一种多类型资源复合调频模型的构建方法及装置制造方法及图纸

技术编号:38239411 阅读:8 留言:0更新日期:2023-07-25 18:03
本发明专利技术提供一种多类型资源复合调频模型的构建方法及装置。该方法基于强化学习构建的多类型资源复合调频模型,可用于基于电网频率调节需求输出各储能、可调负荷的有功功率调节策略。解决了传统确定性建模与控制策略难以满足储能、可调负荷参与电网频率调节控制的问题。从有限的实际运行样本中通过仿真的方式扩充训练样本集,提高了多类型资源复合调频模型的准确性。基于强化学习的储能与可调负荷协调优化知识模型,提出典型控制场景下的优化调节策略,构建典型控制场景、控制需求下多类型储能与可调负荷协调优化策略集。多类型资源复合调频模型基于聚类得到的典型场景进行训练,匹配典型应用场景,减少了无效数据,提高了频率调整精确度。调整精确度。调整精确度。

【技术实现步骤摘要】
一种多类型资源复合调频模型的构建方法及装置


[0001]本专利技术涉及电网有功频率调节
,尤其涉及一种多类型资源复合调频模型的构建方法及装置。

技术介绍

[0002]大力发展可再生绿色能源,增强广域电力输送能力,将是电力系统未来发展的主要趋势。未来电网“高比例可再生能源、高比例电力电子接口”的特征愈加明显。一方面在能源供给侧大量清洁能源将替代传统常规能源,电网向高占比新能源电力系统演进;另一方面在能源消费侧,电动汽车、电采暖、地源热泵以及冰蓄冷等多元负荷资源不断涌现。电动汽车、柔性负荷等用能终端的出现使负荷侧用能规律多变、接口特性多样化,与新能源的随机性、间歇性和波动性共同作用使得系统平衡难度加大,实时电网频率控制成为未来系统运行的难点之一。
[0003]负荷将逐渐呈现能源消费和供给的双重角色,因此亟需挖掘引导各类可调节资源参与电网调频,增加电网调节资源、保障电力系统安全稳定和支撑清洁能源消纳。不同类型储能与可调节负荷控制特性差异大,并且可调节负荷控制响应过程离散程度高、控制不确定性大,采用传统确定性建模与控制策略很难满足协调控制要求。

