CN116632852B - 电网支路有功潮流越限校正控制方法、系统、设备及介质 - Google Patents
电网支路有功潮流越限校正控制方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN116632852B CN116632852B CN202310858923.XA CN202310858923A CN116632852B CN 116632852 B CN116632852 B CN 116632852B CN 202310858923 A CN202310858923 A CN 202310858923A CN 116632852 B CN116632852 B CN 116632852B
- Authority
- CN
- China
- Prior art keywords
- unit
- branch
- power grid
- power
- period
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012937 correction Methods 0.000 title claims abstract description 145
- 238000000034 method Methods 0.000 title claims abstract description 79
- 230000035945 sensitivity Effects 0.000 claims abstract description 111
- 230000009471 action Effects 0.000 claims abstract description 74
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 25
- 230000033228 biological regulation Effects 0.000 claims abstract description 5
- 230000006870 function Effects 0.000 claims description 35
- 238000012163 sequencing technique Methods 0.000 claims description 32
- 230000001105 regulatory effect Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 12
- 230000001276 controlling effect Effects 0.000 claims description 7
- 238000005265 energy consumption Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 abstract description 11
- 230000002787 reinforcement Effects 0.000 abstract description 9
- 238000011282 treatment Methods 0.000 abstract description 6
- 230000008859 change Effects 0.000 description 11
- 239000003795 chemical substances by application Substances 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 7
- 230000003993 interaction Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 238000010206 sensitivity analysis Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000002222 downregulating effect Effects 0.000 description 1
- 230000003828 downregulation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/26—Arrangements for eliminating or reducing asymmetry in polyphase networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/48—Controlling the sharing of the in-phase component
