配电系统功率分配方法、系统、计算机设备及存储介质技术方案

本发明专利技术属于智能配电系统优化调度领域，公开了一种配电系统功率分配方法、系统、计算机设备及存储介质，包括获取配电系统的当前运行状态；根据配电系统的当前运行状态，基于预训练的MSG

【技术实现步骤摘要】
配电系统功率分配方法、系统、计算机设备及存储介质


[0001]本专利技术属于智能配电系统优化调度领域，涉及一种配电系统功率分配方法、系统、计算机设备及存储介质。

技术介绍

[0002]随着大规模分布式电源接入配电系统，使得配电系统从传统负荷侧单向网络结构向源荷功率双向流动的多源网络结构转变，给配电系统安全及稳定运行提出了新的挑战。此外，高渗透率新能源出力的强随机性及间歇性，也严重影响了配电系统的功率平衡，进一步提高了配电系统优化调控的难度。因此，有必要对高比例分布式电源和新能源接入下，配电系统功率平衡及配电系统内各分布式电源的协同优化问题进行研究，保证系统运行的稳定性和经济性。
[0003]目前，基于优化计算的集中控制方法因其较高的准确性常被用于配电系统优化运行研究中，该类方法将配电系统数学模型转为数学规划问题后通过优化算法实现目标函数的求解。但集中控制对通信可靠性及计算能力等要求较高，当大量新能源和分布式电源的并入，集中控制面临海量数据交互、计算效率低、系统可靠性差及隐私安全等问题，难以实现对各资源的优化控制。r/>[0004]现本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种配电系统功率分配方法，其特征在于，包括：获取配电系统的当前运行状态；根据配电系统的当前运行状态，基于预训练的MSG
‑
DDQN算法模型求解资源集群间功率分配模型，得到各资源集群接口智能体功率调度指令；遍历各资源集群，根据当前资源集群接口智能体功率调度指令，以成本微增量作为一致性变量，基于一致性算法求解资源集群内功率分配模型，得到当前资源集群内各分布式电源的功率调度指令。2.根据权利要求1所述的配电系统功率分配方法，其特征在于，所述资源集群间功率分配模型具体为：其中，f为资源集群间功率分配的目标函数；μ1、μ2和μ3分别为资源集群功率分配误差的权重系数、接口智能体爬坡时间的权重系数和接口智能体平均调节成本的权重系数；P和分别为配电系统总调度指令和净调度指令；为第j个可再生能源的实际出力；P
i
为第i个资源集群接口智能体功率调度指令；λ
i
为第i个资源集群接口智能体的功率分配因子；和分别为第i个资源集群接口智能体功率调节容量上下限，取资源集群所有机组调节容量的总和；为第i个资源集群t时刻接口智能体功率调度指令；和分别为第i个资源集群接口智能体的下降爬坡速率和上升爬坡速率，取资源集群所有机组爬坡速率的平均值；N
R
为可再生能源数量集合，n为资源集群数量；和C
i
分别为第i个资源集群的平均爬坡速率和平均成本系数。3.根据权利要求2所述的配电系统功率分配方法，其特征在于，所述MSG
‑
DDQN算法模型通过多步贪婪策略、模型参数软更新和PER对DDQN方法进行改进得到；其中，通过多步贪婪策略对DDQN方法进行改进包括：采用四个神经网络分别近似DDQN方法中的MDP和SMDP中值函数，并采用策略提升步骤和策略评估步骤实现最优策略；其中，四个神经网络的网络参数分别为、、和，四个神经网络的输出分别为值、值、值和值，值和值分别实现MDP和SMDP中
动作选择，值和值分别实现MDP和SMDP中当前状态的价值评估；策略提升步骤中选取的多步贪婪策略为：其中，s
t
为智能体在t时段的状态，为智能体在t时段状态s
t
下采取动作a后的值，A为智能体动作集；智能体通过探索获得的当前奖励r
t
及期望回报y
kt
为：其中，κ为多步贪婪步长因子，为奖励折扣因子，为智能体在t+1时段状态s
t+1
下采取动作a后的值；替换奖励函数为：其中，为状态s
t+1
下采取策略得到的值：其中，策略为：通过更新网络参数来最小化下式以实现策略提升：其中，为遵循策略后的期望值，为智能体在t时段状态s
t
下采取动作a
t
后的网络值；策略评估步骤中，通过更新网络参数来最小化下式，实现对策略的更新：其中，为智能体在t+1时段状态s
t+1
下采取策略得到的值，为智能体在t时段状态s
t
下采取动作a
t
后的值；其中，通过模型参数软更新对DDQN方法进行改进包括：采用下式对网络参数和进行更新：其中，τ为软更新权重；其中，通过PER对DDQN方法进行改进包括：采用PER替换DDQN方法中的随机经验回放。4.根据权利要求3所述的配电系统功率分配方法，其特征在于，所述基于预...

【专利技术属性】
技术研发人员：张彬文，王新迎，李烨，闫冬，
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：