一种面向多目标的智能电网分层调度方法技术

本发明专利技术是一种面向多目标的智能电网分层调度方法，涉及电网控制及人工智能技术。本发明专利技术方法包括：构建多目标电网运行评估模型，对电网运行状态从安全、经济和环保性三方面评估；建立双层调度结构，下层决策层对调度策略在局部进行优化，上层优化层对调度策略在全局进行优化；决策层对电网中每个机组建立一个智能体，智能体输出为机组的有功功率输出调整值；优化层包含三个多层感知器，分别用于评估电网的安全、经济和环保性；双层调度结构优化调度策略后，还使用拓扑分析法调整优化动作，避免在电网调度中出现孤岛。本发明专利技术实现在安全、经济、环保三个维度对电网运行状态进行量化评估，获取的调度策略更加有效，且适用于大规模电网的实时调度。规模电网的实时调度。规模电网的实时调度。

【技术实现步骤摘要】
一种面向多目标的智能电网分层调度方法


[0001]本专利技术属于电网控制与人工智能交叉领域，具体涉及一种面向多目标的智能电网分层调度方法。

技术介绍

[0002]智能调度作为智能电网的核心，往往需要在考虑复杂的安全约束的基础上，实现经济效益最大化。同时，可再生能源使用率提升，从而导致调度难度进一步加大。
[0003]电网调度中的多目标优化研究受到了学术界和工业界的广泛关注。针对电网安全约束经济调度(Security
‑
constrainedEconomicDispatching,SCED)问题，参考文献[1]提出了一种基于深度学习的主动约束识别的智能预选方法。为了解决SCED算法计算成本高的问题，参考文献[2]提出了一种基于深度神经网络的优化策略。然而，他们都没有考虑到新能源对电网的影响。为了使系统运行成本最小化和可再生能源消耗最大化，参考文献[3]将调度问题建模为多步马尔可夫决策过程，不考虑电网运行的复杂约束和规则。参考文献[4]建立了多目标粒子群优化算法，引入小概率逃逸机制，克服了清洁能源的间歇性和波动性，保证了电力系统的安全运行，但由于算法复杂度高，不能应用于大规模电网的实时调度。
[0004]由于多智能体和分布式系统的灵活性和扩展性较强，研究人员也将其广泛应用于大规模电网调度。在参考文献[5]中，提出了一种基于深度强化学习的数据驱动多智能体框架，以克服与精确系统模型相关的计算复杂度高和扩展性差的问题。针对动态经济调度问题，在参考文献[6]中提出了一种分布式强化学习优化算法。在参考文献[7]提出了一种分层多智能体深度确定性策略梯度(HierarchicalMulti
‑
agentDeepDeterministicPolicyGradient,HMA
‑
DDPG)算法来辅助自动增益控制(AutomaticGenerationControl,AGC)调度。为了减少智能体对全局信息的依赖，参考文献[8]提出了一种基于分布式Q学习的优化算法来实现经济调度。
[0005]目前的智能电网调度方法存在以下不足：首先，没有同时考虑安全约束、经济和环境保护多目标调度，电网的安全运行是根本，而经济和环保是电力市场环境和可持续发展的必然要求。此外，多智能体之间的关系不够紧密，对多智能体框架缺乏全局评估。
[0006]参考文献：
[0007][1]Y.Yang,Z.Yang,J.Yu,K.XieandL.Jin,"FastEconomicDispatchinSmartGridsUsingDeepLearning:AnActiveConstraintScreeningApproach,"IEEEInternetofThingsJournal,vol.7,no.11,pp.11030
‑
11040,Nov.2020.
[0008][2]J.Yanetal.,"Frequency
‑
DomainDecompositionandDeepLearningBasedSolarPVPowerUltra
‑
Short
‑
TermForecastingModel,"IEEETransactionsonIndustryApplications,doi:10.1109/TIA.2021.3073652.
[0009][3]L.Tieetal.,"JointOptimizationDispatchingforHybridPowerSystemBasedonDeepReinforcementLearning,"2019IEEE8thInternational
ConferenceonAdvancedPowerSystemAutomationandProtection(APAP),2019,pp.1289
‑
1293.
[0010][4]D.Xia,J.Han,L.Zhang,X.Zhang,J.XuandZ.Wang,"Researchonflexiblepowermulti
‑
objectiveoptimizationplanmethodorientedtogrid
‑
connectedintermittentenergy,"2017IEEEConferenceonEnergyInternetandEnergySystemIntegration(EI2),2017,pp.1
‑
4.
[0011][5]M.Kamruzzaman,J.Duan,D.ShiandM.Benidris,"ADeepReinforcementLearning
‑
basedMulti
‑
AgentFrameworktoEnhancePowerSystemResilienceusingShuntResources,"IEEETransactionsonPowerSystems,doi:10.1109/TPWRS.2021.3078446.
[0012][6]P.Dai,W.Yu,G.WenandS.Baldi,"DistributedReinforcementLearningAlgorithmforDynamicEconomicDispatchWithUnknownGenerationCostFunctions,"IEEETransactionsonIndustrialInformatics,vol.16,no.4,pp.2258
‑
2267,April2020.
[0013][7]J.Li,T.Yu,H.Zhu,F.Li,D.LinandZ.Li,"Multi
‑
AgentDeepReinforcementLearningforSectionalAGCDispatch,"IEEEAccess,vol.8,pp.158067
‑
158081,2020.
[0014][8]F.Li,J.QinandW.X.Zheng,"DistributedQ
‑
Learning
‑
BasedOnlineOptimizationAlgorithmforUnitCommitmentandDispatchinSmartGrid,"IEEETransactionsonCybernetics,vol.50,no.9,pp.4146
‑
4156,Sept.2020.