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Abstract
本发明属于电力自动化领域,公开了一种电网支路有功潮流越限校正控制方法、系统、设备及介质,首先采用基于准稳态灵敏度的机组调整组合策略,结合电网下一时段功率不平衡量和各电网支路的下一时段支路电流负载率,得到各机组的当前时段最大调整量;然后结合各机组的当前时段机组出力及各电网支路的下一时段负荷有功功率预测、下一时段支路电流负载率和支路功率额定限值,通过调用预设的预训练后的基于DDPG算法的电网支路有功潮流越限校正模型,得到各机组的下一时段机组调整量。通过准稳态灵敏度的引入,将机组连续出力调节的高维动作空间进行降维处理,结合强化学习的电网支路有功潮流越限校正模型,实现电网支路有功潮流越限的有效校正。
Description
技术领域
本发明属于电力自动化领域,涉及一种电网支路有功潮流越限校正控制方法、系统、设备及介质。
背景技术
当电网发生故障后,故障设备因为开关动作而退出运行,这时正常运行设备必须承担全部负荷,可能导致潮流超过最大允许值而发生潮流越限。电网设备在潮流越限状态下运行会导致设备损坏,甚至引起更大范围的停电。因此,电网发生潮流越限后必须立即采取措施消除越限,以避免电网设备的烧毁和停电事故的发生。消除潮流越限的措施可以包括调整发电机出力、切换电网连接点以及调整变压器的抽头位置等。而如果在规定时间内不能消除越限,则必须切断部分负荷,以降低电网的负荷水平。在实际调度过程中,需要根据电网的运行状态和潮流约束条件,综合考虑采取何种消除越限的措施。但是,仅凭经验分析得到的消除越限措施可能无法满足潮流约束,甚至会导致其他供电设备也发生潮流越限,从而使越限难以尽快消除。因此,需要借助计算机仿真等工具对电网的运行状态进行精确分析和预测,以制定合理的消除越限方案,确保电网的安全稳定运行。
为了及时消除设备潮流越限,计算机仿真软件通常会提供相应支路潮流越限信息,但并没有给出具体的解决方案。因此,有必要对潮流越限的处理方法进行深入研究,为运行人员提供辅助决策支持。当连锁故障发生时,依据潮流越限处理方法进行计算提供及时的阻断和应急处理,比如可以自动切断部分负荷或调整发电机组出力等方式来减少电网的负荷水平,从而避免电网设备的烧毁和停电事故的发生。因此,研究潮流越限处理方法是维持电网安稳运行的关键难题,也是电网运行和管理的重要工作之一。
目前,处理电网支路潮流越限的主要思路包括网络结构调整和节点功率控制。网络结构调整通过优化网络潮流分布,降低支路潮流功率;节点功率控制则通过调整节点功率,包括电源和负荷控制,降低支路潮流功率。而由于节点功率控制可以直接影响支路潮流变化,并且可以通过局部线性化计算得出二者之间的关系,因此是常用的消除支路潮流越限的方法。电网支路潮流越限调整有人工智能算法和灵敏度类算法。人工智能算法主要是采用粒子群算法或者蚁群算法,优点是对于复杂电网各类约束条件适用性强但是缺点是容易陷入局部最优;灵敏度类算法基于电网变量间线性关系进行计算,结合反向等量配对法与综合灵敏度对机组调整顺序进行排序,通过优化计算可调节机组集合消除越限断面。但是,灵敏度类方法主要针对单个断面越限,但是对于多个断面越限,由于各个断面间的相互影响,灵敏度法求解规则难以制定,往往会出现支路潮流越限此消彼长的现象。
发明内容
本发明的目的在于克服上述现有技术的缺点,提供一种电网支路有功潮流越限校正控制方法、系统、设备及介质。
为达到上述目的,本发明采用以下技术方案予以实现:
本发明第一方面,提供一种电网支路有功潮流越限校正控制方法,包括:
获取电网下一时段功率不平衡量、各机组的当前时段机组出力以及各电网支路的下一时段负荷有功功率预测、下一时段支路电流负载率和支路功率额定限值;
采用基于准稳态灵敏度的机组调整组合策略,结合电网下一时段功率不平衡量和各电网支路的下一时段支路电流负载率,得到各机组的当前时段最大调整量;
根据各机组的当前时段机组出力和当前时段最大调整量,以及各电网支路的下一时段负荷有功功率预测、下一时段支路电流负载率和支路功率额定限值,通过调用预设的预训练后的基于DDPG算法的电网支路有功潮流越限校正模型,得到各机组的下一时段机组调整量。
可选的,所述采用基于准稳态灵敏度的机组调整组合策略,结合电网下一时段功率不平衡量和各电网支路的下一时段支路电流负载率,得到各机组的当前时段最大调整量包括:
将下一时段支路电流负载率大于重载阈值或越限阈值的电网支路作为调节支路,得到调节支路集合;当调节支路集合中至少存在一调节支路时:
获取各机组对调节支路集合的综合灵敏度,并遍历各机组进行计算步骤;其中,计算步骤:对于综合灵敏度为正的机组:通过采用综合灵敏度乘以机组可下调节容量绝对值,得到机组的综合可调整容量;对于综合灵敏度为负的机组:通过采用综合灵敏度乘以机组可上调节容量绝对值,得到机组的综合可调整容量;
