CN110880775B - 一种基于博弈模型的频率稳定切负荷策略优化方法及装置 - Google Patents

Abstract

本发明公开了一种基于博弈模型的频率稳定切负荷策略优化方法及装置，属于电力系统及其自动化技术领域。本发明方法在获取有功功率缺额和可切负荷信息基础上，提出负荷切除优先级和负荷损失代价计算模型；建立表征各负荷用户追求负荷损失代价最小化行为的非合作博弈模型；并将多负荷用户的非合作博弈转换成切负荷量精确度约束条件下的切负荷多目标优化问题，建立基于多负荷用户博弈的切负荷控制优化模型；最后采用NSGA‑II算法求解切负荷控制多目标优化模型的整体最优解。本发明能够优化分析出满足控制量需求、用户损失小、控制灵活的切负荷策略，在保障重要负荷正常运行的条件下，实现各负荷用户间利益均衡、切负荷量准确的目标。

Description

一种基于博弈模型的频率稳定切负荷策略优化方法及装置

技术领域

本发明属于电力系统及其自动化技术领域，更准确地说，本发明涉及一种基于博弈模型的频率稳定切负荷策略优化方法及装置。

背景技术

我国电力系统已形成高压直流大容量、远距离输电格局，新能源电力占比高，受端电网中传统电源被直流和新能源大量替代，电网在受到大功率失去故障下的频率调节能力越来越弱。一旦发生特高压直流闭锁或多回直流同时闭锁等故障，极有可能引发电网频率大幅波动，严重情况下可诱发连锁故障，导致大范围停电。为了防止严重故障下频率失稳，切除部分负荷在所难免。其中，切负荷控制能够精确、快速切除分散的海量可中断负荷，弥补传统切负荷易造成的用户大面积停电、社会影响大等不足，并因其点多面广、选择性强等诸多特点，受到广泛关注并开始得到推广应用。

切负荷控制的目标是制定出满足控制量需求、用户损失小、控制灵活的切负荷策略。现有部分研究对用户损失的考量相对复杂，往往需要考虑国民经济生产、社会稳定、公开公平等多种因素，提出了计及优先级的分轮次切负荷方法，尽管能保障特殊用电负荷的安全性，但现有按优先级切除方法中每轮切负荷的次序和切除量是预先设定的，发生不同功率缺额时无法自适应调整，从而常常会造成过切或欠切。也有部分研究从获取最精确切负荷效果出发，将切负荷抽象为单目标或多目标优化问题，并采用贪婪算法、遗传算法等方法求解，以获取几乎与切负荷目标功率相一致的切除方案，但忽略了军用、医院等特殊用电负荷的重要性。还有部分研究针对各负荷用户都为减少自身损失相互竞争的现实问题，将各用电负荷抽象成具有决策能力的主体，并采用博弈原理剖析负荷用户在切负荷过程中的策略与均衡解，这种分析方法能够获得各方达成一致的较优解，但在大多数情况下都无法获得考虑多目标的最优解集。

发明内容

本发明目的在于提供一种基于博弈模型的频率稳定切负荷控制优化方法及装置，利用博弈论原理和NSGA-II算法，优化分析出满足控制量需求、用户损失小、控制灵活的切负荷策略，在保障重要负荷正常运行的条件下，实现各负荷用户间利益均衡、切负荷量准确的目标。

为达到上述目的，本发明是采用以下技术方案实现的：

本发明实施例一方面提供一种基于博弈模型的频率稳定切负荷控制优化方法，包括：

获取区域故障可切负荷信息；

根据区域故障可切负荷信息，基于博弈模型建立多负荷用户非合作博弈模型；

将所述多负荷用户非合作博弈模型转换成切负荷多目标优化问题，建立基于多负荷用户博弈的频率稳定切负荷策略优化模型；

采用带精英策略的非支配排序遗传算法NSGA-II，求解切负荷策略优化模型的整体最优解，作为最终的切负荷策略。

进一步的，所述获取区域故障可切负荷信息，包括：

可切负荷用户数量、负荷组成、负荷有功功率大小、负荷损失代价和负荷切除优先级；

所述负荷切除优先级表示为：

L(xⁱ)＝(d_i,l_i)，

其中，L(xⁱ)表示负荷用户i切负荷策略的优先级，xⁱ为用户i选择的切负荷策略，d_i为负荷用户i的档位，l_i为负荷用户i的级别，d_i∈[1,s],l_i∈[1,t]，s、t分别为负荷档位总数和优先级别总数；