技术实现思路

[0004]本专利技术实施例提供了一种多类型资源复合调频模型的构建方法及装置,以解决传统确定性建模与控制策略难以满足储能、可调负荷参与电网频率调节控制的问题。
[0005]第一方面,本专利技术实施例提供了一种多类型资源复合调频模型的构建方法,包括:
[0006]基于电网的历史运行数据获得训练集,其中,所述电网包括多种类型的储能和可调负荷,所述历史运行数据包括各储能和可调负荷的有功功率、电网的有功频率。
[0007]基于所述电网构建强化学习模型,其中,以各储能和可调负荷的有功功率作为强化学习模型的状态集,以各储能和可调负荷的有功功率的调整量作为强化学习模型的动作集。
[0008]以所述训练集作为环境训练所述强化学习模型,获得多类型资源复合调频模型,其中,所述强化学习模型的奖励函数包括所述调整量在所述训练集中对应的电网有功频率变化。
[0009]在一种可能的实现方式中,所述基于电网的历史运行数据获得训练集包括:
[0010]获取电网的历史运行数据。
[0011]基于电网的历史运行数据校验电网的仿真模型,获得校验后的仿真模型。
[0012]基于所述校验后的仿真模型,生成模拟运行数据,其中,所述模拟运行数据包括各储能和可调负荷在不同有功功率的调整量时对应的所述电网的有功频率变化。
[0013]基于所述历史运行数据和所述模拟运行数据获得训练集。
[0014]在一种可能的实现方式中,所述基于所述历史运行数据和所述模拟运行数据获得
训练集包括:对所述历史运行数据和所述模拟运行数据中各储能和可调负荷的有功功率的调整量、电网的有功频率变化进行聚类,获得训练集。
[0015]在一种可能的实现方式中,在获取电网的历史运行数据之后还包括:对所述历史运行数据中电网的有功频率进行聚类,获得电网的多个典型运行场景。
[0016]相应的,所述基于所述校验后的仿真模型,生成模拟运行数据包括:基于所述校验后的仿真模型,生成电网在各典型运行场景下的模拟运行数据,其中,所述模拟运行数据包括电网在各典型运行场景下,各储能和可调负荷在不同有功功率的调整量时对应的所述电网的有功频率变化。
[0017]在一种可能的实现方式中,所述强化学习模型的奖励函数还包括:各储能和可调负荷的调整量对应的调频成本、调节容量以及电网调频响应速度。
[0018]第二方面,本专利技术实施例提供了一种多类型资源复合调频模型的应用方法,基于第一方面中任一项可能的实现方式所述构建方法得到的多类型资源复合调频模型,所述应用方法包括:
[0019]对所述历史运行数据中电网的有功频率变化进行聚类,获得电网的多个典型有功频率调节需求。
[0020]基于各所述典型有功频率调节需求,通过所述多类型资源复合调频模型,获得对应的有功频率调节策略集。
[0021]第三方面,本专利技术实施例提供了一种多类型资源复合调频模型的构建装置,包括:
[0022]训练集获得模块,用于基于电网的历史运行数据获得训练集,其中,所述电网包括多种类型的储能和可调负荷,所述历史运行数据包括各储能和可调负荷的有功功率、电网的有功频率。
[0023]模型构建模块,用于基于所述电网构建强化学习模型,其中,以各储能和可调负荷的有功功率作为强化学习模型的状态集,以各储能和可调负荷的有功功率的调整量作为强化学习模型的动作集。
[0024]模型训练模块,用于以所述训练集作为环境训练所述强化学习模型,获得多类型资源复合调频模型,其中,所述强化学习模型的奖励函数包括所述调整量在所述训练集中对应的电网有功频率变化。
[0025]在一种可能的实现方式中,所述训练集获得模块包括:
[0026]数据获取单元,用于获取电网的历史运行数据。
[0027]校验单元,用于基于电网的历史运行数据校验电网的仿真模型,获得校验后的仿真模型。
[0028]数据生成单元,用于基于所述校验后的仿真模型,生成模拟运行数据,其中,所述模拟运行数据包括各储能和可调负荷在不同有功功率的调整量时对应的所述电网的有功频率变化。
[0029]训练集获得单元,用于基于所述历史运行数据和所述模拟运行数据获得训练集。
[0030]第四方面,本专利技术实施例提供了一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
[0031]第五方面,本专利技术实施例提供了一种计算机可读存储介质,所述计算机可读存储
介质存储有计算机程序,所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
[0032]本专利技术实施例提供一种多类型资源复合调频模型的构建方法及装置,该构建方法包括:基于电网的历史运行数据获得训练集,其中,电网包括多种类型的储能和可调负荷,历史运行数据包括各储能和可调负荷的有功功率、电网的有功频率。基于电网构建强化学习模型,其中,以各储能和可调负荷的有功功率作为强化学习模型的状态集,以各储能和可调负荷的有功功率的调整量作为强化学习模型的动作集。以训练集作为环境训练强化学习模型,获得多类型资源复合调频模型,其中,强化学习模型的奖励函数包括调整量在训练集中对应的电网有功频率变化。本专利技术基于强化学习,将各储能和可调负荷的有功功率作为状态集、有功功率调整量作为动作集,将基于电网历史运行数据形成的训练集作为环境,将有功功率调整量对应的电网有功频率变化作为奖励函数,构建基于强化学习的多类型资源复合调频模型。上述模型可用于基于电网频率调节需求输出各储能、可调负荷的有功功率调节策略。解决了传统确定性建模与控制策略难以满足储能、可调负荷参与电网频率调节控制的问题。
附图说明
[00本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种多类型资源复合调频模型的构建方法,其特征在于,包括:基于电网的历史运行数据获得训练集,其中,所述电网包括多种类型的储能和可调负荷,所述历史运行数据包括各储能和可调负荷的有功功率、电网的有功频率;基于所述电网构建强化学习模型,其中,以各储能和可调负荷的有功功率作为强化学习模型的状态集,以各储能和可调负荷的有功功率的调整量作为强化学习模型的动作集;以所述训练集作为环境训练所述强化学习模型,获得多类型资源复合调频模型,其中,所述强化学习模型的奖励函数包括所述调整量在所述训练集中对应的电网有功频率变化。2.根据权利要求1所述的多类型资源复合调频模型的构建方法,其特征在于,所述基于电网的历史运行数据获得训练集包括:获取电网的历史运行数据;基于电网的历史运行数据校验电网的仿真模型,获得校验后的仿真模型;基于所述校验后的仿真模型,生成模拟运行数据,其中,所述模拟运行数据包括各储能和可调负荷在不同有功功率的调整量时对应的所述电网的有功频率变化;基于所述历史运行数据和所述模拟运行数据获得训练集。3.根据权利要求2所述的多类型资源复合调频模型的构建方法,其特征在于,所述基于所述历史运行数据和所述模拟运行数据获得训练集包括:对所述历史运行数据和所述模拟运行数据中各储能和可调负荷的有功功率的调整量、电网的有功频率变化进行聚类,获得训练集。4.根据权利要求2所述的多类型资源复合调频模型的构建方法,其特征在于,在获取电网的历史运行数据之后还包括:对所述历史运行数据中电网的有功频率进行聚类,获得电网的多个典型运行场景;相应的,所述基于所述校验后的仿真模型,生成模拟运行数据包括:基于所述校验后的仿真模型,生成电网在各典型运行场景下的模拟运行数据,其中,所述模拟运行数据包括电网在各典型运行场景下,各储能和可调负荷在不同有功功率的调整量时对应的所述电网的有功频率变化。5.根据权利要求1所述的多类型资源复合调频模型的构建方法,其特征在于,所述强化学习模型的奖励函数还包括:各储能和可调负荷的调整量对应的调频成本、调节容量以及电网调频响应速度。6.一...

【专利技术属性】
技术研发人员:梁纪峰戎士洋曾四鸣姜山李先妹于腾凯王蕾报
申请(专利权)人:国网河北能源技术服务有限公司国家电网有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1