按照综合灵敏度由大至小的顺序排列各机组,得到机组排序序列;其中,平衡机组不参与排序;并重复组合步骤至机组排序序列为空,得到调整策略组合集合和系统平衡调节机组集合;其中,组合步骤:组合机组排序序列中排序第一和排序末尾的机组,得到机组组合;当机组组合中两机组的综合可调整容量乘积为正时,从机组排序序列中移除机组组合;当机组组合中两机组的综合可调整容量乘积为负时,从机组排序序列中移除机组组合,以及计算机组组合的综合可调整容量绝对值,并当机组组合的综合可调整容量绝对值不小于门槛值时,将机组组合添加至调整策略组合集合中,当机组组合的综合可调整容量绝对值小于门槛值时,将机组组合添加至系统平衡调节机组集合中;
遍历调整策略组合集合中的各机组,综合可调整容量大于0的机组的当前时段最大调整量为该机组的可下调节容量;综合可调整容量不大于0的机组的当前时段最大调整量为该机组的可上调节容量;
遍历系统平衡调节机组集合中的各机组,当电网下一时段功率不平衡量大于0时,综合可调整容量大于0的机组的当前时段最大调整量为该机组的可上调节容量;综合可调整容量不大于0的机组的当前时段最大调整量为该机组的可下调节容量;当电网下一时段功率不平衡量不大于0时,综合可调整容量大于0的机组的当前时段最大调整量为该机组的可下调节容量;综合可调整容量不大于0的机组的当前时段最大调整量为该机组的可上调节容量;
调整策略组合集合和系统平衡调节机组集合之外的各机组的当前时段最大调整量为0。
可选的,当调节支路集合为空时:
获取各机组的剩余容量,并根据剩余容量从大到小的顺序排列各机组,得到剩余容量排列序列;
当电网下一时段功率不平衡量大于0时,剩余容量排列序列中排名中位以上的机组的当前时段最大调整量分别为各自机组的可上调节容量,其余机组的当前时段最大调整量均为0;
当电网下一时段功率不平衡量不大于0时,剩余容量排列序列中排名中位以下的机组的当前时段最大调整量分别为各自机组的可下调节容量,其余机组的当前时段最大调整量均为0。
可选的,所述获取各机组对调节支路集合的综合灵敏度包括:
计算各机组对调节支路集合中各调节支路的准稳态灵敏度;
遍历各机组进行综合步骤,得到各机组对调节支路集合的综合灵敏度;其中,综合步骤:将当前机组对调节支路集合中各调节支路的准稳态灵敏度进行加和取平均值,得到当前机组对调节支路集合的综合灵敏度;
所述计算机组组合的综合可调整容量绝对值包括:
获取机组组合中两机组的综合可调整容量的绝对值中的最小值,得到机组组合的综合可调整容量绝对值。
可选的,所述电网支路有功潮流越限校正模型的动作空间为:
其中,为电网支路有功潮流越限校正模型t时段的动作,即各机组的t时段最大调整量调整权重集合,/>为第n个机组的t时段最大调整量调整权重,G为机组集合,N为机组总数;
所述电网支路有功潮流越限校正模型的状态空间为:
其中,为电网支路有功潮流越限校正模型t时段的环境状态,/>为各机组的当前时段机组出力集合,/>为各机组的t时段最大调整量集合,/>为各电网支路的t+1时段负荷有功功率预测集合,/>为各电网支路的t+1时段支路电流负载率集合,/>为各电网支路的支路功率额定限值集合。
可选的,所述电网支路有功潮流越限校正模型的奖励反馈函数为:
其中,、/>、/>和/>为预设的调度需求权重;
其中,为线路负载分布奖励,K为电网支路总数;/>为电网支路k在t时段的有功功率值;/>为机组n在t时段的调整量,N为机组总数;/>为机组n对电网支路k的灵敏度;/>表示负荷l在t时段的下一时段负荷有功功率预测变化量,L为电网支路个数;为负荷l对电网支路k的灵敏度;/>为电网支路k的支路功率额定限值;
其中,为越限支路控制惩罚;
其中,为新能源消纳奖励,/>为t时段第i个新能源机组的出力,/>为新能源机组总数,/>为t时段第i个新能源机组的最大出力;
其中,为系统平衡调整惩罚,/>为t时段机组动作后t+1时段平衡机组有功出力。
可选的,所述电网支路有功潮流越限校正模型预训练时的损失函数为:
其中,是经验池采样数据个数,/>是t时段的奖励得分,/>为预设的折扣因子,/>为电网支路有功潮流越限校正模型的Critic网络t时段的拟合价值函数,/>为电网支路有功潮流越限校正模型的Actor网络t时段状态空间,/>为电网支路有功潮流越限校正模型的Actor网络t时段动作,/>,/>为动作函数,/>为电网支路有功潮流越限校正模型的Actor网络参数,/>为电网支路有功潮流越限校正模型的Critic网络参数;/>为电网支路有功潮流越限校正模型的Actor目标网络t+1时段的价值函数,/>为电网支路有功潮流越限校正模型的Actor目标网络t+1时段的状态空间,/>为电网支路有功潮流越限校正模型的Actor目标网络t+1时段的动作,/>为电网支路有功潮流越限校正模型的Critic目标网络参数。