所述负荷损失代价表示为：

其中，

为负荷用户i的负荷终端j单位时间内消耗的电量，k为隶属于负荷用户i的负荷终端数量，P_i为负荷用户i所有负荷终端单位时间所消耗的电量，作为负荷损失代价。

进一步的，所述根据区域故障可切负荷信息，基于博弈模型建立多负荷用户非合作博弈模型，包括：

将每一个负荷用户作为一个博弈方，将每个负荷用户选择切除的负荷作为博弈的策略，将每个负荷用户切除负荷造成的负荷损失代价作为支付函数，建立多负荷用户非合作博弈模型：

min u_i(X)

u_i(X)＝P_i,i∈(1,2,...,n)

其中，u_i(X)表示负荷用户i的支付函数，X＝(X¹,X²,…,Xⁱ,…,Xⁿ)为所有负荷用户选择的切负荷策略集群，Xⁱ为负荷用户i已选的切负荷策略集，n为负荷用户数，Sⁱ表示负荷用户i所有可用的策略集合，

表示负荷用户i选择切除负荷的优先级，

表示负荷用户i已选切负荷策略集Xⁱ中的单一策略，

表示负荷用户i没有选择切除负荷的优先级，

表示负荷用户i未选切负荷策略集Xⁱ中的单一策略。

进一步的，所述将所述多负荷用户非合作博弈模型转换成切负荷多目标优化问题，建立基于多负荷用户博弈的频率稳定切负荷策略优化模型，包括：

min u₁(X),…,min u_i(X),…,min u_n(X)

其中，ΔP^*为切负荷量精确度，σ为切负荷量精确度选取的阈值。

进一步的，所述切负荷量精确度计算如下：

其中，P_r为所有负荷用户实际切负荷总量，P_o为有功功率缺额。

进一步的，所述有功功率缺额根据受端电网直流闭锁、发电机失去、新能源场站脱网大功率缺额预想故障，以及根据电网调度运行数据及控制措施，从电网调控部门获取。

进一步的，所述采用带精英策略的非支配排序遗传算法NSGA-II，求解切负荷策略优化模型的整体最优解，包括：

对种群中的个体进行编码，随机产生初始种群；

通过选择、交叉、变异和非支配排序后产生第一代子群；

将初始种群和第一代子群合并形成新种群，并通过非支配排序、拥挤度计算和选择操作后产生新一代种群；

对新一代种群进行交叉、变异、选择操作，产生变异种群；

重复操作，直至达到每轮切负荷的终止条件；

如果本轮切除负荷后，切负荷优化方案总切除量达到切负荷量精确度要求，则保存该方案；如果未满足切负荷量精确度要求且本轮次没有达到最大切负荷轮次，则重新产生第一代子群，进行新一轮切负荷的迭代求解；

