电网调度方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种电网调度方法、装置、设备及存储介质，涉及人工智能技术领域。所述方法包括：获取电网系统在第t时刻的状态结构图和策略动作；根据电网系统在第t时刻的状态结构图和策略动作，获取电网系统在第t+1时刻的预测线路潮流，该预测线路潮流是指线路的潮流的预测值；根据电网系统在第t+1时刻的安全潮流和预测线路潮流，对策略网络进行训练，得到训练后的策略网络，该安全潮流是线路所允许的最大潮流，训练后的策略网络用于生成电网系统对应的策略动作。本申请实施例提供的技术方案，通过基于安全潮流和预测线路潮流，对策略网络进行训练，使得策略网络能够学习线路所允许的最大潮流，从而提高了策略网络的安全能力。力。力。

【技术实现步骤摘要】
电网调度方法、装置、设备及存储介质


[0001]本申请实施例涉及人工智能
，特别涉及一种电网调度方法、装置、设备及存储介质。

技术介绍

[0002]智能电网(Smart Power Grid)是一种新型的电力系统，其基于信息技术和通信技术，对电路系统进行智能化升级。随着人工智能技术的发展，机器学习技术被尝试应用于智能电网的调度场景中。
[0003]在相关技术中，采用深度学习和强化学习的数据驱动方法，利用历史电网数据和仿真器在智慧电网场景中，迭代得到最优策略动作(即调度方法)。然而相关技术由于只能通过奖励指导策略动作学习，从而导致所学习到的策略动作仍然有较高风险违反电网安全约束，策略动作的安全性不够高。