可选的,所述电网支路有功潮流越限校正模型预训练时,通过电力平衡调整步骤和/或支路越限调整步骤,优化电网支路有功潮流越限校正模型的动作;
其中,电力平衡调整步骤包括:获取当前动作下的电力不平衡量,并根据火电机组、新能源机组和可调负荷机组的顺序分摊电力不平衡量得到电力平衡调整结果,以及根据电力平衡调整结果优化当前动作;其中,火电机组基于机组剩余功率占比进行电力不平衡量的分摊;
支路越限调整步骤包括:获取当前动作下各电网支路的越限情况,以及当存在越限的电网支路时,获取当前动作下各机组的下一时段机组调整量,并按照综合可调整量从大到小顺序,将调整策略组合集合中的当前机组组合中的两个机组的下一时段机组调整量修改为当前机组组合的综合可调整容量绝对值,至不存在越限的电网支路,得到支路越限调整结果,以及根据支路越限调整结果优化当前动作。
本发明第二方面,提供一种电网支路有功潮流越限校正控制系统,包括:
数据获取模块,用于获取电网下一时段功率不平衡量、各机组的当前时段机组出力以及各电网支路的下一时段负荷有功功率预测、下一时段支路电流负载率和支路功率额定限值;
最大调整量确定模块,用于采用基于准稳态灵敏度的机组调整组合策略,结合电网下一时段功率不平衡量和各电网支路的下一时段支路电流负载率,得到各机组的当前时段最大调整量;
模型处理模块,用于根据各机组的当前时段机组出力和当前时段最大调整量,以及各电网支路的下一时段负荷有功功率预测、下一时段支路电流负载率和支路功率额定限值,通过调用预设的预训练后的基于DDPG算法的电网支路有功潮流越限校正模型,得到各机组的下一时段机组调整量。
本发明第三方面,提供一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的电网支路有功潮流越限校正控制方法的步骤。
本发明第四方面,提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的电网支路有功潮流越限校正控制方法的步骤。
与现有技术相比,本发明具有以下有益效果:
本发明电网支路有功潮流越限校正控制方法,首先采用基于准稳态灵敏度的机组调整组合策略,结合电网下一时段功率不平衡量和各电网支路的下一时段支路电流负载率,确定各机组的当前时段最大调整量,通过准稳态灵敏度的引入,将机组连续出力调节的高维动作空间进行降维处理,并将各机组的当前时段最大调整量作为电网支路有功潮流越限校正模型的输入,将准稳态灵敏度因子引入电网支路有功潮流越限校正模型,实现电网支路有功潮流越限校正模型的动作降维,从而有效的降低了电网支路有功潮流越限校正模型对具有连续动作空间的机组动作维度的学习难度,便于电网支路有功潮流越限校正模型的预训练和对电网支路有功潮流越限的精准校正,有效解决基于灵敏度的传统算法难以解决多个电网支路越限,人工智能方法容易陷入局部最优,以及面对复杂系统建模难和计算慢的难题,有效提升电网支路潮流越限校正计算性能与智能化水平,进而提升电网调度智能化水平,具有良好的经济效益。
附图说明
图1为本发明实施例的电网支路有功潮流越限校正控制方法流程图。
图2为本发明实施例的基于准稳态灵敏度的机组调整组合策略流程图。
图3为本发明实施例的各机组的当前时段最大调整量计算流程图。
图4为本发明实施例的电网支路有功潮流越限校正模型的训练流程图。
图5为本发明实施例的电网支路有功潮流越限校正控制方法原理图。
图6为本发明实施例的电网支路有功潮流越限校正控制系统结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先,介绍本发明实施例中涉及的相关术语:
智能体:在强化学习中能够采取一系列行动并且期望获得较高收益或者达到某一目标的部分。
环境:强化学习中智能体-环境的交互中,除了智能体以外的部分都统一称作环境,整个过程将其离散化为不同的时刻,在每个时刻环境和智能体都会产生相应的交互。
动作:智能体可以采取一定的动作,这个的动作是施加在环境中的。
环境状态和奖励:环境在接受到动作后,会反馈给环境目前的状态以及由于上一个行动而产生的奖励,奖励用于指导动作的好坏。
电网支路:电网支路是指电网中的一个电路分支,通常包括发电机、变压器、输电线路、配电线路和负载等部件。
下面结合附图对本发明做进一步详细描述:
参见图1,本发明一实施例中,提供一种电网支路有功潮流越限校正控制方法,主要解决电力调度自动化领域利用灵敏度和人工智能方法对电网支路有限潮流越限校正容易出现多个电网支路越限调整此消彼长现象和陷入局部最优的问题。具体的,该电网支路有功潮流越限校正控制方法包括以下步骤:
S1:获取电网下一时段功率不平衡量、各机组的当前时段机组出力以及各电网支路的下一时段负荷有功功率预测、下一时段支路电流负载率和支路功率额定限值。
S2:采用基于准稳态灵敏度的机组调整组合策略,结合电网下一时段功率不平衡量和各电网支路的下一时段支路电流负载率,得到各机组的当前时段最大调整量。