如果未满足切负荷量精确度要求且当前切负荷轮数已达到最大切负荷轮次，则该参数设置条件下无解，结束算法搜索。

进一步的，所述对种群中的个体进行编码，包括：

采用整数型编码方式对切负荷方案进行编码，编码形成的个体是由n个整数组成的有序序列S_t：

S_t＝{s₁,s₂,...,s_i,...,s_n}，

其中，s_i为负荷用户i所选策略在其所有可用的策略集合Si中的序号，即s_i∈{1,2,…m_i}，

所述负荷用户i所有可用的策略集合Sⁱ为：

其中，

为负荷用户i的第k个可用的策略，m_i为负荷用户i的策略总数。

进一步的，所述通过非支配排序、拥挤度计算和选择操作后产生新一代种群，包括：

对多个负荷用户的负荷损失代价进行度量，并从多个维度对频率稳定切负荷策略优化模型的种群进行分层排序；

根据目标函数对种群中的所有个体按升序进行排序；

计算个体的拥挤距离；

选择拥挤距离较大的个体构成新一代种群；

所述目标函数为min u_i(X)；

所述个体的拥挤距离为：定义第i个个体的拥挤距离为第i+1和第i个个体的目标函数值之差的绝对值和。

本发明实施例另一方面提供一种基于博弈模型的频率稳定切负荷控制优化装置，包括：

获取模块，用于获取区域故障可切负荷信息；

模型构建模块，用于根据区域故障可切负荷信息，基于博弈模型建立多负荷用户非合作博弈模型；

模型优化模块，用于将所述多负荷用户非合作博弈模型转换成切负荷多目标优化问题，建立基于多负荷用户博弈的频率稳定切负荷策略优化模型；

以及计算模块，用于采用带精英策略的非支配排序遗传算法NSGA-II，求解切负荷策略优化模型的整体最优解，作为最终的切负荷策略。

进一步的，所述模型构建模块具体用于，将每一个负荷用户作为一个博弈方，将每个负荷用户选择切除的负荷作为博弈的策略，将每个负荷用户切除负荷造成的负荷损失代价作为支付函数，建立多负荷用户非合作博弈模型：

min u_i(X)

u_i(X)＝P_i,i∈(1,2,...,n)

其中，u_i(X)表示负荷用户i的支付函数，X＝(X¹,X²,…,Xⁱ,…,Xⁿ)为所有负荷用户选择的切负荷策略集群，Xⁱ为负荷用户i已选的切负荷策略集，n为负荷用户数，P_i为负荷用户i的负荷损失代价，Sⁱ表示负荷用户i所有可用的策略集合，

表示负荷用户i选择切除负荷的优先级，

表示负荷用户i已选切负荷策略集Xⁱ中的单一策略，

表示负荷用户i没有选择切除负荷的优先级，

表示负荷用户i未选切负荷策略集Xⁱ中的单一策略。

进一步的，所述模型优化模块具体用于，建立基于多负荷用户博弈的频率稳定切负荷策略优化模型如下：

min u₁(X),…,min u_i(X),…,min u_n(X)

其中，ΔP^*为切负荷量精确度，σ为切负荷量精确度选取的阈值。

本发明的有益效果如下：

本发明实施例一方面在明确博弈方、策略、支出等博弈模型组成要素基础上，建立了非合作博弈模型，该模型能够反映各负荷用户为追求负荷损失代价最小化的相互博弈行为；另一方面设计采用NSGA-II算法求解频率稳定切负荷策略多目标优化模型的整体最优解，该算法是一种带精英策略的非支配排序的遗传算法，能够解决一般启发式算法复杂度高、容易丢失最优解的不足。

本发明能够优化分析出满足控制量需求、用户损失小、控制灵活的切负荷策略，实现各负荷用户间利益均衡、切负荷量准确的目标。

附图说明

图1为本发明的基于博弈模型的频率稳定切负荷策略优化方法的流程图。

图2为本发明设计的基于NSGA-II算法的频率稳定切负荷策略优化求解流程图。

图3为实施例中采用本发明方法与传统贪心策略切负荷优化方案效果对比图。

具体实施方式

下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

参见图1，本发明实施例提供一种基于博弈模型的频率稳定切负荷控制优化方法，包括：

1)针对受端电网直流闭锁、发电机失去、新能源场站脱网等大功率缺额预想故障，根据电网调度运行数据及控制措施，从电网调控部门获取有功功率缺额值P_o，该有功功率缺额值是电网调控部门根据工程经验给定的需切除的有功功率。

2)获取某区域故障可切负荷信息，包括可切负荷用户数量n、负荷组成、负荷有功功率大小、负荷损失代价和负荷切除优先级，并提出负荷切除优先级和负荷损失代价的量化评估模型：

21)提出负荷切除优先级度量模型：

L(xⁱ)＝(d_i,l_i)，

其中，L(xⁱ)为负荷切除优先级的表征模型，xⁱ为用户i选择的切负荷策略，d_i为档位，l_i为级别，均为整型数，d_i∈[1,s],l_i∈[1,t]，s、t分别为该负荷档位和优先级别总数。

22)提出负荷损失代价度量模型：

其中，

为负荷用户i的负荷终端j单位时间内消耗的电量，k为隶属于负荷用户i的负荷终端数量，P_i为负荷用户i所有负荷终端单位时间所消耗的电量。

3)结合各负荷用户在切负荷过程中存在相互博弈、公平竞争的关系，利用博弈论原理，设计明确博弈方、策略、支出等博弈模型组成要素，将每一个负荷用户作为一个博弈方、每个负荷用户选择切除的负荷方案作为其博弈的策略、负荷损失代价作为支出函数，然后建立多负荷用户非合作博弈模型。

