【技术实现步骤摘要】
本专利技术涉及一种主动配电网日前多阶段随机优化方法、系统、介质及设备，属于电力系统。
技术介绍
1、主动配电网日前运行优化的目的是通过对分布式发电、储能等可调控资源实施主动管理和协调控制，在尽可能就地消纳可再生能源，减轻上级电网调控压力的同时，追求主动配电网运行的经济性最优。
2、为保证日优化周期内的全局最优性，主动配电网日前优化需要在日前确定存在时段间耦合约束的储能装置和分组投切电容器组等可调控资源的运行计划。但以一组固定的日前计划限制储能装置的工作状态，则难以充分发挥储能的灵活调节能力。同时，分组投切电容器等离散控制设备也存在日内根据可再生能源功率波动进行动态调节的潜力，难点在于如何确保日调节次数约束的满足。
3、为充分挖掘主动配电网运行过程中可调控资源的灵活调节潜力，深度强化学习作为新一代人工智能算法的代表虽然已有诸多研究尝试在主动配电网的运行优化与控制问题中应用，但其在可靠性和安全性等方面还存在诸多问题需要解决。因此，针对指定的电力系统优化问题特点对深度强化学习算法进行适应性修改，是提高深度强化学习算法可靠性与安全性的关键。
技术实现思路
1、针对上述问题，本专利技术提供了一种主动配电网日前多阶段随机优化方法、系统、介质及设备，本专利技术的方法将主动配电网日前多时段有功无功协调优化问题构建为多阶段随机规划模型，能够更好地发挥储能装置和分组投切电容器组的灵活调节潜力以应对可再生能源和负荷的不确定性，并对深度强化学习算法进行适应性修改，提高了深度强化学习
2、本专利技术的技术方案如下：
3、一种主动配电网日前多阶段随机优化方法，包括：
4、构建主动配电网日前多阶段优化模型；
5、求解所构建的主动配电网日前多阶段优化模型，实现主动配电网的随机优化。
6、优选的，随机优化过程为：
7、首先将主动配电网日前多阶段优化模型中多阶段随机规划问题构建为马尔可夫决策过程，以实现决策的时段间解耦；然后依据主动配电网日前优化问题的特点，解耦潮流模型与可再生能源不确定性，并借助神经网络拟合主动配电网潮流模型；再引入策略函数神经网络用于辅助求解所提改进值迭代算法迭代过程中的非线性优化；最后为了提升所提值迭代算法的稳定性，引入经过实践验证的工程实践技巧改进算法，使得算法能够处理并存的离散与连续控制量。
8、优选的，主动配电网日前多阶段优化模型的包括目标函数和约束条件，其目标函数为：
9、
10、式中，t表示时段数，且t＝1,...,t；xt为t时段的决策量，决策量且x1:t＝(x1,…,xt)；ξt为t时段的不确定量，不确定量且ξ1:t＝(ξ1,...,ξt)；xt为决策量xt的定义域，因分组投切电容器组存在日调节次数限制，因此与之前所有时刻的决策相关联；为策略函数π，使用确定性策略函数ct为t阶段的目标函数；可以看出，对于本专利技术的主动配电网日前有功无功协调优化问题而言，阶段与时段一一对应，t阶段即对应t时段，且t时段的决策量xt需要在t-1时刻确定，用以应对t时段的不确定量ξt。
11、优选的，约束条件包括支路潮流模型、安全运行约束、可再生能源运行约束、与上级电网交互功率约束、储能运行约束、分组投切电容器组运行约束。
12、优选的，依据电网历史量测数据，使用神经网络参数化配电网潮流映射关系，以此计算奖励函数，再使用值迭代算法求解某一确定的日前预测生成场景树的多阶段随机规划问题；
13、并根据神经网络拟合主动配电网潮流模型的潮流映射关系优化马尔可夫决策过程中的奖励函数。
14、优选的，策略函数以最大化状态动作值函数q为目标。
15、优选的，引入工程实践技巧改进算法过程包括阶段性更新学习目标、截断双q学习和目标策略平滑正则化；
16、阶段性更新学习目标包括：引入结构与神经网络θ和φ完全相同的辅助神经网络θq和φq，并阶段性时差同步参数，使得算法训练过程在每个阶段都变为固定更新目标的优化问题，变相固定了更新目标；
17、为实现阶段性时差参数更新，辅助神经网络θq和φq的参数使用软更新的方式更新，且延迟策略函数的更新，即φ的更新频率低于θ；
18、截断双q学习包括：引入神经网络的两参数，与原参数并行估计更新目标，取两个更新目标中较大者作为实际更新目标，能够有效减少估计误差；
19、目标策略平滑正则化包括：借助这正则化目标策略更新目标，能够抑制状态动作值函数q的过拟合，并减小方差。
20、一种主动配电网日前多阶段随机优化系统，包括：
21、构建模块，用于构建主动配电网日前多阶段优化模型；