S3:根据各机组的当前时段机组出力和当前时段最大调整量,以及各电网支路的下一时段负荷有功功率预测、下一时段支路电流负载率和支路功率额定限值,通过调用预设的预训练后的基于DDPG算法的电网支路有功潮流越限校正模型,得到各机组的下一时段机组调整量。
本发明电网支路有功潮流越限校正控制方法,首先采用基于准稳态灵敏度的机组调整组合策略,结合电网下一时段功率不平衡量和各电网支路的下一时段支路电流负载率,确定各机组的当前时段最大调整量,通过准稳态灵敏度的引入,将机组连续出力调节的高维动作空间进行降维处理,并将各机组的当前时段最大调整量作为电网支路有功潮流越限校正模型的输入,将准稳态灵敏度因子引入电网支路有功潮流越限校正模型,实现电网支路有功潮流越限校正模型的动作降维,从而有效的降低了电网支路有功潮流越限校正模型对具有连续动作空间的机组动作维度的学习难度,便于电网支路有功潮流越限校正模型的预训练和对电网支路有功潮流越限的精准校正,有效解决基于灵敏度的传统算法难以解决多个电网支路越限,人工智能方法容易陷入局部最优,以及面对复杂系统建模难和计算慢的难题,有效提升电网支路潮流越限校正计算性能与智能化水平,进而提升电网调度智能化水平,具有良好的经济效益。
在一种可能的实施方式中,所述采用基于准稳态灵敏度的机组调整组合策略,结合电网下一时段功率不平衡量和各电网支路的下一时段支路电流负载率,得到各机组的当前时段最大调整量包括:
将下一时段支路电流负载率大于重载阈值或越限阈值的电网支路作为调节支路,得到调节支路集合。
当调节支路集合中至少存在一调节支路时:获取各机组对调节支路集合的综合灵敏度,并遍历各机组进行计算步骤;其中,计算步骤:对于综合灵敏度为正的机组:通过采用综合灵敏度乘以机组可下调节容量绝对值,得到机组的综合可调整容量;对于综合灵敏度为负的机组:通过采用综合灵敏度乘以机组可上调节容量绝对值,得到机组的综合可调整容量;按照综合灵敏度由大至小的顺序排列各机组,得到机组排序序列;其中,平衡机组不参与排序;并重复组合步骤至机组排序序列为空,得到调整策略组合集合和系统平衡调节机组集合;其中,组合步骤:组合机组排序序列中排序第一和排序末尾的机组,得到机组组合;当机组组合中两机组的综合可调整容量乘积为正时,从机组排序序列中移除机组组合;当机组组合中两机组的综合可调整容量乘积为负时,从机组排序序列中移除机组组合,以及计算机组组合的综合可调整容量绝对值,并当机组组合的综合可调整容量绝对值不小于门槛值时,将机组组合添加至调整策略组合集合中,当机组组合的综合可调整容量绝对值小于门槛值时,将机组组合添加至系统平衡调节机组集合中;遍历调整策略组合集合中的各机组,综合可调整容量大于0的机组的当前时段最大调整量为该机组的可下调节容量;综合可调整容量不大于0的机组的当前时段最大调整量为该机组的可上调节容量;遍历系统平衡调节机组集合中的各机组,当电网下一时段功率不平衡量大于0时,综合可调整容量大于0的机组的当前时段最大调整量为该机组的可上调节容量;综合可调整容量不大于0的机组的当前时段最大调整量为该机组的可下调节容量;当电网下一时段功率不平衡量不大于0时,综合可调整容量大于0的机组的当前时段最大调整量为该机组的可下调节容量;综合可调整容量不大于0的机组的当前时段最大调整量为该机组的可上调节容量;调整策略组合集合和系统平衡调节机组集合之外的各机组的当前时段最大调整量为0。
其中,所述获取各机组对调节支路集合的综合灵敏度包括:计算各机组对调节支路集合中各调节支路的准稳态灵敏度;遍历各机组进行综合步骤,得到各机组对调节支路集合的综合灵敏度;其中,综合步骤:将当前机组对调节支路集合中各调节支路的准稳态灵敏度进行加和取平均值,得到当前机组对调节支路集合的综合灵敏度。
所述计算机组组合的综合可调整容量绝对值包括:获取机组组合中两机组的综合可调整容量的绝对值中的最小值,得到机组组合的综合可调整容量绝对值。
可选的,当调节支路集合为空时:获取各机组的剩余容量,并根据剩余容量从大到小的顺序排列各机组,得到剩余容量排列序列;当电网下一时段功率不平衡量大于0时,剩余容量排列序列中排名中位以上的机组的当前时段最大调整量分别为各自机组的可上调节容量,其余机组的当前时段最大调整量均为0;当电网下一时段功率不平衡量不大于0时,剩余容量排列序列中排名中位以下的机组的当前时段最大调整量分别为各自机组的可下调节容量,其余机组的当前时段最大调整量均为0。
具体的,常规灵敏度的计算公式为:
其中,为机组i有功注入变化后,在电网支路k上引起的有功潮流变化量,/>为机组i的有功注入变化量,m和n为电网支路k两端机组;/>描述了机组i的有功功率改变单位值时电网支路k的有功潮流的变化量,/>是机组m和机组i之间的互阻抗,/>为机组n和机组i之间的互阻抗,/>是电网支路k的阻抗。
