【技術實現步驟摘要】
本專利技術屬于電力系統多目標調度優化，尤其是涉及一種面向電網多目標安全調度的多元智能控制方法。
技術介紹
1、隨著分布式光伏和風力發電所占的比例逐年增加，分布式光伏和風力發電的間歇性和不確定性給電網調度及安全經濟運行帶來了巨大的挑戰，特別是在配電網中分布式光伏和風電的集成增加了電網調控的復雜性，需要創新的控制策略。
2、有源配電網作為應對上述挑戰的關鍵解決方案，通過優化協調分布式能源資源和柔性負荷的能力，有效提升了電網的靈活性與運行效率，推動了智能電網的發展。主動配電網通過集成多種分布式能源，包括分布式發電、儲能系統及靈活負荷，控制雙向電流，最大化可再生能源的利用，是推動未來電力系統轉型的重要方向。
3、與傳統配電網相比，有源配電網具有更復雜的結構和運行模式，電力電子設備和新能源的比例較高，涉及的約束條件和控制設備種類也更加多樣化。這要求制定更加靈活、針對性的控制策略，適應不斷變化的操作需求。例如美國pjm于2007年提出的理想調度概念，強調在安全約束下的機組最優啟停和經濟調度，包括日前24小時的“再調度”和“反思”操作。
4、近年來，虛擬同步發電機、下垂控制和pq控制等技術為有源配電網提供了較為成熟的局部控制方案，但這些方案缺乏對整體系統的協調優化能力。
5、因此，必須結合一些優化算法，如線性和非線性規劃、動態規劃及多目標粒子群算法，來實現全局優化。然而，這些算法在面對現代有源配電網的復雜性時，往往存在建模困難且容易陷入局部最優的局限。
6、隨著人工智能、大數據分析和
7、在電力系統的應用中，深度強化學習已成功應用于緊急控制、自動發電控制、綜合能源系統協調和需求側管理等領域。
8、然而，深度強化學習在新型有源配電網的綜合控制應用仍處于較為初步的階段，面對復雜性和不確定性等挑戰，仍有巨大的研究潛力。
技術實現思路
1、本專利技術提供了一種面向電網多目標安全調度的多元智能控制方法，對具有復雜性、不確定性等特點的新型有源配電網進行綜合控制，可以實現電壓不越限、網絡損耗降低、控制成本降低的綜合目標。
2、一種面向電網多目標安全調度的多元智能控制方法，包括以下步驟：
3、(1)基于配電網仿真軟件opendss對有源配電網進行建模；
4、(2)將有源配電網的控制問題轉化為馬爾可夫決策問題，構建深度強化學習智能體，定義智能體訓練所需的狀態空間、動作空間、獎勵函數；
5、(3)根據光伏發電的實際輸出能力，定義各個天氣類型的天氣指數；采用隨機場景生成方法，將不同的天氣類型組合在一起，形成多個隨機訓練場景；這些訓練場景模擬在不同天氣條件下，有源配電網的電力需求和發電量的變化，從而為強化學習智能體提供訓練數據；
6、(4)采用近端策略優化算法ppo對智能體進行訓練，首先對光伏發電數據和負荷數據進行預處理，然后初始化actor網絡和critic網絡的參數；actor網絡負責根據當前的狀態輸入生成控制動作；critic網絡用于評估actor網絡生成的控制動作的優劣，即估計該動作帶來的未來獎勵；
7、(5)將訓練完的強化學習智能體用于有源配電網的智能控制。
8、步驟(1)中，通過opendss對有源配電網的光伏發電系統、儲能系統、負荷調節設備以及電力電子設備進行詳細建模，模擬各類設備在不同操作動作下的行為，并實時計算關鍵指標，包括功率流、線路損耗、電壓波動。
9、步驟(2)中，狀態空間包括：節點電壓幅值、節點有功功率、節點無功功率、有載調壓器檔位、并聯電容器組投切狀態、儲能檔位、光伏逆變器輸出無功。
10、＜um、pi、qi、tapnumoltc、statecapacior、qpv、statestorage＞
11、動作空間包括：并聯電容器組的投切、有載調壓器檔位的選擇、儲能的充放電、光伏逆變器的無功輸出。
12、獎勵函數為：
13、
14、storagedifference＝battkw/battkw_allow
15、其中，m1、m2、m3分別為電壓越限懲罰系數、網絡損耗懲罰系數以及控制成本懲罰系數；ploss_ratio為網損率；regdifference為有載調壓器檔位的動作幅度；pvdifference為光伏無功的控制幅度；storagedifference為儲能電池折損程度，是儲能實際放電量與允許最大放電量之比；capdifference為電容器投切的次數。
16、步驟(3)中，定義各個天氣類型的天氣指數，具體如下：
17、定義晴天的天氣指數為5，表示光伏發電系統在晴天時實現最高的發電效率；定義多云的天氣指數為4.1，定義陰天的天氣指數為2.7，定義陰雨天的天氣指數為1.8，定義雨雪天的天氣指數為1，表示光伏發電量降至最低。
