【技术实现步骤摘要】
一种基于强化学习的电网运行方式自动调整方法
[0001]本公开涉及属于电力系统调度领域，具体涉及一种基于强化学习的电网运行方式自动调整方法。
技术介绍
[0002]以新能源为主体的新型电力系统运行问题凸显。新能源海量场景下，电网已从单一或少量目标的优化问题发展为复杂场景下多层多区优化问题，电网运行方式调整是方式计算中任务量最大、重复度最高的内容。人工手动调整的传统运行方式不但耗时耗力，而且新能源出力和负荷设定较为固定，难以反映和解决高比例新能源电力系统在实际运行场景中源荷双侧不确定性所带来的平衡和消纳问题。
[0003]近年来，随着人工智能技术的发展，强化学习逐渐被应用到电网运行方式自动调整中来。强化学习通过对状态空间和动作空间进行探索，使用探索过程中获得的信息更新动作效用函数，进而形成经验指导电网运行方式的自动调整。但是强化学习模型的状态空间和动作空间大小，会随系统节点数的增加而呈现指数级的拓展，而指数级增长的状态空间和动作空间会使探索成本急剧增加。并且，由于电力系统，尤其是复杂电力系统，对运行方式要求较高。可是，...
【技术保护点】
【技术特征摘要】
1.一种基于强化学习的电网运行方式自动调整方法，其特征在于，所述包括以下步骤：确定下一时刻火电机组有功功率总调整量；若每一组火电机组的动作空间处于出力调整区间，则按照最优机组调控顺序，将有功功率总调整量分摊到各个火电机组上；若每一组火电机组的动作空间低于火电机组动作空间的下限或高于火电机组动作空间的上限，则在开关机操作后，按照最优机组调控顺序，将有功功率总调整量分摊到各个火电机组上；在完成分摊后，根据线路过载或临界重载进行潮流调整量重新分配，并进行机端电压调整；所述最优机组调控顺序通过强化学习模型获取。2.根据权利要求1所述的方法，其特征在于，所述潮流调整量重新分配包括下述步骤：识别线路负载率关键机组；若关键机组为新能源机组，当负载率大于第一设定阈值时，降低所述新能源机组出力至第一设定值；当负载率大于1小于等于第一设定阈值时，若连续降低的次数达到设定次数时仍然过载，则降低所述新能源机组出力至第二设定值；若关键机组为火电机组，则降低火电机组出力至该机组出力下限。3.根据权利要求2所述的方法，其特征在于，所述关键机组通过有功功率线路负载率灵敏度矩阵确定，包括：提取有功功率线路负载率灵敏度矩阵所在行向量；筛选机组所在节点对应分量；将绝对值最大的分量所对应的节点挂载机组确定为关键机组；所述有功功率
‑
线路负载率灵敏度矩阵为m
×
n阶矩阵，m为电力系统支路数，n为电力系统节点数。4.根据权利要求1所述的方法，其特征在于：所述最优机组调控顺序通过将基础机组调控顺序输入强化学习模型获得；所述基础机组调控顺序通过对有功功率
‑
线路负载率灵敏度矩阵进行列向量求和后排序获得；所述有功功率
‑
线路负载率灵敏度矩阵为m
×
n阶矩阵，m为电力支路数，n为电力节点数。5.根据权利要求3或4所述的方法，其特征在于：所述有功功率线路负载率灵敏度矩阵基于所有机组完全开机且网架中无断线的历史运行数据提取。6.根据权利要求1所述的方法，其特征在于：所述强化学习模型将机组调控顺序作为智能体的状态，将顺序中的两个位置作为智能体的动作，并将综合评估指标作为奖励；所述综合评估指标的影响因素包括新能源相对消纳量、线路越限情况、机组出力约束、节点电压约束、运行经济成本。7.根据权利要求6所述的方法，其特征在于，所述奖励通过下式计算：
式中：R为奖励；r
i
为分奖励取值；当i＝1时，式中：renewable
t+1，j
为第j组新能源机组出力在t+1时刻的出力；为第j组新能源机组出力在t+1时刻的出力上限；Re为新能源机组个数；当i≠1时，式中，A表示约束；当i为2时，约束为线路电流；当i为3时，约束为机组出力；当i为4时，约束为节点电压；当i为5时，约束为运行经济成本；下标max和min分别表示对应约束的上下限。8.根据权利要求1所述的方法，其特征在于，所述下一时刻火电机组有功功率总调整...
【专利技术属性】
技术研发人员：丁涛，李明乐，田智勤，李帅，高逸兴，
申请(专利权)人：西安交通大学，
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。