某一电网支路有功功率相对于机组i有功出力的灵敏度实际上是机组i增加个单位出力、平衡机组减少一个单位出力时该电网支路有功功率的变化量,电网中由于功率调节引起的不平衡量将完全由虚设的平衡机组来承担,这显然不符合电网的实际情况。实际情况是,当电网出现不平衡量时,其他的某些发电机组一定会调整出力,以共同承担电网出现的功率不平衡量,因此需要改进常规灵敏度方法,准稳态灵敏度分析方法可以克服这些不足。
准稳态灵敏度分析方法的思路是:将控制变量的改变量区分为初始改变量和最终改变量/>;再根据电网的具体特点和控制变量的物理特性,认为只有最终改变量才会作用于新的稳态运行点。
从而在和/>之间建立相互关系如下:
其中,描述了最终改变量/>和初始改变量/>之间的关系。
由此得到准稳态灵敏度关系:
其中,为状态变量x的变化量,/>为依从变量y的变化量 ,准稳态灵敏度系数和/>为:
其中,为控制量u的变化量引起状态变量x变化的灵敏度系数矩阵,/>为为控制量u的变化量引起依从变量y变化的灵敏度系数矩阵。
将阶直流潮流电纳矩阵/>扩展到包括平衡机组的/>阶,此时/>奇异。在/>的平衡机组处处置大数,此时/>可逆。计算/>阶矩阵/>,此时矩阵/>中和平衡机组对应的行和列都为0。考虑将/>台(包括平衡机组的)机组的有功出力调整/>,如果所有机组的调整量之和为:/>,则电网的不平衡功率量将要由/>台发电机承担,而不是只由平衡机组一台机组承担。其中,/>为/>台机组集合,/>是维的全1列矢量。
台(包括平衡机组的)机组,按照承担系数/>承担电网的不平衡功率量,/>是列矢量,并有:
所以,将不平衡功率量分摊到各台机组上后机组的实际调整量是:
即:
其中,为/>阶单位矩阵,/>为考虑准稳态响应的/>阶变换矩阵。
将上式代入常规灵敏度的计算公式,得到准稳态灵敏度的公式为:
其中,和/>相比,多了一个变换矩阵/>。并且,准稳态灵敏度的计算结果和平衡机组的选择无关。
考虑灵敏度的电网支路潮流越限校正控制遵循以下原则:对于每个已存在的重载/越限电网支路,准稳态灵敏度为正且绝对值较大的机组不能增加出力,准稳态灵敏度为负且绝对值较大的机组不能减少出力,否则会使重载/越限程度加剧。
此外,当出现电网支路潮流重载/越限情况时,一般会根据机组对支路的灵敏度对机组出力进行调整,一般通过调整对支路功率灵敏度较高的机组的出力来调整断面功率,经过对机组出力的反复调整直到断面功率达到目标要求。在调整过程中依据的原则为机组调整的有功功率之和为零,即调整过程中机不改变平衡机组的出力水平,保证电网有功功率平衡,这种调整思想被命名为等量配对法。
在等量配对法中,每次调整遵循等量一致的原则,即每轮配对送端(正准稳态灵敏度因子)和受端机组(负准稳态灵敏度因子)总调整量相等。每调整一个送端机组的有功出力就应用等量配对法为这个机组匹配一个机组减少同样的出力,经过多轮机组调整使得电网支路的有功功率达到目标要求,因此参与调整的机组组合十分关键,本实施例中提供基于准稳态灵敏度的机组调整组合策略。
参见图2,基于准稳态灵敏度的机组调整组合策略包括以下步骤:
步骤1、计算各电网支路的支路电流负载率,定位重载/越限的电网支路并将其定义为调整支路,进而得到调整支路集合。同时,根据各电网支路的支路功率额定限额确定各电网支路的支路功率下调量大小集合/>。
步骤2、遍历调整支路集合,依次计算机组对各调整支路的准稳态灵敏度,得到机组对调整支路准稳态灵敏度集合/>。
步骤3、遍历机组对调整支路准稳态灵敏度集合,按照机组顺序将各调整支路的灵敏度加和取平均值,得到机组对调整支路集合的综合灵敏度集合/>。
步骤4、将综合灵敏度集合中的准稳态灵敏度为正的机组,采用准稳态灵敏度乘以对应机组的可下调节容量绝对值,以及将综合灵敏度集合中的准稳态灵敏度为负的机组乘以对应机组的可上调容量绝对值,得到各机组的综合可调整容量。
步骤5、将各机组按照综合可调整容量由大至小进行排序,平衡机组不参与排序。
步骤6、取排名第一和排名最后对应的机组和机组/>组成机组组合,其中,/>为机组/>的综合可调整容量,/>为机组/>的综合可调整容量。判断/>,是则结束,否则计算机组组合的综合可调整容量,即取机组组合中两个机组的综合可调整容量的绝对值中的最小值即。
步骤7、判断机组组合的综合可调整容量的绝对值是否小于门槛值,否则将机组组合放入调整策略组合集合/>中;是则将该机组组合放入系统平衡调节机组集合/>中;
步骤8、从排名中移除该对机组,并重复步骤6至7,至遍历排名中各机组。
然后,本实施方式中,根据支路潮流重载/越限的程度,基于准稳态灵敏度来选取参与功率调整的关键机组群以及调整性质。
考虑到机组运行状态直接影响电网运行状态,如果在决策机组调整策略时不考虑动作必要性则会产生大量机组调整,不仅增加了调度人员的工作量而且增加了决策输出维度,并降低了决策速度。参见图3,本实施方式中,分为没有出现重载/越限的电网支路和出现重载/越限的电网支路两种情况,分别计算关键机组群及其调整性质,即各机组的当前时段最大调整量实现决策动作降维。
