【技术实现步骤摘要】
一种电网无功电压控制模型训练方法及系统
本专利技术属于电力系统运行和控制
,特别涉及一种电网无功电压控制模型训练方法及系统。
技术介绍
近年来,分布式可再生能源发电设备(DG,DistributedGeneration)渗透率的不断提高,使新能源场站及其汇集区的电网调控愈发重要。DG作为一种灵活性资源,其装机容量往往大于其额定有功功率,且响应速度快,存在大量的可调控空间。为了解决大规模DG并网功率倒送带来的电压越限、设备脱网和网损严重等问题,针对DG的电网无功电压控制系统已成为关键措施。然而,由于电网的真实物理系统模型难以获得,传统基于模型的优化方法无法保障控制效果,常常出现控制指令远离最优点、电网运行在次优状态的情况。因此,数据驱动的无模型的优化方法,特别是近年来发展迅速的深度强化学习方法,是电网无功电压控制的重要手段。但数据驱动的深度强化学习方法,往往需要大量的在线训练,这既产生了高昂的训练成本,又导致了额外的安全隐患。为了应对在线训练效率低下带来的成本问题与安全问题,可以采用提前用仿真模型进行离线训练的方式。然而,由于离线模型并非真实物理系统的电网模型,存在模型偏差,如果采用一般的深度强化学习方法,训练得到的离线模型没有可迁移的特性。这就意味着,将离线训练得到的模型用在在线系统上时,在开始阶段可能出现控制效果不理想的问题。因此,有必要研究一种电网无功电压控制模型训练方法,训练出具备可迁移特性的深度强化学习模型,使其可以安全高效地应用到在线电网无功电压控制系统上,在避免模型不完备带来控制偏差的同时, ...
【技术保护点】
1.一种电网无功电压控制模型训练方法,其特征在于,所述方法包括:/n建立电网仿真模型;/n根据电网无功电压控制目标,建立无功电压优化模型;/n结合电网仿真模型和无功电压优化模型,搭建基于对抗马尔科夫决策过程的交互训练环境;/n通过联合对抗训练算法训练电网无功电压控制模型;/n将训练后的电网无功电压控制模型迁移到在线系统。/n
【技术特征摘要】
1.一种电网无功电压控制模型训练方法,其特征在于,所述方法包括:
建立电网仿真模型;
根据电网无功电压控制目标,建立无功电压优化模型;
结合电网仿真模型和无功电压优化模型,搭建基于对抗马尔科夫决策过程的交互训练环境;
通过联合对抗训练算法训练电网无功电压控制模型;
将训练后的电网无功电压控制模型迁移到在线系统。
2.根据权利要求1所述的电网无功电压控制模型训练方法,其特征在于,所述建立电网仿真模型,包括:
对于n+1个节点的区域电网,构建无向图,如下:
Π(N,E)
其中,N为电网节点集合,E为电网支路集合,E=(i,j)∈N×N,i、j均为电网节点。
3.根据权利要求2所述的电网无功电压控制模型训练方法,其特征在于,所述建立电网仿真模型,还包括:
构建电网潮流方程,如下:
其中,Vi,θi分别为电网节点i的电压幅值和相角,所述Vj,θj分别为电网节点j的电压幅值和相角,Gij,Bij分别为电网支路ij的电导和电纳,Pij,Qij分别为电网支路ij的有功功率和无功功率,θij为电网支路ij的相角差;
对于电网节点j∈N,其功率的表达式如下:
其中,Pj,Qj分别为电网节点j的有功功率和无功功率注入,Gsh,i,Bsh,i分别为电网节点i的接地电导、电纳,PDj,QDj分别为电网节点j的有功功率和无功功率负荷,PGj,QGj分别为电网节点j基于分布式可再生能源发电设备的有功出力和无功出力,QCj为电网节点j基于静止无功补偿器的无功出力,NIB为电网接入的分布式可再生能源发电设备的电网节点集合,NCD为电网接入的静止无功补偿器的电网节点集合,K(i)为节点i所连接的所有支路的对端节点集合,
4.根据权利要求2所述的电网无功电压控制模型训练方法,其特征在于,所述无功电压优化模型如下:
其中,Vi,分别为电网节点i的电压下限与上限,QCi,分别为电网节点i的静止无功补偿器无功出力下限与上限,SGi,分别为电网节点i的分布式可再生能源发电设备装机容量与有功功率出力上限。
5.根据权利要求4所述的电网无功电压控制模型训练方法,其特征在于,所述搭建基于对抗马尔科夫决策过程的交互训练环境,具体包括以下步骤:
A1、构建对抗马尔科夫决策过程状态变量,表达式如下:
s=(P,Q,V,t)
其中,P,Q分别为电网节点有功功率、无功功率注入向量,V为电网节点电压向量,t为训练中的时间变量;
A2、构建回馈变量,表达式如下:
其中,CV为电压抑制系数,ReLU为非线性函数,定义为ReLU(x)=max(0,x);
A3、构建无功电压控制模型动作变量ap,表达式如下:
ap=(QG,QC)
其中,QG,QC均为无功功率出力向量;
A4、构建对抗模型动作变量ao,表达式如下:
ao=(G,B)
其中,G,B分别为所有线路电导和电纳组成的向量。
6.根据权利要求5所述的电网无功电压控制模型训练方法,其特征在于,所述通过联合对抗训练算法训练电网无功电压控制模型,具体包括以下步骤:
B1、定义强化学习目标函数,表达式如下:
其中,γ为折合系数,αp,αo分别无功电压控制模型和对抗模型的最大熵乘子,πp为无功电压控制模型策略,πo为对抗模型策略,πp(·|...
【专利技术属性】
技术研发人员:吴文传,刘昊天,孙宏斌,王彬,郭庆来,夏天,
申请(专利权)人:清华大学,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。