主动配电网云-边协同日前调度方法、装置、设备及介质制造方法及图纸

本发明专利技术涉及一种主动配电网云‑边协同日前调度方法、装置、设备及介质，其中，方法包括：在考虑碳排放及主电网交互成本的情况下，以主动配电网日运行成本最优为目标，建立ADN分布式日前经济调度模型；在ADN分布式日前经济调度模型的约束条件下，基于MADDPG算法建立多智能体分布深度强化学习模型；在云服务器对多智能体分布深度强化学习模型进行训练，将训练好的多智能体分布深度强化学习模型发送到各智能体边缘服务器中；在每个控制周期，各智能体边缘服务器根据实时的局部观测信息，采用收到的训练好的多智能体分布深度强化学习模型进行子区域的主动配电网调度控制。本发明专利技术适用于边缘计算量小、通信要求低的ADN运行场景。

【技术实现步骤摘要】

本专利技术涉及配电网边缘计算，特别是涉及一种主动配电网云-边协同日前调度方法、装置、设备及介质。

技术介绍

1、近年来，电力物联网(power iot)与云计算/边缘计算得到了快速发展，为主动配电网(active distribution network,adn)提供了有力支撑，显著提升了adn的整体运行性能。云计算在高效、海量数据处理和资源优化调度等方面具有巨大潜力，但同时也面临长时延和网络依赖、数据安全和隐私风险、计算成本高等问题。边缘计算具有低延迟、带宽占用少、安全性和隐私性强、实时决策和响应等优势。若将二者结合应用于adn运行则能够充分发挥各自优势，提供低延迟、高效能、增强安全和隐私保护、经济性强的综合解决方案。

2、目前集中式控制虽然能够有效提高配电网的运行性能，但同时也存在云端远程控制时延长、网络通信带宽及数据安全要求高、建设使用成本高等缺点，影响了其在弱网络、低算力等配电网基础设施资源有限的场景下应用。相比于集中控制方式，配电网的分布控制在时间延迟、隐私安全、带宽占用、可靠性等诸多方面具有优势。目前多数分布控制均需要智能体间的部分本文档来自技高网...

【技术保护点】

1.一种主动配电网云-边协同日前调度方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的主动配电网云-边协同日前调度方法，其特征在于，所述主动配电网分布式日前经济调度模型的目标函数为：其中，CADN为主动配电网的日运行成本，CADN,n为智能体n的日运行成本，Nagent为主动配电网中智能体的总数，Cgrid(t)为t时刻主电网成本，Ces,i(t)为t时刻储能系统i的运行成本，Cgt,j(t)为t时刻燃气发电机j的运行成本，Closs,k(t)为t时刻支路k的网损成本。

3.根据权利要求2所述的主动配电网云-边协同日前调度方法，其特征在于，所述t时刻主电网...

【技术特征摘要】

1.一种主动配电网云-边协同日前调度方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的主动配电网云-边协同日前调度方法，其特征在于，所述主动配电网分布式日前经济调度模型的目标函数为：其中，cadn为主动配电网的日运行成本，cadn,n为智能体n的日运行成本，nagent为主动配电网中智能体的总数，cgrid(t)为t时刻主电网成本，ces,i(t)为t时刻储能系统i的运行成本，cgt,j(t)为t时刻燃气发电机j的运行成本，closs,k(t)为t时刻支路k的网损成本。

3.根据权利要求2所述的主动配电网云-边协同日前调度方法，其特征在于，所述t时刻主电网成本表示为：所述t时刻储能系统i的运行成本表示为：ces,i(t)＝∑ic1coe·abs(pes,i(t))·td；t时刻燃气发电机j的运行成本表示为：t时刻支路k的网损成本表示为：closs,k(t)＝∑kcg(k)·ik(t)2·rk·td；其中，cg(k)为主电网的单位分时电价，ppcc(k)为主电网功率，td为控制周期，为主电网碳排放成本，表示为：cco2为单位碳排放成本，eg(k)为跟踪公共耦合点处单位时间内的碳排放量，表示为：eg(k)＝αco2·ppcc(k)·td，αco2为主电网单位能量的co2排放系数，为跟踪公共耦合点处单位时间内碳排放量的允许值，为主动配电网与主电网交互惩罚成本，表示为：cpenal为交互能量的单位惩罚成本，abs()为取绝对值函数；c1coe为储能的单位能量转换成本，pes,i(t)为t时刻储能系统i的功率；cgt(t)为t时刻燃气发电机单位运行成本，pgt,j(t)为t时刻燃气发电机j的功率，为t时刻燃气发电机j的碳排放成本，表示为：egt,j(t)为t时刻燃气发电机的碳排放量，为燃气发电机单位时间内的碳排放量的允许值，ik(t)为t时刻支路电流，rk为支路电阻。