具体的,当没有出现重载/越限的电网支路时,关键机组群及其调整性质计算步骤如下:1)获取各机组的剩余容量,并根据剩余容量从大到小的顺序排列各机组,得到剩余容量排列序列;2)根据下一时段负荷预测与当前时段负荷结果计算电网下一时段功率不平衡量,如果/>,将排名中位以上的机组调整性质设为上调,这些机组的当前时段最大调整量为其可上调节容量(表示为正数),其余机组为不调整,即其余机组的当前时段最大调整量均为0;如果/>,将排名中位以下的机组性质设为下调,这些机组的当前时段最大调整量为其可下调节容量(表示为负数),其余机组为不调整。
当出现重载/越限的电网支路时,关键机组群及其调整性质计算步骤如下:1)遍历调整策略组合集合中的各机组,综合可调整容量大于0的机组的调整性质为下调,对应当前时段最大调整量为其可下调节容量(表示为负数),综合可调整容量小于0的机组的调整性质为上调,对应当前时段最大调整量为其可上调节容量(表示为正数);2)根据下一时段负荷预测与当前时段负荷结果计算电网下一时段功率不平衡量,如果/>,则系统平衡调节机组集合/>中机组/>的机组的调整性质为上调,对应当前时段最大调整量为其可上调节容量(表示为正数),/>的机组相反;如果/>,则系统平衡调节机组集合/>中机组/>的机组的调整性质为下调,对应当前时段最大调整量为其可下调节容量(表示为负数),/>相反;3)其他机组的当前时段最大调整量为0,调整性质为不调整,输出的机组最大调整量按照机组序号排列为/>维向量。
在实现决策动作降维后,需要设计相应的强化学习智能体来实现决策。强化学习是一个与环境不断交互、获得反馈、更新策略以及寻找一个最优策略来最大化期望回报值的过程。强化学习主要分为两大类:基于值的算法和基于策略的算法。DDPG(DeepDeterministic Policy Gradient,深度确定性策略梯度)算法是一种可以解决续性控制问题的强化学习方法,属于基于策略的算法。该方法采用策略网络提供控制动作,采用值函数网络来评估控制动作的效果。DDPG算法利用深度神经网络逼近行为值函数,使其能够很好得解决连续性控制问题。
然而,使用DDPG算法进行优化调度时,对于大规模电网,由于动作数过多,导致神经网络规模较大,网络参数较多,可能会使智能体的训练收敛速度较慢。尤其是在考虑电网支路潮流越限的预防与校正控制时,往往针对电网支路越限的处置策略针对性不强,需要长时间训练才能实现控制目标。
而准稳态灵敏度可以直观的反应线路功率变化量与机组调节量线性关系,将准稳态灵敏度与强化学习相结合,即结合上述的决策动作降维,再设置适合的奖励函数和训练机制可有效指导智能体进行学习进而实现控制优化。
本实施方式中,基于DDPG算法构建包含动作空间、状态空间和奖励函数的电网支路有功潮流越限校正模型。电网支路有功潮流越限校正模型包含Actor网络和Critic网络,Actor网络和Critic网络的网络参数分为表示为和/>,Actor网络输出动作,Critic网络表示为/>。
具体的,所述电网支路有功潮流越限校正模型的动作空间为:
其中,为电网支路有功潮流越限校正模型t时段的动作,即各机组的t时段最大调整量,/>为第n个机组的t时段最大调整量,G为机组集合,N为机组总数。其中,电网支路有功潮流越限校正模型的动作网络通过Sigmoid函数输出动作值的范围为[0,1],由于电网支路有功潮流越限校正模型的输入包含各机组的当前时段最大调整量,动作网络的输出与对应的当前时段最大调整量相乘才能得到各机组的下一时段机组调整量。
所述电网支路有功潮流越限校正模型的状态空间为:
其中,为电网支路有功潮流越限校正模型t时段的环境状态,/>为各机组的当前时段机组出力集合,/>为各机组的t时段最大调整量集合,/>为各电网支路的t+1时段负荷有功功率预测集合,/>为各电网支路的t+1时段支路电流负载率集合,/>为各电网支路的支路功率额定限值集合。
所述电网支路有功潮流越限校正模型的奖励反馈函数为:
其中,、/>、/>和/>为预设的调度需求权重,/>为线路负载分布奖励,为越限支路控制惩罚,/>为新能源消纳奖励,/>为系统平衡调整惩罚。
具体的,线路负载分布奖励如下:
其中,K为电网支路总数;为电网支路k在t时段的有功功率值;/>为机组n在t时段的调整量,N为机组总数;/>为机组n对电网支路k的灵敏度;/>表示负荷l在t时段的下一时段负荷有功功率预测变化量,L为电网支路个数;/>为负荷l对电网支路k的灵敏度;/>为电网支路k的支路功率额定限值。
越限支路控制惩罚为:
新能源消纳奖励为:
其中,为t时段第i个新能源机组的出力,/>为新能源机组总数,为t时段第i个新能源机组的最大出力。
系统平衡调整惩罚为:
/>
其中,为t时段机组动作后t+1时段平衡机组有功出力。
基于上述奖励反馈函数的设置,智能体在一个回合(包含T个时段)的总奖励得分为/>。
