑环境经济，计算调度策略和成本作为DNN的输出;然后，根据电网调度输入、输出数据特性，设计DNN各层间不同激活函数，捕捉更广泛的输出;最后，提出一种改进的DNN参数初始化方法，提高了收敛速度。

关键词：实时调度;深度学习;神经网络;风电;调度计划;环境经济

0    引言

随着风电的迅速发展，推动大规模的风电并网可有效缓解用电压力[1-3]。因此，含风电系统中，如何协调传统火电机组出力、减少煤炭资源消耗和环境污染，完成系统实时调度成为当前研究中的重要课题[4-5]。

文献[6]建立调度模型时以污染物排放量最小为目标，然而未考虑系统调度经济性;文献[7-8]在考虑调度经济性的前提下，基于机会约束规划建立考虑风能不确定性的动态调度模型，但遗传算法容易收敛到局部最优解;文献[9]进行电力系统调度计算时考虑了环境成本，但模型未考虑风电的容量备用问题;文献[10]对电网安全影响的敏感性进行了高低排序，来安排风电场发电计划，但含风电系统优化调度模型的约束条件较多，计算时间相对较长。……