18、步驟(3)中，每個訓練場景的生成過程包括：
19、選擇天氣類型：根據歷史氣象數據，隨機選擇一定時間段內的天氣類型，并為每種天氣類型分配相應的天氣指數；
20、計算光伏發電量：根據每種天氣類型對應的天氣指數，計算光伏系統在該天氣條件下的發電量；天氣指數越高，光伏發電量越大；反之，則發電量越小。
21、步驟(4)中，采用近端策略優化算法ppo對智能體進行訓練時，配電網的運行中要滿足潮流平衡、光伏出力限制、儲能出力限制以及電壓不越限這些約束條件；
22、其中，潮流平衡用于確保在各個節點的功率輸入與功率輸出之間的平衡，保證電網的功率流動符合物理規律；光伏出力限制用于確保光伏系統的出力在一定范圍內調整，不能超過其最大功率輸出能力；儲能出力限制用于確保儲能系統的充放電功率必須在規定范圍內；電壓不越限用于確保節點的電壓幅值必須保持在設定的安全范圍內。
23、與現有技術相比，本專利技術具有以下有益效果：
24、1、本專利技術采用配電網仿真軟件opendss對新型有源配電網進行建模，將有源配電網的控制問題轉化為馬爾可夫決策問題，構建深度強化學習智能體訓練模型，并對典型控制元件：光伏、并聯電容器組、有載調壓器、儲能進行建模，轉化為深度強化學習的動作空間。
25、2、本專利技術采用深度強化學習的ppo算法對智能體進行訓練，其中深度神經網絡采用全連接方式。智能體不斷地與有源配電網的環境交互，在多次訓練中找到了合適的訓練參數。用新數據樣本測試已經訓練好的智能體，測試結果也達到了電壓不越限、網絡損耗降低、控制成本降低的綜合目標。
26、3、本專利技術提出一種適應于天氣變化的、具有魯棒性和適應性的新型本文檔來自技高網...
【技術保護點】
1.一種面向電網多目標安全調度的多元智能控制方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的面向電網多目標安全調度的多元智能控制方法，其特征在于，步驟(1)中，通過OpenDSS對有源配電網的光伏發電系統、儲能系統、負荷調節設備以及電力電子設備進行詳細建模，模擬各類設備在不同操作動作下的行為，并實時計算關鍵指標，包括功率流、線路損耗、電壓波動。
3.根據權利要求1所述的面向電網多目標安全調度的多元智能控制方法，其特征在于，步驟(2)中，狀態空間包括：節點電壓幅值、節點有功功率、節點無功功率、有載調壓器檔位、并聯電容器組投切狀態、儲能檔位、光伏逆變器輸出無功。
4.根據權利要求3所述的面向電網多目標安全調度的多元智能控制方法，其特征在于，步驟(2)中，動作空間包括：并聯電容器組的投切、有載調壓器檔位的選擇、儲能的充放電、光伏逆變器的無功輸出。
5.根據權利要求4所述的面向電網多目標安全調度的多元智能控制方法，其特征在于，步驟(2)中，獎勵函數為：
6.根據權利要求1所述的面向電網多目標安全調度的多元智能控制方法，
7.根據權利要求1所述的面向電網多目標安全調度的多元智能控制方法，其特征在于，步驟(3)中，每個訓練場景的生成過程包括：
8.根據權利要求1所述的面向電網多目標安全調度的多元智能控制方法，其特征在于，步驟(4)中，采用近端策略優化算法PPO對智能體進行訓練時，配電網的運行中要滿足潮流平衡、光伏出力限制、儲能出力限制以及電壓不越限這些約束條件；
...【技術特征摘要】
1.一種面向電網多目標安全調度的多元智能控制方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的面向電網多目標安全調度的多元智能控制方法，其特征在于，步驟(1)中，通過opendss對有源配電網的光伏發電系統、儲能系統、負荷調節設備以及電力電子設備進行詳細建模，模擬各類設備在不同操作動作下的行為，并實時計算關鍵指標，包括功率流、線路損耗、電壓波動。
3.根據權利要求1所述的面向電網多目標安全調度的多元智能控制方法，其特征在于，步驟(2)中，狀態空間包括：節點電壓幅值、節點有功功率、節點無功功率、有載調壓器檔位、并聯電容器組投切狀態、儲能檔位、光伏逆變器輸出無功。
4.根據權利要求3所述的面向電網多目標安全調度的多元智能控制方法，其特征在于，步驟(2)中，動作空間包...
【專利技術屬性】
技術研發人員：湯偉，孫可，刁瑞盛，毛荀，呂凱，蘭圖，徐斌，董王朝，王安琪，劉嘉馨，徐王杰，馬詩云，
申請(專利權)人：國網安徽省電力有限公司電力科學研究院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。