一种自适应宽度动态规划智能发电控制方法技术

本发明专利技术提供一种自适应宽度动态规划智能发电控制方法，该方法将自适应动态规划算法中的神经网络替换为机器学习领域中的宽度神经网络，并且在其中添加宽度模型预测网络，能够同时完成传统模式下“自动发电控制算法+指令优化分配算法”共同完成的工作。所提自适应宽度动态规划智能发电控制方法具有有效性、可行性与强鲁棒性，能在正常情况、“即插即用”启停机情况、通讯故障情况、全天扰动仿真情况、变拓扑结构的孤岛配网情况和变参数模型的仿真中获得最优控制性能。

An Adaptive Width Dynamic Programming Intelligent Generation Control Method

The invention provides an intelligent power generation control method based on adaptive width dynamic programming, which replaces the neural network in the adaptive dynamic programming algorithm with the wide neural network in the field of machine learning, and adds a width model prediction network therein, which can simultaneously complete the work of \automatic power generation control algorithm + instruction optimal allocation algorithm\ under the traditional mode. The proposed adaptive width dynamic programming intelligent generation control method is effective, feasible and robust. It can obtain optimal control performance in normal conditions, \plug and play\ startup and shutdown, communication failure, all-day disturbance simulation, islanded distribution network with variable topology and Simulation of variable parameter model.

【技术实现步骤摘要】
一种自适应宽度动态规划智能发电控制方法
本专利技术属于孤岛配电网的电力系统智能发电控制领域，传统模式下由“自动发电控制算法+指令优化分配算法”共同完成的工作。
技术介绍
随着人类不断提高可再生新能源的利用率，分布式电源(如小水电、风电、光伏发电、生物质发电及电动汽车)不断地接入到配电网络，配电网的供电模式已经开始发生逆转，从主网络被动接收电能的配电网络向主动供电配电网络逐渐过渡，配电网络在分布式电源的支撑下独立运行的能力不断提高。一方面，电网可接入分布式电源的多样化以及间歇性新能源随机性的增大导致配电网络的电能质量控制更加困难。另一方面，当输电网络发生严重故障时，智能主动配电网的发展要求配电网能够主动解列为孤岛小配电网自主稳定运行。近年来，如何有效提高含有各种新能源的孤岛配电网的稳定控制水平已成为国内外电力工作人员所关注的技术难题。对于由许多新能源组成的微电网的频率控制问题，目前国内外学者研究的算法一般可分为两类。一种是自动发电控制算法，如传统的比例积分微分算法、滑模控制、自抗扰控制算法、分数阶比例积分微分算法、模糊控制、强化学习系列的Q学习算法、Q(λ)学习算法、R(λ)学习等，此类算法一般使用整个微电网作为单个区域来计算发电指令，然后再由固定比例分配给各可控的微电源。另一类算法为优化算法，如经典的遗传算法、二次规划算法、灰狼算法、粒子群算法、飞蛾扑火算法、鲸鱼优化算法、蚁狮算法、蜻蜓算法、群搜索算法、鸡群搜索算法、正弦余弦算法等，这些算法通常使用经典的比例积分微分控制算法作为发电控制指令算法。然后，使用这种优化算法将发电指令分配给各个微电源，并且通常以最小的发电成本为目标。这两种算法具有一定的优势，例如，控制算法与优化算法分离，可以分别设计不同的算法，但是两种算法如何协同工作也存在问题。控制算法使用频率偏差最小作为控制目标，而优化分配算法以发电成本最小为优化目标，两者的综合作用可能使得频率偏差增大且发电成本增加，从而导致发电控制性能较差，甚至会因为算法的精度提高导致计算时间超过了发电指令允许的最长时间。针对上述自动发电控制算法与优化分配算法两者结合使用的缺点，本专利技术设计了一种“一体式”的控制算法，并命名为自适应宽度动态规划算法。
技术实现思路
本专利技术提供一种自适应宽度动态规划智能发电控制方法。可扩展的宽度学习方法可以应用于孤岛配电网中新能源的加入和退出。可扩展的宽度学习方法与动态可扩展网络不同：(i)可扩展的宽度学习方法可适应动态输出的数量；(ii)动态可扩展网络用于提高网络容量。可扩展的宽度学习方法是基于宽度神经网络的算法，宽度神经网络系统的能量可以描述为如下公式(1)，其中，Wmn是宽度神经网络中的权重；vm和kn是第m个可见单元和第n个隐含单元；和μn分别是第m个可见单元和第n个隐含单元的偏移量；M和N分别是可见单元和隐含单元的数量。联合概率分布计算如下公式(2)，其中，是归一化函数。隐含单元的激活概率计算如下公式(3)，其中，σ(x)定义为S形激活函数可见单元的激活概率如下公式(4)，选择行动的概率如下公式(5)，其中，p是更新的行动概率a；rp是概率系数。可扩展的宽度学习方法的宽度神经网络的层数应该大于2，第一层和最后一层的隐含单元的数量应该分别大于输入和输出变量的个数。通常，可扩展的宽度学习方法中的层数应大于3，第二层的隐含单元数应大于输入和输出变量的个数。可扩展的宽度学习方法的扩展操作取决于输入或输出变量个数的变化。例如，可以将宽度神经网络的隐含层的隐含单元的数量设置为如下公式(6)，[n1ni,n2ni,n3no,n4no](6)其中，ni和no分别是宽度神经网络的输入和输出变量的个数；所有的变量n1、n2、n3和n4都是可扩展的宽度学习方法的隐含单元的系数。当增加宽度神经网络的输入变量的个数时，隐含单元的数量可以扩展到如下公式(7)，[n1(1+ni),n2(1+ni),n3no,n4no](7)当增加宽度神经网络的输出变量的个数时，隐含单元的数量可以扩展到如下公式(8)，[n1ni,n2ni,n3(1+no),n4(1+no)](8)当宽度神经网络的输入和输出变量的个数分别增加到(n'i+ni)和(n'o+no)时，隐含单元的数目将被扩展到如下公式(9)，[n1(n'i+ni),n2(n'i+ni),n3(n'o+no),n4(n'o+no)](9)本专利技术提供的一种自适应宽度动态规划智能发电控制方法适用于孤岛配电网的统一时间尺度实时经济发电调度与控制框架，该框架的控制器可以取代传统的发电控制。该控制器是一个多输出控制器。实时经济发电调度控制器的输出模式至少有五种：1.自动发电控制机组模式：如控制单元是自动发电控制机组，则实时经济发电调度控制器的输出是发电指令；2.分配模式：如控制单元是风电或光伏发电，则实时经济发电调度控制器的输出是可控的最大输出功率；3.柔性负荷模式：如控制单元是一个柔性负荷，实时经济发电调度控制器的输出是可控的最小输出功率；4.刚性负荷模式：如控制单元是一个刚性负荷，则实时经济发电调度控制器的输出不起作用；5.参与产消模式：如控制单元是可充放电的电动汽车，则实时经济发电调度控制器的输出是可控功率输出。该模式中的电动汽车即可产生能源(能源的生产者)，也可消耗能源(能源的消费者)，因此该模式被称为参与产消模式。附图说明图1是本专利技术方法的自适应动态规划算法示意图。图2是本专利技术方法的自适应宽度动态规划算法示意图。图3是本专利技术方法的可扩展的宽度学习方法的过程。具体实施方式本专利技术提出的一种自适应宽度动态规划智能发电控制方法结合附图详细说明如下：图1是本专利技术方法的自适应动态规划算法示意图。本专利技术提出自适应宽度动态规划算法，该算法是在自适应动态规划算法的基础上改进而来，能够达到“自动发电控制+功率分配优化”同时作用的效果。其中，自适应动态规划算法作为系统的控制与优化算法的部分，该算法在整个智能发电控制系统中发挥着控制与优化的作用，而基于自适应动态规划算法的智能体中还包含了系统的评价网络和执行网络，其结构框图与强化学习类似，如图1所示。图2是本专利技术方法的自适应宽度动态规划算法示意图。在自适应动态规划算法的基础构架上，添加了宽度模型预测网络，并且将自适应动态规划算法中的神经网络用宽度神经网络进行替换。如图2所示的自适应宽度动态规划算法示意图，通过宽度神经网络的改进，系统可以输出多个机组的指令，在这个过程中不需要另外的优化算法进行配合。这样不仅仅节约了计算内存，同时也减少了算法计算时间。自适应宽度动态规划算法能够对动态系统有预测作用，能够加速对采取某种动作之后控制效果好坏的预测，加速收敛过程。这种算法还可以加速宽度学习网络的预测能力，不断在线对各种情况进行预测分析，不断完善更新学习，使得系统在长期或者短期工作条件下对控制性能都能够有很大程度上的提升。图3是本专利技术方法的可扩展的宽度学习方法的过程。本专利技术提出的自适应宽度动态规划智能发电控制方法的核心在于可扩展的过程(即增加宽度神经网络的神经节点数目)。可扩展的宽度学习方法主要用于孤岛配电网的新能源加入或退出的动态扩展。可扩展的宽度学习方法的扩展操作主要取决于输入或输出变量个数的变化，宽度学习用于当输入或输出变量的个数发生变化时本文档来自技高网...

