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】
本专利技术涉及电力系统领域,更具体的,涉及一种基于改进多智能体的配电网无功优化调度方法及系统。
技术介绍
1、随着新能源大规模并网、电力市场的纵深发展以及电力负荷需求不断提高,如何保障电力供应质量和提高电网运行效益成为了新型电力系统发展的重要方向之一。
2、无功调度是电力系统中的重要部分。通常来说,如果系统的无功不足,将使电压水平低下,一些工厂和家庭的电器就不能正常运行,而且系统一旦发生扰动,就可能使电压低于临界电压,产生电压崩溃,从而导致系统因失去同步而瓦解的灾难性事故。此外,系统无功过剩会使电压过高,危害系统和设备的安全。另外,系统无功的不合理流动,会使线路的压降增大、线路的损耗增加、供电的经济性下降。
3、通过对电力系统的无功进优化配置和调度,不仅可以维持电压水平、维持电网电压稳定和提高电力系统运行的稳定性、提高电网运行效率、降低有功网损和无功网损,同时也是指导调度人员安排运行方式和进行电网无功优化规划不可或缺的工具。无功优化对于节省电能、改善电压质量、提高电网的可靠运行,具有重要的现实意义和显著的经济效益。
4、目前,无功优化的研究主要集中在两个方面。一方面,现有技术通过建立数学模型来反映系统的实际情况。例如,通过目标函数和多种约束条件接近电力系统运行情况,如计及电压稳定性、多种运行状态、考虑规划投资、长期无功规划的模型等。另一方面,现有技术对求解过程中遇到的求解时间长、易产生局部最优解和“维数灾”等问题进行改进,提出了各种不同的求解方法。
5、然而,传统的无功调度方法仍然
6、针对上述问题,亟需一种基于改进多智能体的配电网无功优化调度方法及系统。
技术实现思路
1、为解决现有技术中存在的不足,本专利技术提供一种基于改进多智能体的配电网无功优化调度方法及系统,通过对考虑多类可调控资源群体的配电网优化调度问题进行建模,设计适应多智能体环境的配电网无功优化调度模型,提出基于最优潮流先验知识的改进,提高多智能体全局寻优速度。
2、本专利技术采用如下的技术方案。
3、本专利技术第一方面,涉及一种基于改进多智能体的配电网无功优化调度方法,方法包括以下步骤:步骤1,对配电网中微型燃气轮机、光伏逆变器和静止无功补偿器进行建模,获取以运行成本最小为配电网日内优化目标的目标函数及运行约束条件;步骤2,以微型燃气轮机、分布式光伏和静止无功补偿器作为多智能体,利用所述多智能体的有功出力、无功出力、出力价格和邻接节点潮流构建强化学习的状态空间的表达式、执行动作的表达式和奖励函数的表达式;步骤3,基于配电网无功调度模型的预调度结果获取多智能体的先验知识,采用先验知识,依据所述目标函数及运行约束条件,利用所述强化学习的状态空间的表达式、执行动作的表达式和奖励函数的表达式对多智能体进行训练以获取多智能体的参考执行动作;步骤4,利用深度确定性策略梯度算法获取参考执行动作,并构建多智能体的策略集,在每次迭代过程中计算每个智能体的策略梯度,当梯度小于阈值或梯度为0或迭代次数超过预设次数时基于每个智能体的策略获取配电网无功优化的最优方案。
4、优选的,配电网日内优化目标为
5、f=min{f1+f2+f3+f4}
6、式中,f1为无功平衡成本、f2为有功网损成本、f3为电压波动惩罚成本,f4为弃光惩罚成本。
7、优选的,配电网日内优化目标中,配电网系统运行的成本包括:
8、
9、式中,cg、cpv和cr分别为微型燃气轮机g、分布式光伏pv和静止无功补偿器装置的无功功率出力成本单价,和分别为t时刻各主体资源在n节点的无功出力,ng、npv、nr分别为各主体资源分布的节点总数,t为预测总时刻的数量;
10、
11、
12、式中,cl为配电网有功网损成本单价,m为配电网支路总数,和分别表示为t时刻节点i和节点j的电压幅值,和`分别表示为t时刻节点i和节点j的电压相角,rm和xm分别表示为节点i和节点j的之间第m段支路的线路电阻和电抗;
13、
14、
15、式中,cv为配电网电压越限惩罚系数,δun,t为t时刻n节点电压偏差值,和分别表示为第n节点电压的最小限额和最大限额,un,t表示为t时刻第n节点的电压值,n为配电网节点总数;
16、
17、式中,cq为配电网分布式光伏弃光惩罚成本单价,和分别表示为t时刻分布式光伏在第n节点的预测最大出力和实际调度出力。
18、优选的,运行约束条件包括潮流约束、电压幅值约束、分布式光伏出力约束、静止无功补偿器出力约束和微型燃气轮机出力约束。
