基于改进深度强化学习的电力负荷模型参数辨识方法技术

本发明专利技术公开了一种基于改进深度强化学习的电力负荷模型参数辨识方法，属于电力负荷辨识技术领域。本发明专利技术方法基于计及配电网阻抗和无功补偿的完整综合负荷模型，确定待辨识的电力负荷参数；然后基于优先经验回放的双向门控循环单元深度确定性策略梯度算法设计电力负荷参数辨识模型；采集电路数据进行模型训练，用训练好的模型进行参数辨识。本发明专利技术在已有电力系统机理模型与数据驱动模型的基础上，通过改进深度强化学习模型对负荷模型参数进行辨识，经验证，本发明专利技术方法能实现准确辨识电力系统负荷模型参数，能提高电力系统负荷模型的拟合精度，有助于优化电网的运行策略，降低运营成本。

【技术实现步骤摘要】

本专利技术属于电力负荷辨识，涉及电力系统负荷模型研究与信息科学交叉融合的技术，具体涉及一种基于改进深度强化学习的电力负荷模型参数辨识方法。

技术介绍

1、

2、电力系统负荷变化是一个非线性、强随机性的时变过程，构建准确的负荷模型并辨识关键参数比较困难。参考文献(陈谦,汤涌,鞠平,等.计及配电网阻抗和无功补偿的完整综合负荷模型的参数辨识[j].中国电机工程学报,2010,30(22):44-50.)在2010年8月公开的技术方案中，构建了如图1所示的考虑配电网阻抗、电动机、静态负荷和电容补偿的综合负荷模型，该方案中基于综合负荷模型只辨识重点参数，其他参数采用典型值。负荷模型中的参数准确度直接影响电力系统运行、规划决策的正确性。近年来国内外接连发生大停电事故造成巨大经济损失，表明仍需探索具有重要经济社会价值的准确负荷模型。负荷模型参数的准确识别对于电力系统的规划、运行和控制等研究至关重要。

3、目前应用于电力系统建模与参数辨识的算法主要分为数据驱动模型与机理驱动模型两大类。数据驱动模型需要采集足够充分的数据以提炼出负荷变化的特征指标，而本文档来自技高网...

【技术保护点】

1.一种基于改进深度强化学习的电力负荷模型参数辨识方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述的步骤一中，待辨识的电力系统综合负荷模型参数包含：定子电抗XS、配电网电抗XD、有功恒阻抗系数ZP、有功恒电流系数IP、有功恒功率系数Pp、无功恒阻抗系数Zq、无功恒电流系数Iq、无功恒功率系数Pq、电容器容抗XC、电动机比例PMP与电动机负载率KL。

3.根据权利要求1所述的方法，其特征在于，所述的步骤二中，所述电力负荷参数辨识模型，通过如下方式产生经验并存放入优先经验回放池中：

4.根据权利要求3所述的方法，其特征在于，所述的步...

【技术特征摘要】

1.一种基于改进深度强化学习的电力负荷模型参数辨识方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述的步骤一中，待辨识的电力系统综合负荷模型参数包含：定子电抗xs、配电网电抗xd、有功恒阻抗系数zp、有功恒电流系数ip、有功恒功率系数pp、无功恒阻抗系数zq、无功恒电流系数iq、无功恒功率系数pq、电容器容抗xc、电动机比例pmp与电动机负载率kl。

3.根据权利要求1所述的方法，其特征在于，所述的步骤二中，所述电力负荷参数辨识模型，通过如下方式产生经验并存放入优先经验回放池中：

4.根据权利要求3所述的方法，其特征在于，所述的步骤二中，时序差分误差计算如下：...

【专利技术属性】
技术研发人员：王莹，张慧妍，凌煦，党杰，马超悦，奚江惠，张勇，金维刚，张海艳，袁鹏，余笑东，赵雄光，
申请(专利权)人：国家电网有限公司华中分部，
类型：发明
国别省市：