紧急切负荷决策模型构建方法及紧急切负荷决策方法技术

本发明专利技术公开了一种紧急切负荷决策模型构建方法及紧急切负荷决策方法，紧急切负荷决策模型构建方法包括根据任一故障和相应的第一紧急切负荷控制，仿真得到第一母线电压和第一发电机功角的数据；融合第一紧急切负荷动作、第一母线电压和第一发电机功角数据，利用BDQ智能体决策第二紧急切负荷动作；根据新的紧急切负荷动作，仿真得到第二母线电压和第二发电机功角的数据，计算奖励；将不同故障下的第一母线电压、第一发电机功角、第一紧急切负荷控制、第二母线电压、第二发电机功角、第二紧急切负荷控制和奖励作为训练样本，并训练BDQ智能体，重复上述操作得到紧急切负荷决策模型。融入了第一紧急切负荷动作的BDQ智能体训练效率和决策能力得到提升。和决策能力得到提升。和决策能力得到提升。

【技术实现步骤摘要】
紧急切负荷决策模型构建方法及紧急切负荷决策方法


[0001]本专利技术属于电力系统稳定性控制
，更具体地，涉及一种紧急切负荷决策模型构建方法及紧急切负荷决策方法。

技术介绍

[0002]紧急切负荷控制是发生暂态电压失稳故障后，保证电力系统暂态稳定的重要方法。实际电网中，紧急切负荷控制一般采用离线预决策和实时工况匹配的工作模式。即电网专家根据可能的实际运行工况，设想大量的实际故障条件，结合暂态稳定仿真得到系统运行的大量暂态数据。电网专家分析这些运行数据，并制定紧急切负荷控制措施。
[0003]随着电网互联规模扩大，电网仿真数据量急剧增加，这种人工决策方式存在工作效率不高且费时费力的情况。为减轻人工工作量，一些研究采用优化算法求解最优决策量，但可控负荷增加时，在实际应用中可能存在不收敛性的问题，且计算量较大。深度强化学习(Deep Reinforcement Learning，DRL)算法的快速发展为紧急切负荷控制提供了新思路。应用DRL求解紧急切负荷控制问题有望减少人工成本，提升决策制定效率。但是，其深度强化学习的学习效率和决策能力本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种紧急切负荷决策模型构建方法，其特征在于，所述紧急切负荷决策模型为基于动作融合的分支竞争Q网络智能体，所述模型构建方法包括：步骤S1：选取一个电网暂态电压失稳故障；步骤S2：根据当前电网暂态电压失稳故障以及相应的第一紧急切负荷动作，仿真得到全时间段的第一母线电压和第一发电机功角；步骤S3：将第一紧急切负荷动作以及仿真得到的第一母线电压和第一发电机功角输入分支竞争Q网络智能体，决策得到第二紧急切负荷动作；步骤S4：根据当前电网暂态电压失稳故障以及相应的第二紧急切负荷动作，仿真得到全时间段的第二母线电压和第二发电机功角并计算相应的奖励，以当前电网暂态电压失稳故障下得到的第一紧急切负荷动作、第一母线电压、第一发电机功角、第二紧急切负荷动作、第二母线电压、第二发电机功角和奖励构成一个交互样本存入容量池中；步骤S5：判断是否触发迭代终止条件，若否，则以第二紧急切负荷动作作为第一紧急切负荷动作后跳转至步骤S2继续进行迭代，否则，以当前电网暂态电压失稳故障下的交互样本获取过程作为一个轮次，结束当前轮次并执行步骤S6，其中，迭代终止条件包括第二紧急切负荷动作能够让电压恢复稳定或迭代数量达到上限：步骤S6：判断累计轮次是否达到终止值，若是，则结束建模，若否，则执行步骤S7；步骤S7：判断累计轮次是否达到训练节点值，若否，则更新当前电网暂态电压失稳故障并跳转至步骤S2，若是，则执行步骤S8：步骤S8：从容量池随机选取多个交互样本对分支竞争Q网络智能体进行训练后跳转至步骤S1。2.如权利要求1所述的紧急切负荷决策模型构建方法，其特征在于，在步骤S3中，将仿真得到的第一母线电压和第一发电机功角输入分支竞争Q网络智能体，具体为：截取临近故障点的部分时间段的第一母线电压和第一发电机功角输入分支竞争Q网络智能体。3.如权利要求2所述的紧急切负荷决策模型构建方法，其特征在于，全时间段为10秒，截取时间段为前6秒。4.如权利要求1所述的紧急切负荷决策模型构建方法，其特征在于，调用PSASP仿真软件仿真得到全时间段的第一母线电压和第一发电机功角。5.如权利要求1所述的紧急切负荷决策模型构建方法，其特征在于，所述分支竞争Q网络智能体包括特征预处理模块、映射模块和状态值提取模块和决策模块，其中，所述特征预处理模块包括电压特征提取网络、功角特征提取网络、第...

【专利技术属性】
技术研发人员：姚伟，胡泽，石重托，文劲宇，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：