技术实现思路

[0004]本申请实施例提供了一种电网调度方法、装置、设备及存储介质，能够提高策略网络的安全能力，从而提高策略动作的安全性。所述技术方案如下：
[0005]根据本申请实施例的一个方面，提供了一种电网调度方法，所述方法包括：
[0006]获取电网系统在第t时刻的状态结构图和策略动作，所述状态结构图以所述电网系统中的总线为节点，以所述总线之间的线路为关系边，所述策略动作用于对所述电网系统进行调度，t为整数；
[0007]根据所述电网系统在第t时刻的状态结构图和策略动作，获取所述电网系统在第t+1时刻的预测线路潮流，所述预测线路潮流是指所述线路的潮流的预测值；
[0008]根据所述电网系统在第t+1时刻的安全潮流和预测线路潮流，对策略网络进行训练，得到训练后的策略网络，所述安全潮流是所述线路所允许的最大潮流，所述训练后的策略网络用于生成所述电网系统对应的策略动作。
[0009]根据本申请实施例的一个方面，提供了一种电网调度装置，所述装置包括：
[0010]输入数据获取模块，用于获取电网系统在第t时刻的状态结构图和策略动作，所述状态结构图以所述电网系统中的总线为节点，以所述总线之间的线路为关系边，所述策略动作用于对所述电网系统进行调度，t为整数；
[0011]预测潮流获取模块，用于根据所述电网系统在第t时刻的状态结构图和策略动作，获取所述电网系统在第t+1时刻的预测线路潮流，所述预测线路潮流是指所述线路的潮流的预测值；
[0012]策略网络训练模块，用于根据所述电网系统在第t+1时刻的安全潮流和预测线路潮流，对策略网络进行训练，得到训练后的策略网络，所述安全潮流是所述线路所允许的最大潮流，所述训练后的策略网络用于生成所述电网系统对应的策略动作。
[0013]根据本申请实施例的一个方面，提供了一种计算机设备，所述计算机设备包括处
理器和存储器，所述存储器中存储有计算机程序，所述计算机程序由所述处理器加载并执行以实现上述电网调度方法。
[0014]根据本申请实施例的一个方面，提供了一种计算机可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序由处理器加载并执行以实现上述电网调度方法。
[0015]根据本申请实施例的一个方面，提供了一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机程序，处理器执行该计算机程序，使得该计算机设备执行上述电网调度方法。
[0016]本申请实施例提供的技术方案可以包括如下有益效果：
[0017]通过基于电网系统的状态结构图和策略动作，预测得到电网系统在下一状态的预测线路潮流，再基于电网系统在下一状态的安全潮流和预测线路潮流，对策略网络进行训练，使得策略网络能够学习线路所允许的最大潮流，从而提高了策略网络的安全能力，进而提高了策略动作的安全性。
附图说明
[0018]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0019]图1是本申请一个实施例提供的方案实施环境的示意图；
[0020]图2是本申请一个实施例提供的动力学模型的结构示意图；
[0021]图3是本申请一个实施例提供的电网调度方法的流程图；
[0022]图4是本申请一个实施例提供的状态结构图和策略动作的获取方法的流程图；
[0023]图5是本申请一个实施例提供的电网拓扑结构的示意图；
[0024]图6是本申请一个实施例提供的节点特征矩阵和邻接矩阵的示意图；
[0025]图7是本申请另一个实施例提供的电网调度方法的流程图；
[0026]图8是本申请一个实施例提供的电网调度装置的框图；
[0027]图9是本申请另一个实施例提供的电网调度装置的框图；
[0028]图10是本申请一个实施例提供的计算机设备的框图。
具体实施方式
[0029]为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
[0030]人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
[0031]人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
[0032]机器学习(Machine Learning，ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、示教学习等技术。
[0033]本申请实施例提供的技术方案涉及人工智能的机器学习技术，在训练阶段，利用机器学习技术对电网系统对应的策略网络和动力学模型进行迭代训练，以得到训练后的策略网络和训练后的动力学模型。在测试阶段，再利用训练后的动力学模型的输出(预测线路潮流)，继续对训练后的策略网络的输出(策略动作)进行优化，从而得到最优策略动作。
[0034]本申请实施例提供的方法，各步骤的执行主体可以是计算机设备，该计算机设备本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电网调度方法，其特征在于，所述方法包括：获取电网系统在第t时刻的状态结构图和策略动作，所述状态结构图以所述电网系统中的总线为节点，以所述总线之间的线路为关系边，所述策略动作用于对所述电网系统进行调度，t为整数；根据所述电网系统在第t时刻的状态结构图和策略动作，获取所述电网系统在第t+1时刻的预测线路潮流，所述预测线路潮流是指所述线路的潮流的预测值；根据所述电网系统在第t+1时刻的安全潮流和预测线路潮流，对策略网络进行训练，得到训练后的策略网络，所述安全潮流是所述线路所允许的最大潮流，所述训练后的策略网络用于生成所述电网系统对应的策略动作。2.根据权利要求1所述的方法，其特征在于，所述根据所述电网系统在第t+1时刻的安全潮流和预测线路潮流，对策略网络进行训练，得到训练后的策略网络，包括：基于所述策略动作，获取第一子损失，所述第一子损失用于表征采用所述策略动作调度所述电网系统的合理性；基于所述电网系统在所述第t+1时刻的安全潮流和预测线路潮流之间的差异，获取第二子损失；对所述第一子损失和所述第二子损失进行求和，得到总训练损失；根据所述总训练损失对所述策略网络的参数进行调整，得到训练后的策略网络。3.根据权利要求1所述的方法，其特征在于，所述根据所述电网系统在第t时刻的状态结构图和策略动作，获取所述电网系统在第t+1时刻的预测线路潮流，包括：获取所述状态结构图对应的节点特征矩阵和邻接矩阵，所述节点特征矩阵包括所述状态结构图中各个节点的状态特征表示，所述邻接矩阵用于表征所述状态结构图中各个节点之间的邻接关系；对所述节点特征矩阵和所述策略动作进行拼接，得到输入表示；根据所述输入表示和所述邻接矩阵，获取所述电网系统在所述第t+1时刻的预测线路潮流。4.根据权利要求3所述的方法，其特征在于，所述预测线路潮流由动力学模型预测得到，所述动力学模型包括特征提取网络和特征融合网络；所述根据所述输入表示和所述邻接矩阵，获取所述电网系统在所述第t+1时刻的预测线路潮流，包括：对所述输入表示和所述邻接矩阵进行相乘，得到最终输入表示；通过所述特征提取网络对所述最终输入表示进行特征提取，得到所述状态结构图中各个节点的隐藏特征表示；通过所述特征融合网络对所述各个节点的隐藏特征表示进行融合，得到所述预测线路潮流。5.根据权利要求4所述的方法，其特征在于，所述通过所述特征融合网络对所述各个节点的隐藏特征表示进行融合，得到所述预测线路潮流，包括：获取所述状态结构图对应的遮蔽矩阵，所述遮蔽矩阵用于表征所述线路的通断情况；通过所述特征融合网络根据所述遮蔽矩阵，将所述状态结构图中相邻节点的隐藏特征表示融合到所述相邻节点对应的关系边上，得到初步预测线路潮流；
对所述初步预测线路潮流进行非线性激活，得到所述预测线路潮流。6.根据权利要求1所述的方法，其特征在于，所述获取电网系统在第t时刻的状态结构图和策略动作，包括：获取所述电网系统在所述第t时刻的内部状态信息和外部状态信息，所述内部状态信息是指受所述策略动作影响的状态信息，所述外部状态信息是指所述策略动作无法影响的状态信息；基于所述电网系统在所述第t时刻的内部状态信息，获取所述状态结...

【专利技术属性】
技术研发人员：刘浏，赵沛霖，刘子轩，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：