标题：基于深度学习辅助模型的发电厂AGC控制研究
作者：杨丽英 甘得智 范祥平 田志立
作者单位：大唐甘肃发电有限公司陇中分公司，甘肃 兰州 730000
关键字：降阶模型；风电场；动态尾流效应；深度学习;模型预测控制
摘要：为了提供自动发电控制（AGC）服务，风电场（WFs）需要动态控制其运行，以跟踪随时间变化的功率基准。尾迹效应使涡轮间产生了显著的气动相互作用，对WF动功率产生显著影响。然而，动态尾流模型的非线性和高维特性给WF控制器的设计带来了极高的计算复杂度。提出了一种新的面向控制的降阶WF模型和一种深度学习辅助模型预测控制（MPC）方法，克服了动态尾流模型带来的控制困难。同时，融合降阶动态模型（ROM）与深度神经网络（DNN），实现尾流效应高效建模与优化调控。结果表明，状态变量压缩至原始1/1000，计算复杂度显著降低；9台风机场景中，AGC跟踪能力较传统提升50%，每个时间步长的计算耗时从167 ms降至0.452 ms。