19、优选的,强化学习采用马尔科夫博弈模型,利用步骤1中获取的多智能体模型获取所述马尔科夫博弈模型的状态空间、动作执行、环境模型以及奖励函数。
20、优选的,马尔科夫博弈模型的状态空间为:
21、
22、式中,当前分布式光伏、微型燃气轮机、无功调节补偿设备的状态子空间分别为:
23、
24、
25、
26、式中,t为观测时刻,t-1为观测前一时刻;
27、和分别为当前节点n在t时刻的有功网损和无功负荷;
28、和分别为当前节点n在t时刻观测范围内k个相邻节点的有功网损和无功负荷;
29、pn,k,t和qn,k,t分别为当前节点n在t时刻观测范围内k个相邻节点的有功功率和无功功率。
30、优选的,在状态空间中,分布式光伏的有功出力中包括服从正态分布的光伏出力误差;节点负荷有功出力服从正态分布。
31、优选的,t时段下多智能体的执行动作为:
32、
33、式中,当前分布式光伏、微型燃气轮机、无功调节补偿设备的子动作分别为:
34、
35、
36、
37、优选的,多智能体的奖励函数为:
38、
39、
40、式中,βi,i∈[1,4]为各奖励信号的权重系数,
41、ξp为智能体动作越限惩罚项,
42、αi,i∈[1,2]为平衡系数,
43、amax和amin分别为智能体动作越限的上限和下限。
44、优选的,通过最优潮流算法对配电网无功调度模型进行滚动求解,将得到的预调度结果转化为多智能体的状态值、动作值信息;将所述多智能体的状态值、动作值信息与当前调度方案相关联,构建所述先验知识。
45、优选的,采用先验知识对所述多智能体进行训练以获取所述多智能体的参考执行动作,还包括:
46、当随机值runi大于衰减函数值ε(l)时,不生成所述参考执行动作;
47、当本文档来自技高网...
【技术保护点】
1.一种基于改进多智能体的配电网无功优化调度方法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的一种基于改进多智能体的配电网无功优化调度方法,其特征在于:
3.根据权利要求2所述的一种基于改进多智能体的配电网无功优化调度方法,其特征在于:
4.根据权利要求2所述的一种基于改进多智能体的配电网无功优化调度方法,其特征在于:
5.根据权利要求2所述的一种基于改进多智能体的配电网无功优化调度方法,其特征在于:
6.根据权利要求5所述的一种基于改进多智能体的配电网无功优化调度方法,其特征在于:
7.根据权利要求6所述的一种基于改进多智能体的配电网无功优化调度方法,其特征在于:
8.根据权利要求5所述的一种基于改进多智能体的配电网无功优化调度方法,其特征在于:
9.根据权利要求8所述的一种基于改进多智能体的配电网无功优化调度方法,其特征在于:
10.根据权利要求5所述的一种基于改进多智能体的配电网无功优化调度方法,其特征在于:
11.根据权利要求10所述的一
12.根据权利要求11所述的一种基于改进多智能体的配电网无功优化调度方法,其特征在于:
13.一种利用权利要求1-12任一项权利要求所述方法的基于改进多智能体的配电网无功优化调度系统,其特征在于:
14.一种终端,包括处理器及存储介质;其特征在于:
15.计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-12任一项所述方法的步骤。
...【技术特征摘要】
1.一种基于改进多智能体的配电网无功优化调度方法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的一种基于改进多智能体的配电网无功优化调度方法,其特征在于:
3.根据权利要求2所述的一种基于改进多智能体的配电网无功优化调度方法,其特征在于:
4.根据权利要求2所述的一种基于改进多智能体的配电网无功优化调度方法,其特征在于:
5.根据权利要求2所述的一种基于改进多智能体的配电网无功优化调度方法,其特征在于:
6.根据权利要求5所述的一种基于改进多智能体的配电网无功优化调度方法,其特征在于:
7.根据权利要求6所述的一种基于改进多智能体的配电网无功优化调度方法,其特征在于:
8.根据权利要求5所述的一种基于改进多智能体的配电网无功优化调...
【专利技术属性】
技术研发人员:邓叶航,窦迅,李佳承,杨函煜,牛鹏艺,王顺江,楚天丰,于同伟,闫振宏,刘劲松,李正文,
申请(专利权)人:南京工业大学,
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。