首先设计明确博弈模型中博弈方、策略和支出三种主要组成要素：

①博弈方

每一个负荷用户在切负荷过程中都是博弈的参与者(即博弈方)，在每一轮切负荷博弈中选择合适的切除策略来追求自身的切负荷损失最小。本发明将每一轮切负荷作为各负荷用户间的一次博弈，通常切负荷的轮次是有限的，因此各负荷用户按轮次切负荷是一种有限博弈。

②策略

本发明将每个负荷用户选择切除其所属的负荷作为博弈的策略，记为

表示负荷用户i的第j个策略，负荷用户i所有预设可用的策略集合表示为

其中，m_i为负荷用户i的策略总数。在每一轮切负荷过程中，负荷用户i可以从策略集Sⁱ选择任意一个策略进行博弈。

③支付

在博弈过程结束后，各博弈方的得失称为支付，记为u_i(X)。本发明将每个负荷用户切除负荷造成的损失代价作为支付函数，负荷用户i的支付函数为u_i(X)＝P_i，其中，P_i为负荷用户i的切负荷损失代价，X为所有负荷用户已选用的策略集，表示为

Xⁱ则是负荷用户i在所有切负荷轮次中选用的策略集，n为负荷用户数。

在明确博弈模型主要组成要素基础上，建立多负荷用户非合作博弈模型：

其中，X＝(X¹,X²,…,Xⁱ,…,Xⁿ)为n个负荷用户选择的策略集群，Xⁱ为负荷用户i已选切负荷的策略集，

表示负荷用户i选择切除负荷的优先级，

表示负荷用户i已选切负荷策略集Xⁱ中的单一策略，

表示负荷用户i没有选择切除负荷的优先级，

表示负荷用户i未选切负荷策略集Xⁱ中的单一策略。

4)首先提出切负荷量精确度度量模型：

其中，P_r为各负荷用户实际切负荷总量，P_o为功率缺额。

然后为了体现负荷用户间的公平竞争关系，并且能够从全局视角获取各个负荷用户都满意的整体最优的均衡解，将切负荷量精确度作为约束条件，把n个负荷用户的非合作博弈转换成切负荷多目标优化问题，并建立基于多负荷用户博弈的频率稳定切负荷策略优化模型：

其中，ΔP^*为切负荷量精确度，σ为切负荷量精确度选取的阈值，该阈值由专家经验给出。

5)结合传统启发式算法特点，本发明实施例设计一种带精英策略和拥挤度计算的非支配排序的遗传算法NSGA-II，求解频率稳定切负荷策略优化模型的整体最优解，弥补传统启发式算法复杂度高、容易丢失最优解的不足。

51)染色体的编码方式

假设负荷用户i可选的策略集合为

其第k轮选择的策略为

且k≤m_i，所有用户每一轮选择的策略构成了本轮切负荷的方案，表示为

本发明采用整数型编码方式对切负荷方案进行编码，编码形成的个体是由n个整数组成的有序序列：

S_t＝{s₁,s₂,...,s_i,...,s_n}，

其中，s_i为负荷用户i所选策略在其策略集合中的序号，即s_i∈{1,2,…m_i}。

例如，当s_i取1时表示负荷用户i选择其策略集合中第1个策略

作为本轮切负荷的策略。

52)拥挤度计算

拥挤距离计算主要依据每个目标函数min u_i(X)对种群中的所有个体按升序进行排序。本发明定义第i个个体的拥挤距离为第i+1和第i个个体的目标函数值之差的绝对值和(即各负荷用户切负荷损失代价差的绝对值和)，并假设第一个和最后一个个体的拥挤距离设为无穷大。通过拥挤度计算，优选拥挤度距离较大的个体，使得计算结果在搜索空间内均匀分布，保持群体的多样性，避免陷入局部较优。

53)终止条件

在每一轮切负荷过程中，最大迭代次数设为200，若达到迭代次数，则结束本轮切负荷迭代过程。设定整个算法的终止条件为切负荷量精确度ΔP^*达到约束条件σ。整个算法停止迭代后，选取切负荷过程中适应度值较高的个体作为最优解，然后对其进行解码，形成最终的最优切负荷策略。

