水光互补下基于DNN方法的厂内机组负荷分配研究

朱浩天; 於萌萌; 李俊臣; 李锐; 周论; 王斌

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

水光互补下基于DNN方法的厂内机组负荷分配研究

更新时间：2026-10-10

- 水光互补下基于DNN方法的厂内机组负荷分配研究
- Vol. 52, Issue 10, Pages: 70-76(2026)
- 作者机构：
  
  1. 新疆新华叶尔羌河流域水利水电开发有限公司
  2. 河海大学电气与动力工程学院
  3. 南京南瑞水利水电科技有限公司
- 作者简介：
- 基金信息：
- DOI：
  CLC： TM61;TV737
- Published：2026
- 稿件说明：
移动端阅览
朱浩天, 於萌萌, 李俊臣, et al. 水光互补下基于DNN方法的厂内机组负荷分配研究[J]. 2026, 52(10): 70-76.
DOI：

朱浩天, 於萌萌, 李俊臣, et al. 水光互补下基于DNN方法的厂内机组负荷分配研究[J]. 2026, 52(10): 70-76. DOI：

摘要

针对水光互补下光伏出力波动导致水电机组频繁穿越振动区、运行稳定性下降的问题，本文提出了一种基于深度神经网络(DNN)的厂内机组负荷分配模型。该模型利用历史数据训练DNN

学习负荷分配与多约束条件的非线性映射，实现水电机组负荷的快速预测。研究表明，DNN在平均绝对误差和负荷平衡约束违背率上优于随机森林和粒子群优化，大多数场景实现100%避振覆盖率。该模型在节约耗水量、减少穿越振动区次数方面优于传统优化算法，能有效提升运行效率并降低设备风险。

Abstract

关键词

Keywords

references

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

红外光伏组件缺陷检测技术：融合跨尺度特征的改进YOLO11-EICM方法

基于DRC-CNN模型的风力发电机叶片故障诊断分析

基于深度学习和遥感影像的可再生能源发电设施自动识别提取模型研究

水光互补能源基地的多时间尺度优化调度

基于改进YOLOv5s的塔机危险区域识别方法研究

Related Author

刘松民

田培根

陈喜军

廖力达

黄平

汪林

赵阁阳

罗金

Related Institution

国晟世安科技股份有限公司

清华大学

水电水利规划设计总院

长沙理工大学

国能(湖南)新能源有限公司

AI问答

⁰