【技术保护点】
1.一种自适应宽度动态规划智能发电控制方法，其特征在于，该方法在宽度神经网络学习的基础上，通过可扩展的宽度学习控制器改变输入与输出变量个数，从而扩展了网络神经宽度，增强系统的在线学习能力；该方法通过改变宽度神经网路的隐含单元数量，增强了系统的有效性、可行性与强鲁棒性。

【技术特征摘要】
1.一种自适应宽度动态规划智能发电控制方法，其特征在于，该方法在宽度神经网络学习的基础上，通过可扩展的宽度学习控制器改变输入与输出变量个数，从而扩展了网络神经宽度，增强系统的在线学习能力；该方法通过改变宽度神经网路的隐含单元数量，增强了系统的有效性、可行性与强鲁棒性。2.如权利要求1所述的一种自适应宽度动态规划智能发电控制方法，其特征在于，在原始算法(即自适应动态规划算法)的基础上添加宽度模型预测网络，将自适应动态规划算法中的神经网络替换为宽度神经网络。3.如权利要求1所述的一种自适应宽度动态规划智能发电控制方法，其特征在于，通过对宽度神经网络的改进，使得系统能够输出多个机组指令，无需另外的优化算法配合，节约了计算内存，减少了计算时间...

【专利技术属性】
技术研发人员：殷林飞，王涛，高奇，赵陆林，张斌，李晟源，
申请(专利权)人：广西大学，
类型：发明
国别省市：广西,45