54)本发明实施例的基于NSGA-II的求解算法流程如图2所示，包括：

步骤一：设置合适的种群规模N_d，采用整数型的编码方式对个体进行编码，随机产生初始种群N_i；

步骤二：通过选择、交叉、变异和非支配排序后产生第一代子群N_j；

步骤三：将初始种群和第一代子群合并形成新种群N_k，并通过非支配排序、拥挤度计算和选择操作后产生新一代种群N_e；

步骤四：对N_e进行交叉、变异、选择操作，产生变异种群N_p；

步骤五：重复步骤三至步骤四，直至达到每轮切负荷终止条件，即满足迭代200；

步骤六：如果本轮切除负荷后，切负荷优化方案总切除量达到切负荷量精确度要求，则保存该方案；如果未满足切负荷量精确度要求且本轮次没有达到最大切负荷轮次，则转置步骤二，进行新一轮切负荷的迭代求解；

步骤七：如果未满足切负荷量精确度要求且当前切负荷轮数L已达到最大切负荷轮次Lun，则认为该参数设置条件下无解，结束算法搜索。

实施例

以某区域大电网馈入直流双极闭锁故障为例，在发生直流双极闭锁后，获取区域电网瞬时损失功率310万千瓦；同时获取区域电网内7个负荷用户信息，包括负荷优先级、可中断负荷数量及其功率等信息，如表1所示。每一轮切负荷过程中，每个负荷用户都可以从不同功率负荷中选择要切除的负荷作为本轮博弈的策略。这里设定切负荷量精确度约束阈值σ为0.99、最大切负荷轮次Lun为10；同时，设定优先级为1档的负荷用户所有负荷终端被切除时的单位电量切除代价

为2，2档和3档负荷用户的单位电量切除代价分别为4和6。

表1各负荷用户的策略信息和优先级

利用本发明设计的分析方法求解出帕累托前沿，并从中抽取出部分帕累托最优解，求解出的典型帕累托最优解情况如表2所示。与利用传统贪心策略(将切负荷方案快速达到切负荷量精确度要求作为求解策略)求解的切负荷结果进行对比，各负荷用户的负荷损失代价分布情况如图3所示。本发明方法各负荷用户间的负荷损失代价根方差为5.18，采用传统贪心策略获得的根方差为13.87，本发明方法优化方案的负荷损失代价更为均衡；同时，本发明方法优化方案的切负荷量精确度为0.9903，采用传统贪心策略的切负荷量精确度为0.9968，本发明方法整体均衡解的切负荷效果更接近切负荷量精确度要求。

表2切负荷量精确度为0.99时，算法求解出的典型帕累托最优解信息

本发明实施例另一方面提供一种基于博弈模型的频率稳定切负荷控制优化装置，包括：

获取模块，用于获取区域故障可切负荷信息；

模型构建模块，用于根据区域故障可切负荷信息，基于博弈模型建立多负荷用户非合作博弈模型；

模型优化模块，用于将所述多负荷用户非合作博弈模型转换成切负荷多目标优化问题，建立基于多负荷用户博弈的频率稳定切负荷策略优化模型；

以及计算模块，用于采用带精英策略的非支配排序遗传算法NSGA-II，求解切负荷策略优化模型的整体最优解，作为最终的切负荷策略。

进一步的，所述模型构建模块具体用于，将每一个负荷用户作为一个博弈方，将每个负荷用户选择切除的负荷作为博弈的策略，将每个负荷用户切除负荷造成的负荷损失代价作为支付函数，建立多负荷用户非合作博弈模型：

min u_i(X)

u_i(X)＝P_i,i∈(1,2,...,n)

其中，u_i(X)表示负荷用户i的支付函数，X＝(X¹,X²,…,Xⁱ,…,Xⁿ)为所有负荷用户选择的切负荷策略集群，Xⁱ为负荷用户i已选的切负荷策略集，n为负荷用户数，P_i为负荷用户i的负荷损失代价，Sⁱ表示负荷用户i所有可用的策略集合，

表示负荷用户i选择切除负荷的优先级，

表示负荷用户i已选切负荷策略集Xⁱ中的单一策略，

表示负荷用户i没有选择切除负荷的优先级，

表示负荷用户i未选切负荷策略集Xⁱ中的单一策略。

进一步的，所述模型优化模块具体用于，建立基于多负荷用户博弈的频率稳定切负荷策略优化模型如下：

min u₁(X),…,min u_i(X),…,min u_n(X)

