一种电网准实时智能控制方法及系统技术方案

本发明专利技术公开了一种电网准实时智能控制方法及系统，包括：获取电网状态的观测量，所述电网状态的观测量包括当前时段机组出力、下时段负荷有功功率预测值、下时段相对于当前时段的负荷有功功率变化值、线路开断状态、机组出力可调范围上限以及机组出力可调范围下限；将电网状态的观测量输入到训练后的智能体中，将训练后的智能体的输出结果作为机组调节指令对电网中的各机组进行调节，完成电网准实时智能控制，其中，智能体在训练过程中的动作器损失函数基于调度经验正则项构建而成，该方法及系统能够实现电网的准实时控制。统能够实现电网的准实时控制。统能够实现电网的准实时控制。

【技术实现步骤摘要】
一种电网准实时智能控制方法及系统


[0001]本专利技术属于电力系统自动化领域，涉及一种电网准实时智能控制方法及系统。

技术介绍

[0002]近年来，如何构建以新能源为主体的新型电力系统成为了焦点问题。新能源出力具有较强的波动性、间歇性及随机性。大规模新能源并网给电网运行增加了诸多不确定因素，对电网调度控制带来了巨大挑战。
[0003]在此背景下，有必要以新能源最大消纳为目标对电力系统准实时控制问题进行研究。电力系统准实时控制问题中，需要调度人员在满足功率平衡和系统安全等约束的前提下，通过合理调整不同类型机组的有功出力，确定最优的调度和控制方案。目前，工业界中常用的调度控制方法主要依赖于传统数学优化模型。其中，确定性优化模型将负荷预测值、新能源出力预测值作为实际出力，其优化结果往往与预期值偏差较大。而不确定性优化模型包括随机规划法、鲁棒优化法等，具有模型复杂度高、计算成本大等缺点，难以应用于短时间尺度下的电网控制。近年来，人工智能技术得到快速发展。其中，强化学习方法通过智能体(Agent)与环境之间的交互获得奖励，进而以最大奖励为目标提升自身策略。该方法立足于随机变化环境，兼具响应速度快、考虑长效收益等优点，有望解决上述问题。然而，强化学习本质上是以“试错”的方式进行学习，存在探索效率低、拟合误差大、动作容易越限等缺陷，不能实现电网的准实时控制。

