基于深度學習的光伏并網(wǎng)系統(tǒng)電能質(zhì)量預(yù)測及調(diào)控策略研究
本成果圍繞光伏并網(wǎng)系統(tǒng)電能質(zhì)量展開。基于深度學習算法,研究諧波等電能質(zhì)量指標變化規(guī)律,運用特征提取技術(shù)處理時序數(shù)據(jù),實現(xiàn)電能質(zhì)量預(yù)測。研發(fā)基于態(tài)勢感知的電能質(zhì)量調(diào)控裝置,總諧波補償率不小于 90%,補償次數(shù) 2 - 50 次。成果形式包括研究報告、調(diào)控裝置示范應(yīng)用,申請發(fā)明專利 3 項,發(fā)表論文 3 篇。應(yīng)用場景涵蓋光伏電站、配電網(wǎng)等,可提升電網(wǎng)可靠性與經(jīng)濟性,減少設(shè)備損耗、優(yōu)化調(diào)控策略、降低棄光率,為新能源消納提供支撐。
沈陽農(nóng)業(yè)大學
2025-05-21