其中，ΔP^*为切负荷量精确度，σ为切负荷量精确度选取的阈值。

值得指出的是，该装置实施例是与上述方法实施例对应的，上述方法实施例的实现方式均适用于该装置实施例中，并能达到相同或相似的技术效果，故不在此赘述。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (6)

1.一种基于博弈模型的频率稳定切负荷控制优化方法，其特征在于，包括：

获取区域故障可切负荷信息；包括：

可切负荷用户数量、负荷组成、负荷有功功率大小、负荷损失代价和负荷切除优先级；

所述负荷切除优先级表示为：

L(xⁱ)＝(d_i,l_i)，

其中，L(xⁱ)表示负荷用户i切负荷策略的优先级，xⁱ为用户i选择的切负荷策略，d_i为负荷用户i的档位，l_i为负荷用户i的级别，d_i∈[1,s],l_i∈[1,t]，s、t分别为负荷档位总数和优先级别总数；

所述负荷损失代价表示为：

其中，

为负荷用户i的负荷终端j单位时间内消耗的电量，k为隶属于负荷用户i的负荷终端数量，P_i为负荷用户i所有负荷终端单位时间所消耗的电量，作为负荷损失代价；

根据区域故障可切负荷信息，基于博弈模型建立多负荷用户非合作博弈模型；包括：

将每一个负荷用户作为一个博弈方，将每个负荷用户选择切除的负荷作为博弈的策略，将每个负荷用户切除负荷造成的负荷损失代价作为支付函数，建立多负荷用户非合作博弈模型：

min u_i(X)

u_i(X)＝P_i,i∈(1,2,...,n)

其中，u_i(X)表示负荷用户i的支付函数，X＝(X¹,X²,…,Xⁱ,…,Xⁿ)为所有负荷用户选择的切负荷策略集群，Xⁱ为负荷用户i已选的切负荷策略集，n为负荷用户数，Sⁱ表示负荷用户i所有可用的策略集合，

表示负荷用户i选择切除负荷的优先级，

表示负荷用户i已选切负荷策略集Xⁱ中的单一策略，

表示负荷用户i没有选择切除负荷的优先级，

表示负荷用户i未选切负荷策略集Xⁱ中的单一策略；将所述多负荷用户非合作博弈模型转换成切负荷多目标优化问题，建立基于多负荷用户博弈的频率稳定切负荷策略优化模型；包括：

min u₁(X),…,min u_i(X),…,min u_n(X)

其中，ΔP^*为切负荷量精确度，σ为切负荷量精确度选取的阈值；

采用带精英策略的非支配排序遗传算法NSGA-II，求解切负荷策略优化模型的整体最优解，作为最终的切负荷策略，包括：

对种群中的个体进行编码，随机产生初始种群；

通过选择、交叉、变异和非支配排序后产生第一代子群；

将初始种群和第一代子群合并形成新种群，并通过非支配排序、拥挤度计算和选择操作后产生新一代种群；

对新一代种群进行交叉、变异、选择操作，产生变异种群；

重复操作，直至达到每轮切负荷的终止条件；

如果本轮切除负荷后，切负荷优化方案总切除量达到切负荷量精确度要求，则保存该方案；如果未满足切负荷量精确度要求且本轮次没有达到最大切负荷轮次，则重新产生第一代子群，进行新一轮切负荷的迭代求解；

如果未满足切负荷量精确度要求且当前切负荷轮数已达到最大切负荷轮次，则无解，结束算法搜索。

2.根据权利要求1所述的一种基于博弈模型的频率稳定切负荷控制优化方法，其特征在于，所述切负荷量精确度计算如下：

其中，P_r为所有负荷用户实际切负荷总量，P_o为有功功率缺额。

3.根据权利要求2所述的一种基于博弈模型的频率稳定切负荷控制优化方法，其特征在于，所述有功功率缺额根据受端电网直流闭锁、发电机失去、新能源场站脱网大功率缺额预想故障，以及根据电网调度运行数据及控制措施，从电网调控部门获取。