技术实现思路

[0004]本专利技术的目的在于克服上述现有技术的缺点，提供了一种电网准实时智能控制方法及系统，该方法及系统能够实现电网的准实时控制。
[0005]为达到上述目的，本专利技术采用如下技术方案：
[0006]本专利技术一方面，本专利技术提供了一种电网准实时智能控制方法，包括：
[0007]获取电网状态的观测量；
[0008]将所述观测量输入到训练后的智能体中，将训练后的智能体的输出结果作为机组调节指令对电网中的各机组进行调节，完成电网准实时智能控制，其中，智能体在训练过程中的动作器损失函数基于调度经验正则项构建而成。
[0009]本专利技术所述电网准实时智能控制方法进一步的改进在于：
[0010]所述电网状态的观测量包括当前时段机组出力、下时段负荷有功功率预测值、下时段相对于当前时段的负荷有功功率变化值、线路开断状态、机组出力可调范围上限以及机组出力可调范围下限。
[0011]所述调度经验正则项包括当前时段的新能源消纳率r1、当前时段的功率不平衡量平方误差r2、当前时段的常规机组上备用爬坡容量可用率r
3+
、当前时段的常规机组下备用爬坡容量可用率r3‑
以及当前时段的平衡机出力回调量目标与实际出力改变量的平方误差r4。
[0012]所述当前时段的新能源消纳率r1为：
[0013][0014]其中，n
new
为新能源机组的个数，p
i
为新能源机组i的实际有功出力，为新能源机组i在当前时间步的最大出力。
[0015]当前时段的功率不平衡量平方误差r2为：
[0016][0017]其中，n
load
为负荷节点的个数，p
l
为负荷节点l的实际有功负荷，n
conv
为常规机组的个数，p
j
为常规机组j的实际有功出力。
[0018]当前时段的常规机组上备用爬坡容量可用率r
3+
及下备用爬坡容量可用率r3‑
分别为：
[0019][0020][0021]其中，u
j
为常规机组j的开停机状态，u
j
＝0表示关机，u
j
＝1表示开机，和分别为常规机组j的有功功率上限及下限，R
j
为常规机组j的爬坡率。
[0022]当前时段的平衡机出力回调量目标与实际出力改变量的平方误差r4为：
[0023][0024]其中，o为平衡机序号，p
o
为平衡机在当前时段的实际有功出力，Δp
o
为平衡机有功功率调节量，及分别为平衡机的有功功率上限及下限，为平衡机的出力中点，k为平衡机的回调系数。
[0025]评价器的损失函数为：
[0026][0027]其中，N为训练过程中从经验缓冲池中抽取的样本数，为新能源机组i在t时刻的状态，为新能源机组i在t+1时刻的状态，为新能源机组i在t时刻的动作，为新能源机组i在t+1时刻的动作，γ为初始化折扣因子，为状态及动作对应的即时奖励，为状态及动作的价值函数。
[0028]其中，N为训练过程中从经验缓冲池中抽取的样本数。
[0029]本专利技术二方面，本专利技术提供了一种电网准实时智能控制系统，包括：
[0030]获取模块、用于获取电网状态的观测量；
[0031]控制模块，用于将所述观测量输入到训练后的智能体中，将训练后的智能体的输出结果作为机组调节指令对电网中的各机组进行调节，完成电网准实时智能控制，其中，智能体在训练过程中的动作器损失函数基于调度经验正则项构建而成。
[0032]本专利技术所述电网准实时智能控制系统进一步的改进在于：
[0033]还包括：
[0034]模拟模块，用于搭建数字运行仿真环境；
[0035]训练模块，用于在数据运行仿真环境对智能体进行训练，其中，智能体在训练过程中的动作器损失函数基于调度经验正则项构建而成。
[0036]本专利技术具有以下有益效果：
[0037]本专利技术所述的电网准实时智能控制方法及系统在具体操作时，将电网状态的观测量输入到训练后的智能体中，将训练后的智能体的输出结果作为机组调节指令对电网中的各机组进行调节，以实现对电网准实时智能控制，需要说明的是，本专利技术中基于调度经验正则项构建动作器损失函数，从而对智能体的动作范围进行约束，为智能体指出潜在的调节机组集合、调节方向以及调节量，有效减少智能体在探索阶段由于误动作导致的训练过程中断的问题，大幅减少训练所需的计算资源及计算时间，提高训练效率，继而提高电网准实时控制的安全性及高效性。
附图说明
[0038]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0039]图1为本专利技术的方法流程图；
[0040]图2为本专利技术的系统结构图。
[0041]其中，1为模拟模块、2为训练模块、3为获取模块、4为控制模块。
具体实施方式
[0042]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0043]需要说明的是，本专利技术的说明书和权利要求书及上述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电网准实时智能控制方法，其特征在于，包括：获取电网状态的观测量；将所述观测量输入到训练后的智能体中，将训练后的智能体的输出结果作为机组调节指令对电网中的各机组进行调节，完成电网准实时智能控制，其中，智能体在训练过程中的动作器损失函数基于调度经验正则项构建而成。2.根据权利要求1所述的电网准实时智能控制方法，其特征在于，所述电网状态的观测量包括当前时段机组出力、下时段负荷有功功率预测值、下时段相对于当前时段的负荷有功功率变化值、线路开断状态、机组出力可调范围上限以及机组出力可调范围下限。3.根据权利要求1所述的电网准实时智能控制方法，其特征在于，所述调度经验正则项包括当前时段的新能源消纳率r1、当前时段的功率不平衡量平方误差r2、当前时段的常规机组上备用爬坡容量可用率r
3+
、当前时段的常规机组下备用爬坡容量可用率r3‑
以及当前时段的平衡机出力回调量目标与实际出力改变量的平方误差r4。4.根据权利要求3所述的电网准实时智能控制方法，其特征在于，所述当前时段的新能源消纳率r1为：其中，n
new
为新能源机组的个数，p
i
为新能源机组i的实际有功出力，为新能源机组i在当前时间步的最大出力。5.根据权利要求3所述的电网准实时智能控制方法，其特征在于，所述当前时段的功率不平衡量平方误差r2为：其中，n
load
为负荷节点的个数，p
l
为负荷节点l的实际有功负荷，n
conv
为常规机组的个数，p
j
为常规机组j的实际有功出力。6.根据权利要求3所述的电网准实时智能控制方法，其特征在于，所述当前时段的常规机组上备用爬坡容量可用率r
3+
...

【专利技术属性】
技术研发人员：严嘉豪，王珂，姚建国，杨胜春，耿建，李亚平，李峰，毛文博，朱克东，钱甜甜，
申请(专利权)人：国网安徽省电力有限公司电力科学研究院国网浙江省电力有限公司绍兴供电公司国家电网有限公司，
类型：发明
国别省市：