【技术实现步骤摘要】
本专利技术涉及电网无功电压调整，更具体地，涉及基于a3c的新能源场站电压无功下垂系数整定方法及系统。
技术介绍
1、随着电力系统向以新能源为主体的新型电力系统转型，传统的火电机组逐渐被高比例的风电替代，但风电的波动性和不确定性增加了电网潮流波动，可能导致母线电压波动越过安全范围，对风电场和整个系统的安全稳定运行构成严重威胁。因此，风电场需要主动参与电网电压调整。
2、为了实现风电场主动参与电网电压调整，可以采用类似同步发电机的无功电压下垂特性控制方式。具体而言，风电场可以通过无功-电压定斜率控制方式，在其无功能力范围内主动跟踪电网电压的变化。这种方式有助于风电场有效支持电网电压，减少电网潮流波动对系统安全和稳定运行的不利影响。
3、在实际操作中，风电场可以通过调整其无功功率输出来实现无功电压下垂特性的控制。当电网电压下降时，风电场可以增加其无功功率输出以支撑电网电压；当电网电压上升时，风电场可以减少其无功功率输出以维持电网电压的稳定。通过这种方法，风电场能够有效地调节电网电压，提高整个电力系统的安全和稳定性能。
4、目前，针对电源无功电压下垂系数的优化整定，通常采用启发式算法。然而，这些算法在解决高维度的下垂系数优化问题时存在明显局限，容易陷入局部最优解，而且缺乏记忆性，需要每次重新搜索。因此，当前技术急需一种新的解决方案来应对上述问题。
5、此外，当前的整定方法还存在以下问题需要解决：1)如何使风电场最大限度地利用其一次调压能力，以提供对电力系统的无功电压支持；2)如何协调传统的
技术实现思路
1、本专利技术技术方案提供一种基于a3c的新能源场站电压无功下垂系数整定方法及系统，以解决如何基于a3c对新能源场站电压无功下垂系数进行整定的问题。
2、为了解决上述问题，本专利技术提供一种基于a3c的新能源场站电压无功下垂系数整定方法，所述方法包括：
3、采用两参数的韦伯分布建立风速不确定模型，采用正态分布建立负荷不确定模型；对所述风速不确定模型和所述负荷不确定模型进行抽样生成多个场景，对多个场景进行排序，使得风电与负荷变量之间满足相关性；
4、构建基于a3c网络的回报函数，所述回报函数中的actor网络负责根据当前电源状态选择无功电压下垂系数作为动作，所述a3c网络中的actor网络负责根据当前电源状态选择动作，critic网络则负责评估选择出动作的质量；
5、基于critic网络评估的质量，对电压的实际值与期望值之间的差距进行评分，将获取的评分最大值作为电源调节策略。
6、优选地，所述采用两参数的韦伯分布建立风速不确定模型，所述风速不确定模型采用概率密度函数f(v)表示：
7、
8、式中，v表示风速、k和c分别表示分布的形状和尺寸参数。
9、优选地，所述风速不确定模型用于将风电机组有功功率与风速之间的关系通过近似线性化表示为：
10、
11、其中，vci、vr和vco分别为风电机组的启动、额定和切出风速，pr为风电机组的额定容量。
12、优选地，所述负荷不确定模型采用有功负荷的概率密度函数表示：
13、
14、式中，pl、μp和σp分别代表负荷的有功功率、期望值以及标准差。
15、优选地，所述电源状态通过电源发出的无功与端电压之间的关系表示：
16、vt＝vref-xciq
17、其式中，vref为给定的电压参考值，xc为电源的无功电压下垂系数，iq为无功电流。
18、优选地，所述a3c网络的回报函数表示为：
19、
20、其中，n为电网中电压监测节点的个数；m为运行场景个数，λ为权重值；vij为第i个电压监测节点在第j个场景的电压，ρj为第j个场景发生的概率，vi.avg为第i个电压监测节点在m个场景中的电压平均值，为第i个电压监测节点在第j个场景的电压越限情况，电压越限时等于1，不越限时等于0。
21、基于本专利技术的另一方面，本专利技术提供一种基于a3c的新能源场站电压无功下垂系数整定系统，所述系统包括：
22、初始单元，用于采用两参数的韦伯分布建立风速不确定模型，采用正态分布建立负荷不确定模型；对所述风速不确定模型和所述负荷不确定模型进行抽样生成多个场景，对多个场景进行排序，使得风电与负荷变量之间满足相关性；
23、执行单元，用于构建基于a3c网络的回报函数，所述回报函数中的actor网络负责根据当前电源状态选择无功电压下垂系数作为动作，所述a3c网络中的actor网络负责根据当前电源状态选择动作，critic网络则负责评估选择出动作的质量；
