一种潮流计算收敛的自动调整方法及装置制造方法及图纸

本发明专利技术公开了一种潮流计算收敛的自动调整方法，包括：设计用于潮流计算收敛的深度强化学习网络的状态、动作空间和奖赏；根据所述状态、动作空间和奖赏构建用于潮流计算收敛的深度强化学习网络；在所述深度强化学习网络中加入知识经验，并模拟人工调整潮流的过程，从而构建潮流调整策略，使用所述潮流调整策略对电网的潮流收敛进行调整，解决目前调整大电网的收敛工作效率低、不精准，人力成本消耗过大的问题。

An automatic adjustment method and device for power flow calculation convergence

【技术实现步骤摘要】
一种潮流计算收敛的自动调整方法及装置
本申请涉及电力系统
，具体涉及一种潮流计算收敛的自动调整方法，同时涉及一种潮流计算收敛的自动调整装置。
技术介绍
潮流收敛调整问题是电网仿真分析最基础的工作，为电网运行与规划的方案设计提供了基础。从数学角度看，潮流计算的本质是求解非线性方程，如果方程的解不存在或者陷入病态解使潮流方程难以收敛，则被称为潮流不收敛。潮流不收敛目前主要通过人工进行调整，调整过程繁杂且依赖人工经验，效率较低。对于大电网，潮流方程变量高维，可调参数众多，调整效率进一步降低。电网每年会安排大量人力，付出很长时间来调整大电网的收敛，其中包括大量的重复性工作。综上，传统的调整模式存在明显的不足，主要包括大量消耗人力成本、严重依赖专家经验、易于引发错漏现象以及难以控制分析误差。因此，目前亟需一种潮流收敛自动调整方法，使工作更高效、精准，从而解放人力。
技术实现思路
本申请提供一种潮流计算收敛的自动调整方法，解决目前调整大电网的收敛工作效率低、不精准，人力成本消耗过大的问题。本申请提供一种潮流计算收敛的自动调本文档来自技高网...

【技术保护点】
1.一种潮流计算收敛的自动调整方法，其特征在于，包括：/n设计用于潮流计算收敛的深度强化学习网络的状态、动作空间和奖赏；/n根据所述状态、动作空间和奖赏构建用于潮流计算收敛的深度强化学习网络；/n在所述深度强化学习网络中加入知识经验，并模拟人工调整潮流的过程，从而构建潮流调整策略，使用所述潮流调整策略对电网的潮流收敛进行调整。/n

【技术特征摘要】
1.一种潮流计算收敛的自动调整方法，其特征在于，包括：
设计用于潮流计算收敛的深度强化学习网络的状态、动作空间和奖赏；
根据所述状态、动作空间和奖赏构建用于潮流计算收敛的深度强化学习网络；
在所述深度强化学习网络中加入知识经验，并模拟人工调整潮流的过程，从而构建潮流调整策略，使用所述潮流调整策略对电网的潮流收敛进行调整。


2.根据权利要求1所述的方法，其特征在于，深度强化学习网络的状态、动作空间和奖赏，包括：
深度强化学习网络的状态包括：发电机的出力状态、电容器/电抗器投切的有效性和区域间的交换功率；
深度强化学习网络的动作空间包括：发电机的出力变化量或者有效性，特定电容器/电抗器的有效性；
深度强化学习网络的奖赏包括：潮流计算结果得到的奖赏，符合知识经验得到的奖赏，符合约束条件得到的奖赏。


3.根据权利要求2所述的方法，其特征在于，所述电容器/电抗器，为重负荷、多出线母线附近的未投入电容器和已投入电抗器。


4.根据权利要求3所述的方法，其特征在于，所述重负荷、多出线母线附近的未投入电容器和已投入电抗器，通过如下方式获得：
统计各母线的负荷、出线情况，得到重负荷、多出线母线的位置；
记录各支路以及电容器和电抗器的位置；
运用Dijkstra算法以最优路径的方法，得到重负荷、多出线母线附近的电容器和电抗器；
通过识别有效性标记位，最终得到重负荷、多出线母线附近的未投入电容器和已投入电抗器。


5.根据权利要求2所述的方法，其特征在于，所述潮流计算结果得到的奖赏，收敛时，奖赏设为很大的正数；不收敛时，奖赏设为较小的负数。


...

【专利技术属性】
技术研发人员：汤涌，王甜婧，郭强，黄彦浩，陈兴雷，文晶，李文臣，张松涛，黄河凯，王宏志，
申请(专利权)人：中国电力科学研究院有限公司，国家电网有限公司，哈尔滨工业大学，
类型：发明
国别省市：北京;11