4.根据权利要求1所述的主动配电网云-边协同日前调度方法，其特征在于，所述主动配电网分布式日前经济调度模型的约束条件包括配电网的潮流约束、主动配电网主节点跟踪公共耦合点处的传输功率约束、储能系统的功率约束、储能系统的能量约束、燃气发电机的输出约束、新能源无功输出约束、智能体n内的各个节点电压约束、以及智能体n内的各个支路功率约束。

5.根据权利要求1所述的主动配电网云-边协同日前调度方法，其特征在于，所述多智能体分布深度强化学习模型的状态空间包括t时刻主动配电网的状态空间st和各智能体n的观测空间其中，t时刻主动配电网的状态空间st表示为：st＝{t,cg,soc,pg,qg,prew,pl,ql,ut,st}，其中，t为时间，cg为主电网的单位分时电价，soc为t时刻主动配电网内储能的荷电状态集，pg为公共耦合点与上级交互的有功功率，qg为为公共耦合点与上级交互的无功功率，prew为主动配电网内的新能源有功功率集；pl和ql分别为各节点负荷的有功集和无功集；ut和st分别为各节点电压集及支路功率集；各智能体n的观测空间表示为：其中，soc为t时刻智能体n内储能的荷电状态集，为第n个智能体中公共耦合点与上级交互的有功功率，为第n个智能体中公共耦合点与上级交互的无功功率，为智能体n内的新能源有功功率集；和分别为智能体n内各节点负荷的有功集和无功集；和分别为智能体n内各节点电压集及支路功率集；所述多智能体分布深度强化学习模型的动作空间表示为：其中，为智能体n内的储能系统的有功输出，为智能体n内的储能系统的无功输出，为智能体n内的燃气发电机的有功输出，为智能体n内的新能源的无功输出；所述多智能体分布深度强化学习模型的奖励函数rn表示为：rn＝-cadn,n，其中，cadn,n为智能体n的日运行成本。

6.根据权利要求5所述的主动配电网云-边协同日前调度方法，其特征在于，所述多智能体分布深度强化学习模型中的多智能体的约束包括动作空间约束和状态空间约束，其中，所述动作空间约束包括所述主动配电网分布式日前经济调度模型的储能系统的功率约束、储能系统的荷电状态约束、燃气发电机的输出约束和新能源无功输出约束；所述状态空间约束包括所述主动配电网分布式日前经济调度模型的主动配电网主节点跟踪公共耦合点处的传输功率约束、每日结束时储能系统的荷电状态约束、智能体n内的各个节点电压约束和智能体n内的各个支路功率约束。

7.根据权利要求6所述的主动配电网云-边协同日前调度方法，其特征在于，还包括：对所述多智能体分布深度强化学习模型中的多智能体的约束进行处理的步骤，具体为：通过系数线性映射的方式分别将储能系统的荷电状态约束和新能源无功输出约束映射到智能体神经网络输出范围；若映射后不满足储能变流器的额定容量和新能源变流器额定容量的不等式约束条件，则对储能系统和新能源的有功功率和无功功率设计非线性变换；

8.根据权利要求7所述的主动配电网云-边协同日前调度方法，其特征在于，所述各智能体n的新奖励函数r′表示为：r′＝-(cadn,n+cpenal)，其中，cpenal为惩罚项，表示为：中，为与上级电网交互能量的单位惩罚成本，为当一日结束时储能的荷电状态超出允许范围时的单位惩罚成本，为各个节点电压超过允许范围的单位惩罚成本，为各个支路传输功率超过允许范围的单位惩罚成本，soces,i(24)为储能一日内第24时的荷电状态，uk为节点k的电压，sij为支路i到j的功率，f( )为障碍函数，其表示为：xmin和xmax分别为变量x的下限和上限，εa为惩罚力度系数。

9.一种主动配电网云-边协同日前调度装置，其特征在于，包括：

10.根据权利要求9所述的主动...

【专利技术属性】
技术研发人员：谭传玉，郭屾，王鹏，张冀川，程胤璋，姚志国，林佳颖，张明宇，张治明，秦四军，吕琦，张永芳，
申请(专利权)人：国网上海能源互联网研究院有限公司，
类型：发明
国别省市：