24、结果单元，用于基于critic网络评估的质量，对电压的实际值与期望值之间的差距进行评分，将获取的评分最大值作为电源调节策略。
25、优选地，所述采用两参数的韦伯分布建立风速不确定模型，所述风速不确定模型采用概率密度函数f(v)表示：
26、
27、式中，v表示风速、k和c分别表示分布的形状和尺寸参数。
28、优选地，所述风速不确定模型用于将风电机组有功功率与风速之间的关系通过近似线性化表示为：
29、
30、其中，vci、vr和vco分别为风电机组的启动、额定和切出风速，pr为风电机组的额定容量。
31、优选地，所述负荷不确定模型采用有功负荷的概率密度函数表示：
32、
33、式中，pl、μp和σp分别代表负荷的有功功率、期望值以及标准差。
34、优选地，所述电源状态通过电源发出的无功与端电压之间的关系表示：
35、vt＝vref-xciq
36、其式中，vref为给定的电压参考值，xc为电源的无功电压下垂系数，iq为无功电流。
37、优选地，所述a3c网络的回报函数表示为：
38、
39、其中，n为电网中电压监测节点的个数；m为运行场景个数，λ为权重值；vij为第i个电压监测节点在第j个场景的电压，ρj为第j个场景发生的概率，vi.avg为第i个电压监测节点在m个场景中的电压平均值，为第i个电压监测节点在第j个场景的电压越限情况，电压越限时等于1，不越限时等于0。
40、本专利技术技术方案提供了一种基于a3c的新能源场站电压无功下垂系数整定方法及系统，其中方法包括：采用两参数的韦伯分布建立风速不确定模型，采用正态分布建立负荷不确定模型；对风速不确定模型和负荷不确定模型进行抽样生成多个场景，对多个场景进行排序，使得风电与负荷变量之间满足相关性；构建基于a3c网络的回报函数，回报函数中的actor网络负责根据当前电源状态选择动作，a3c网络中的a本文档来自技高网...
【技术保护点】
1.一种基于A3C的新能源场站电压无功下垂系数整定方法，所述方法包括：
2.根据权利要求1所述的方法，所述采用两参数的韦伯分布建立风速不确定模型，所述风速不确定模型采用概率密度函数f(v)表示：
3.根据权利要求2所述的方法，所述风速不确定模型用于将风电机组有功功率与风速之间的关系通过近似线性化表示为：
4.根据权利要求1所述的方法，所述负荷不确定模型采用有功负荷的概率密度函数表示：
5.根据权利要求1所述的方法，所述电源状态通过电源发出的无功与端电压之间的关系表示：
6.根据权利要求1所述的方法，所述A3C网络的回报函数表示为：
7.一种基于A3C的新能源场站电压无功下垂系数整定系统，所述系统包括：
8.根据权利要求7所述的系统，所述采用两参数的韦伯分布建立风速不确定模型，所述风速不确定模型采用概率密度函数f(v)表示：
9.根据权利要求8所述的系统，所述风速不确定模型用于将风电机组有功功率与风速之间的关系通过近似线性化表示为：
10.根据权利要求7所述的系统，所述负荷不
11.根据权利要求7所述的系统，所述电源状态通过电源发出的无功与端电压之间的关系表示：
12.根据权利要求7所述的系统，所述A3C网络的回报函数表示为：
...【技术特征摘要】
1.一种基于a3c的新能源场站电压无功下垂系数整定方法，所述方法包括：
2.根据权利要求1所述的方法，所述采用两参数的韦伯分布建立风速不确定模型，所述风速不确定模型采用概率密度函数f(v)表示：
3.根据权利要求2所述的方法，所述风速不确定模型用于将风电机组有功功率与风速之间的关系通过近似线性化表示为：
4.根据权利要求1所述的方法，所述负荷不确定模型采用有功负荷的概率密度函数表示：
5.根据权利要求1所述的方法，所述电源状态通过电源发出的无功与端电压之间的关系表示：
6.根据权利要求1所述的方法，所述a3c网络的回报函数表示为：
<...【专利技术属性】
技术研发人员：赵高尚，刘道伟，李柏青，杨红英，宋墩文，杨学涛，杜三恩，陈勇，许鹏飞，刘开欣，封一贤，冯静，谢家正，肖项涛，
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：
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。