技术实现思路

[0015]本专利技术针对目前智能电网调度方法存在的不足，提出了一种面向多目标的智能电网分层调度方法，基于深度确定性策略梯度算法(DeepDeterministicPolicyGradient,DDPG)，采用分层架构以及多智能的设计，通过决策层中多智能体间的合作、博弈以及优化层网络的全局评估，实现局部和全局电网的安全性、经本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向多目标的智能电网分层调度方法，其特征在于，包括如下步骤：步骤一、构建多目标电网运行评估模型，从安全、经济、环保三个维度对电网运行状态评估；所述模型，在安全维度，选取机组无功功率、机组电压越限值和支路电流越限值进行安全性得分计算；在经济维度，对每个机组的运行费用及启停费用进行计算，经济性得分与费用支出呈反比；在环保维度，获取所有机组有功功率输出，求得新能源占比，作为环保性得分；步骤二、建立双层调度结构，包括下层决策层和上层优化层，通过决策层对调度策略在局部进行优化，通过优化层对调度策略在全局进行优化；所述决策层采用多智能体结构，电网中每个机组对应一个智能体，各智能体对机组及其周围的局部电网进行观测，输出动作为机组的有功功率输出调整值，计算动作的奖励并反馈给智能体；所计算的智能体动作的奖励为局部评价结果；所述优化层包含三个多层感知器，分别计算电网在所述模型中的安全性得分、经济性得分和环保性得分，将三个得分按预设的权重平均，作为全局评价结果，对动作进行优化；设N为电网中所有机组数量，M为电网中所有支路数量；计算安全性得分的多层感知器的输入是2N+M维向量，由N个智能体的动作奖励、M条支路的电流值和N台机组的电压值组成；计算、经济性得分和环保性得分的两个多层感知器的输入均为2N维向量，由N个智能体的动作奖励和N台机组的电压值组成；步骤三、获取电网中所有机组周围电网的状态，利用双层调度结构对调度策略进行优化，计算全局评价结果与局部评价结果的综合得分反馈给智能体，智能体调整动作，并重新计算综合得分，选取综合得分最高的动作作为优化动作；使用拓扑分析法调整优化动作，避免在电网调度中出现孤岛，并作为最终动作输出。2.根据权利要求1所述的方法，其特征在于，所述的步骤一中，多目标电网运行评估模型，根据下式计算安全性得分score
sec
，如下：其中，N
G
为电网的机组总数；N
B
为电网的支路总数；代表t时刻机组i无功功率越限值，代表t时刻机组i电压越限值，代表t时刻支路j电流越限值；W
q
、W
v
和W
b
分别为机组无功功率越限值、电压越限值和支路电流越限值的权重系数；N
step
为时间步数；对机组无功功率越限值如下计算：其中，为机组i在t时刻的无功功率；和分别为机组i的无功功率最大值和最
小值；为t时刻机组i是否运行的状态值，取值为1时代表运行，取值为0代表未运行；对机组电压越限值如下计算：其中，为机组i在t时刻的电压；和为机组i电压的最大值和最小值；对支路电流越限值如下计算：其中，代表支路j在t时刻的电流值，T
j
代表支路j的热极限。3.根据权利要求1所述的方法，其特征在于，所述的步骤一中，多目标电网运行评估模型，根据下式计算经济性得分score
eco
，如下：其中，N
G
为电网...

【专利技术属性】
技术研发人员：杨楠，李蕾，黄宇鹏，卫泽晨，李昕航，肖孟豪，张风彬，王哲，俞灵，齐晓琳，韩昳，邱成建，刘幸蔚，宋旭日，张琳，罗雅迪，李章文，於益军，李劲松，
申请(专利权)人：中国电力科学研究院有限公司，
类型：发明
国别省市：