22、优化模块，用于求解所构建的主动配电网日前多阶段优化模型，实现主动配电网的随机优化。
23、一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述的主动配电网日前多阶段随机优化方法。
24、一种电子设备，包括存储器、处理器和能够在处理器上运行的计算机程序，其上存储有计算机程序，所述处理器执行计算机程度时实现了权利要求1-7任一所述的主动配电网日前多阶段随机优化方法。
25、本专利技术未详尽之处，均可参见现有技术。
26、本专利技术的有益效果为：
27、(1)本专利技术提出了日前多时段有功无功协调优化的主动配电网日前多阶段优化模型，及一种改进的值迭代算法。通过使用深度强化学习算法挖掘可调控资源的灵活调节潜力，可在实现尽可能消纳可再生能源，削峰填谷与上级电网计划交换功率的同时，追求主动配电网运行的经济性最优。
28、(2)本专利技术的主动配电网日前多阶段优化模型能够更有效的挖掘可调控资源的灵活调节潜力。所提算法能够实现储能装置电量可调裕度在时段间的转移，以更好的应对可再生能源和负荷不同的功率波动情况，提高了主动配电网运行的可靠性和经济性。
29、(3)所提改进值迭代算法借助神经网络拟合主动配电网潮流模型实现了系统模型和不确定量实现过程的解耦，使得深度强化学习算法“探索与试错”的信息获取过程借助数据驱动的主动配电网潮流模型实现，提高了算法的可靠性与安全性。
30、(4)本专利技术改进的值迭代算法能够同时处理连续与离散的决策变量，且引入的工程实践技巧提升了算法稳定性。
本文档来自技高网...【技术保护点】
1.一种主动配电网日前多阶段随机优化方法，其特征在于，包括：
2.根据权利要求1所述的主动配电网日前多阶段随机优化方法，其特征在于，随机优化过程为：
3.根据权利要求2所述的主动配电网日前多阶段随机优化方法，其特征在于，主动配电网日前多阶段优化模型的包括目标函数和约束条件，其目标函数为：
4.根据权利要求3所述的主动配电网日前多阶段随机优化方法，其特征在于，约束条件包括支路潮流模型、安全运行约束、可再生能源运行约束、与上级电网交互功率约束、储能运行约束、分组投切电容器组运行约束。
5.根据权利要求4所述的主动配电网日前多阶段随机优化方法，其特征在于，依据电网历史量测数据，使用神经网络参数化配电网潮流映射关系，以此计算奖励函数，再使用值迭代算法求解某一确定的日前预测生成场景树的多阶段随机规划问题；
6.根据权利要求5所述的主动配电网日前多阶段随机优化方法，其特征在于，策略函数以最大化状态动作值函数Q为目标。
7.根据权利要求6所述的主动配电网日前多阶段随机优化方法，其特征在于，引入工程实践技巧改进算法过程包括阶
8.一种主动配电网日前多阶段随机优化系统，其特征在于，包括：
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-7任一所述的主动配电网日前多阶段随机优化方法。
10.一种电子设备，包括存储器、处理器和能够在处理器上运行的计算机程序，其上存储有计算机程序，其特征在于，所述处理器执行计算机程度时实现了权利要求1-7任一所述的主动配电网日前多阶段随机优化方法。
...【技术特征摘要】
1.一种主动配电网日前多阶段随机优化方法，其特征在于，包括：
2.根据权利要求1所述的主动配电网日前多阶段随机优化方法，其特征在于，随机优化过程为：
3.根据权利要求2所述的主动配电网日前多阶段随机优化方法，其特征在于，主动配电网日前多阶段优化模型的包括目标函数和约束条件，其目标函数为：
4.根据权利要求3所述的主动配电网日前多阶段随机优化方法，其特征在于，约束条件包括支路潮流模型、安全运行约束、可再生能源运行约束、与上级电网交互功率约束、储能运行约束、分组投切电容器组运行约束。
5.根据权利要求4所述的主动配电网日前多阶段随机优化方法，其特征在于，依据电网历史量测数据，使用神经网络参数化配电网潮流映射关系，以此计算奖励函数，再使用值迭代算法求解某一确定的日前预测生成场景树的多阶段随机规划问...
【专利技术属性】
技术研发人员：王家武，崔荣喜，王文欣，赵佃云，刘长锋，陈康，丁月明，许家余，郑瑶瑶，杜善慧，马晓强，厉文秀，牟芯颖，刘磊，
申请(专利权)人：国网山东省电力公司日照供电公司，
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。