【技术实现步骤摘要】
一种基于DDPG算法的电网无功电压协调控制方法
[0001]本专利技术涉及电网电压控制领域，具体为一种基于DDPG算法的电网无功电压协调控制方法调控制方法。
技术介绍
[0002]随着电网规模的日益增大及内部结构的复杂度增加，协调控制大型电网的无功电压成为了重要的研究方向。传统的针对无功电压控制的策略如基于控制区域划分的控制、专家系统等基于人工经验的方法需要人为划分区域或者设置部分参数，主观性较强；模糊控制、全网实时电压自动控制及其相关改进算法等基于实时计算的方法需要指数规模的算力支持。此外，电网的强时变性，强非线性，随机不确定性、局部可观测性等特征使得上述传统分析控制方法难以满足日益膨胀的电网规模的需求。
[0003]电网的运行与控制呈现高复杂性与不确定性，相比于传统的基于规则的方法，人工智能技术等方法应用于电网调控策略更具有优势。基于深度学习、强化学习、迁移学习等的电网控制策略是当前电网控制方面较为热门的研究课题。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，通过多层网络的组合，使用“简单模型”即...
【技术保护点】
【技术特征摘要】
1.一种基于DDPG算法的电网无功电压协调控制方法，其特征在于，包括以下步骤：根据电网的物理结构和电气参数，构建所述电网的拓扑结构描述矩阵；基于DDPG算法模型，将所述拓扑结构描述矩阵的电网断面数据作为输入数据进行训练直至模型收敛，构建无功电压控制模型，所述无功电压控制模型用于对所述电网的进行无功电压控制。2.根据权利要求1所述一种基于DDPG算法的电网无功电压协调控制方法，其特征在于：在构建拓扑结构描述矩阵的过程中，所述拓扑结构描述矩阵包括所述电网的拓扑结构图和设备电气参数；所述电网拓扑结构图包括母线/节点信息和联络线参数；所述母线/节点信息用于表示同一条母线下的所有设备视为在同一个节点下，每一条母线视为一个节点，拥有一个唯一的节点编号；所述联络线参数用于表示联络线起止节点信息和电气参数，其中，所述联络线上的变压器的电气参数归算到所述联络线参数中；所述设备电气参数包括发电设备和用电设备的电气信息；所述发电设备包括发电机、储能装置、无功补偿装置、新能源，以及为所述电网提供有功或无功的装置；所述用电设备用于表示负荷；所述用电设备的所述电气信息包括所述用电设备所在母线编号和设备电气参数信息；所述用电设备的功率限额为后续使用高斯噪声模拟负载变化提供参考标准，其中，训练模型时，使用所述高斯噪声模拟负载变化情况，包括，对于每一个用电设备，根据其最大有功/无功功率和最小有功/无功功率，使用所述高斯噪声按比例增减负荷的有功和无功。3.根据权利要求2所述一种基于DDPG算法的电网无功电压协调控制方法，其特征在于：在将电网断面数据作为输入数据进行训练的过程中，所述电网包括m个母线/节点，n条联络线；所述电网断面数据包括母线信息矩阵、联络线信息矩阵、发电设备信息矩阵、用电设备信息矩阵，其中，所述母线信息矩阵的维度为m*3，其中，每一行表示一条母线信息；所述联络线信息矩阵的维度为n*5，其中，每一行表示一条联络线信息；所述发电设备信息矩阵的维度为G*3，其中，G表示所述电网的发电设备总数，计算公式为：g
i
为第i条母线上发电设备的个数；所述用电设备信息矩阵的维度为E*3。其中，E表示所述电网的用电设备总数，计算公式为：e
i
为第i条母线上用电设备的个数。4.根据权利要求3所述一种基于DDPG算法的电网无功电压协调控制方法，其特征在于：在构建无功电压控制模型的过程中，所述DDPG算法模型包括策略网络和价值网络；所述策略网络用于输出确定性的动作；所述价值网络用于评价动作优劣；通过DPG更新所述策略网络，用于增加所述动作的动作分数，其中DPG表示策略梯度；通过TD算法更新所述价值网络，用于使评价更接近真实价值。
5.根据权利要求4所述一种基于DDPG算法的电网无功电压协调控制方法，其特征在于：在构建无功电压控制模型的过程中，使用评价函数对每一步动作的结果做出评价，所述评价函数表示为：其中，节点i的电压偏差百分比绝对值为δ
i
，发电机j功率偏差为τ
j
。6.根据权利要求5所述一种基于DDPG算法的电网无功电压协调控制方法，其特征在于：所述策略网络表示为a＝π(s；θ)，其中，s表示当前状态信息，s的维度为V
s
＝5m+7n+2G+2E，θ表示策略网络的神经网络参数，a表示策略网络π根据s与θ计算得到的动作，a的维度为V
a
＝2G；所述策略网络的输入层的维度与s的维度相等；所述策略网络的输出层的维度与a的维度相等；所述策略网络的隐含层神经网络层数为lnV
a
V
s
，每层维度为4(V
a
+V
s
)；所述价值网络表示为v＝q(s，a；w)，其中，w表示价值网...
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。