System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及配电网电压控制,尤其涉及一种基于双层深度强化学习的配电网电压控制方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息,不必然构成在先技术。
2、分布式光伏的规模化并网是实现能源结构优化和新型电力系统建设的重要途径。随着光伏并网技术的不断发展和市场需求的不断增加,配电网中光伏并网容量迅速增加,高渗透率光伏的接入也使电压越限问题愈来愈严重,制约了分布式光伏的就地消纳。同时,由于在节能减排、低碳环保等方面的优势,电动汽车得到了世界各国的广泛关注,并随着电池设备、充电技术及相关配套设施的不断完善,电动汽车的普及率也逐渐升高。电动汽车充电负荷受用户需求、用户习惯和设备特性等多种因素影响具有复杂特性,在空间和时间上不确定性强。大量充电负荷无序接入配电网时会造成系统负荷峰谷差增加、电能质量降低、系统网损增加、电力资源浪费等负面影响,不利于电力系统的安全稳定运行,对电力系统的运行和控制提出更高要求。因此,通过对电动汽车充电负荷进行有效引导,与光伏逆变器、无功补偿装置等设备进行协同控制为解决以上配电网电压控制等问题提供了新的思路和方案。
3、通过制定分时电价和调节实时电价能够在较长时间尺度实现充电负荷转移和改变,减小配电网日内峰谷差,充分利用可再生能源出力;在较短时间尺度可以通过快速调整光伏逆变器或无功补偿装置进行电压控制,长、短两个时间尺度的协同控制能够在实现配电网安全运行的同时充分利用可再生能源,有利于配电网安全稳定运行,但多时间尺度协同控制问题也将成为未来研究的热点问题。<
...【技术保护点】
1.一种基于双层深度强化学习的配电网电压控制方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于双层深度强化学习的配电网电压控制方法,其特征在于,电力数据包括电动汽车无序充电负荷数据、各区域负荷数据、光伏预测出力数据、光伏逆变器容量和无功补偿装置容量。
3.如权利要求1所述的基于双层深度强化学习的配电网电压控制方法,其特征在于,电动汽车有序充电模型构建的具体步骤为:
4.如权利要求3所述的基于双层深度强化学习的配电网电压控制方法,其特征在于,二阶锥规划的约束包括配电网潮流约束、充电费用与收益约束、配电网安全运行约束、逆变器和无功补偿装置运行约束和分时电价约束。
5.如权利要求1所述的基于双层深度强化学习的配电网电压控制方法,其特征在于,电动汽车有序充电模型以配电网网损最小为目标。
6.如权利要求1所述的基于双层深度强化学习的配电网电压控制方法,其特征在于,建立基于近端策略优化的上层强化学习智能体和下层强化学习智能体的具体步骤包括:
7.如权利要求6所述的基于双层深度强化学习的配电网电压控制方法,其特征
8.一种基于双层深度强化学习的配电网电压控制系统,其特征在于,包括:
9.一种计算机可读存储介质,其特征在于,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行权利要求1-7中任一项所述的基于双层深度强化学习的配电网电压控制方法。
10.一种终端设备,其特征在于,包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行权利要求1-7中任一项所述的基于双层深度强化学习的配电网电压控制方法。
...【技术特征摘要】
1.一种基于双层深度强化学习的配电网电压控制方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于双层深度强化学习的配电网电压控制方法,其特征在于,电力数据包括电动汽车无序充电负荷数据、各区域负荷数据、光伏预测出力数据、光伏逆变器容量和无功补偿装置容量。
3.如权利要求1所述的基于双层深度强化学习的配电网电压控制方法,其特征在于,电动汽车有序充电模型构建的具体步骤为:
4.如权利要求3所述的基于双层深度强化学习的配电网电压控制方法,其特征在于,二阶锥规划的约束包括配电网潮流约束、充电费用与收益约束、配电网安全运行约束、逆变器和无功补偿装置运行约束和分时电价约束。
5.如权利要求1所述的基于双层深度强化学习的配电网电压控制方法,其特征在于,电动汽车有序充电模型以配电网网损最小为目标。
6.如权利要求1所述的基于双层深度强化...
【专利技术属性】
技术研发人员:陈健,祁向龙,赵浩然,张文,刘杰,刘景余,
申请(专利权)人:山东大学,
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。