4.根据权利要求1所述的一种基于博弈模型的频率稳定切负荷控制优化方法，其特征在于，所述对种群中的个体进行编码，包括：

采用整数型编码方式对切负荷方案进行编码，编码形成的个体是由n个整数组成的有序序列S_t：

S_t＝{s₁,s₂,...,s_i,...,s_n}，

其中，s_i为负荷用户i所选策略在其所有可用的策略集合Sⁱ中的序号，即s_i∈{1,2,…m_i}，

所述负荷用户i所有可用的策略集合Sⁱ为：

其中，

为负荷用户i的第k个可用的策略，m_i为负荷用户i的策略总数。

5.根据权利要求1所述的一种基于博弈模型的频率稳定切负荷控制优化方法，其特征在于，所述通过非支配排序、拥挤度计算和选择操作后产生新一代种群，包括：

对多个负荷用户的负荷损失代价进行度量，并从多个维度对频率稳定切负荷策略优化模型的种群进行分层排序；

根据目标函数对种群中的所有个体按升序进行排序；

计算个体的拥挤距离；

选择拥挤距离较大的个体构成新一代种群；

所述目标函数为min u_i(X)；

所述个体的拥挤距离为：定义第i个个体的拥挤距离为第i+1和第i个个体的目标函数值之差的绝对值和。

6.一种基于博弈模型的频率稳定切负荷控制优化装置，其特征在于，包括：

获取模块，用于获取区域故障可切负荷信息；包括：

可切负荷用户数量、负荷组成、负荷有功功率大小、负荷损失代价和负荷切除优先级；

所述负荷切除优先级表示为：

L(xⁱ)＝(d_i,l_i)，

其中，L(xⁱ)表示负荷用户i切负荷策略的优先级，xⁱ为用户i选择的切负荷策略，d_i为负荷用户i的档位，l_i为负荷用户i的级别，d_i∈[1,s],l_i∈[1,t]，s、t分别为负荷档位总数和优先级别总数；

所述负荷损失代价表示为：

其中，

为负荷用户i的负荷终端j单位时间内消耗的电量，k为隶属于负荷用户i的负荷终端数量，P_i为负荷用户i所有负荷终端单位时间所消耗的电量，作为负荷损失代价；

模型构建模块，用于将每一个负荷用户作为一个博弈方，将每个负荷用户选择切除的负荷作为博弈的策略，将每个负荷用户切除负荷造成的负荷损失代价作为支付函数，建立多负荷用户非合作博弈模型：

min u_i(X)

u_i(X)＝P_i,i∈(1,2,...,n)

其中，u_i(X)表示负荷用户i的支付函数，X＝(X¹,X²,…,Xⁱ,…,Xⁿ)为所有负荷用户选择的切负荷策略集群，Xⁱ为负荷用户i已选的切负荷策略集，n为负荷用户数，P_i为负荷用户i的负荷损失代价，Sⁱ表示负荷用户i所有可用的策略集合，

表示负荷用户i选择切除负荷的优先级，

表示负荷用户i已选切负荷策略集Xⁱ中的单一策略，

表示负荷用户i没有选择切除负荷的优先级，

表示负荷用户i未选切负荷策略集Xⁱ中的单一策略；

模型优化模块，用于将所述多负荷用户非合作博弈模型转换成切负荷多目标优化问题，建立基于多负荷用户博弈的频率稳定切负荷策略优化模型：

min u₁(X),…,min u_i(X),…,min u_n(X)

其中，ΔP^*为切负荷量精确度，σ为切负荷量精确度选取的阈值；

以及计算模块，用于采用带精英策略的非支配排序遗传算法NSGA-II，求解切负荷策略优化模型的整体最优解，作为最终的切负荷策略，具体操作如下：

对种群中的个体进行编码，随机产生初始种群；

通过选择、交叉、变异和非支配排序后产生第一代子群；

将初始种群和第一代子群合并形成新种群，并通过非支配排序、拥挤度计算和选择操作后产生新一代种群；对新一代种群进行交叉、变异、选择操作，产生变异种群；

重复操作，直至达到每轮切负荷的终止条件；

如果本轮切除负荷后，切负荷优化方案总切除量达到切负荷量精确度要求，则保存该方案；如果未满足切负荷量精确度要求且本轮次没有达到最大切负荷轮次，则重新产生第一代子群，进行新一轮切负荷的迭代求解；

如果未满足切负荷量精确度要求且当前切负荷轮数已达到最大切负荷轮次，则无解，结束算法搜索。

Images