一种基于决策遗憾与极限学习机的多源频率紧急控制方法

本申请公开了一种基于决策遗憾与极限学习机的多源频率紧急控制方法、系统及存储介质，通过将决策遗憾理论与极限学习机深度融合，构建了以最小化决策遗憾为目标的联合训练机制，使预测器在训练阶段融入下游优化分配决策的代价信息，克服了预测精度与决策最优性不匹配的缺陷；同时，构建了以最小化多种调频资源调节成本及切负荷惩罚成本为目标的优化分配模型，在满足出力约束、爬坡约束及功率平衡约束的条件下求解最优分配决策，实现了对多异质资源的统筹协调；并且，利用极限学习机仅输出层权重待训练、在线单次前向计算的特性，保证了毫秒级推断效率。由此，本公开为高比例新能源系统频率紧急控制提供了兼顾决策最优性、多资源协同性与计算时效性的技术方案。