【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 ...
【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:
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。