具体的,强化学习算法通过与环境交互来进行学习,与环境交互一次得到反馈就网络参数就更新一次,参见图4,本实施例中,电网支路有功潮流越限校正模型的训练流程具体如下:
步骤11、首先初始化环境,从环境中提取环境状态,然后将环境状态/>作为动作网络的输入,由动作网络输出动作/>;将动作/>执行于环境,得到奖励函数/>和反馈的环境状态/>,反馈分数较高的数据存入经验池/>。
步骤12、对于分数较低的动作采用专家策略给出调整动作并作用于环境得到的反馈存入经验池/>,指导智能体学习评分较高的动作。
步骤13、对电网支路有功潮流越限校正模型进行训练时,从经验回放池中随机选择数量为的数据参与训练。动作/>和环境状态/>作为评估网络的输入,评估网络得到评估值/>;目标动作网络根据/>作为输入得到目标动作/>,经过专家策略对其进行修正,再由目标评价网络得到/>;通过构造损失函数采用梯度下降法对评价网络参数进行/>更新;在更新了几轮之后,动作网络再进行更新。对应目标网络采用软更新的方式。
步骤14、电网支路有功潮流越限校正模型训练时,初始化回合时会出现电网支路存在重载或者越限情况,智能体与环境多次交互对消除重载或越限情况,在交互中进行网络参数迭代,要求智能体在规定的交互次数中完成重载/越限情况的消除,否则视为运行失败。
本实施方式中,所述电网支路有功潮流越限校正模型的损失函数采用均方差计算,通过经验回放机制更新网络参数,损失函数公式如下所示:
其中,是经验池采样数据个数,/>是t时段的奖励得分,/>为预设的折扣因子,/>为电网支路有功潮流越限校正模型的Critic网络t时段的拟合价值函数,/>为电网支路有功潮流越限校正模型的Actor网络t时段状态空间,/>为电网支路有功潮流越限校正模型的Actor网络t时段动作,函数定义为/>,/>为动作函数,/>为电网支路有功潮流越限校正模型的Actor网络参数,/>为电网支路有功潮流越限校正模型的Critic网络参数;/>为电网支路有功潮流越限校正模型的Actor目标网络t+1时段的价值函数,/>为电网支路有功潮流越限校正模型的Actor目标网络t+1时段的状态空间,/>为电网支路有功潮流越限校正模型的Actor目标网络t+1时段的动作,/>为电网支路有功潮流越限校正模型的Critic目标网络参数。
在DDPG算法中,目标网络的更新方式如下所示:
其中,为电网支路有功潮流越限校正模型的Actor目标网络参数,/>为一个较小的更新系数。
本实施方式中,采用专家策略给出调整动作时,具体通过电力平衡调整步骤和/或支路越限调整步骤,优化电网支路有功潮流越限校正模型的动作。
其中,电力平衡调整步骤包括:获取当前动作下的电力不平衡量,并根据火电机组、新能源机组和可调负荷机组的顺序分摊电力不平衡量得到电力平衡调整结果,以及根据电力平衡调整结果优化当前动作;其中,火电机组基于机组剩余功率占比进行电力不平衡量的分摊。
针对电网支路连续越限会导致电网支路断开引发电网连锁解列现象以及电网支路越限导致奖励分数下降的情况,除了应用准稳态灵敏度方法进行动作降维筛选进行调整外,需要考虑准稳态灵敏度调整的专家策略对电网支路越限情况进行预警和调整,即设计了支路越限调整步骤。支路越限调整步骤包括:获取当前动作下各电网支路的越限情况,以及当存在越限的电网支路时,获取当前动作下各机组的下一时段机组调整量,并按照综合可调整量从大到小顺序,将调整策略组合集合中的当前机组组合中的两个机组的下一时段机组调整量修改为当前机组组合的综合可调整容量绝对值,至不存在越限的电网支路,得到支路越限调整结果,以及根据支路越限调整结果优化当前动作。
参见图5,示出了本发明电网支路有功潮流越限校正控制方法的实现原理,可以分为两个部分,一部分为基于准稳态灵敏度的机组调整组合策略,计算各机组的当前时段最大调整量实现对机组动作降维,该部分输出维向量(n为机组个数),该向量表示机组当前时段最大调整量;另一部分是基于深度确定性策略梯度算法构建的电网支路有功潮流越限校正模型,结合各机组的当前时段最大调整量,对各机组进行调整实现电网支路有功潮流越限预防与校正。可选的,在通过电网支路有功潮流越限校正模型进行调整时,以专家策略进行辅助优化。
下述为本发明的装置实施例,可以用于执行本发明方法实施例。对于装置实施例中未披露的细节,请参照本发明方法实施例。
参见图6,本发明再一实施例中,提供一种电网支路有功潮流越限校正控制系统,能够用于实现上述的电网支路有功潮流越限校正控制方法,具体的,该电网支路有功潮流越限校正控制系统包括数据获取模块、最大调整量确定模块以及模型处理模块。
其中,数据获取模块用于获取电网下一时段功率不平衡量、各机组的当前时段机组出力以及各电网支路的下一时段负荷有功功率预测、下一时段支路电流负载率和支路功率额定限值;最大调整量确定模块用于采用基于准稳态灵敏度的机组调整组合策略,结合电网下一时段功率不平衡量和各电网支路的下一时段支路电流负载率,得到各机组的当前时段最大调整量;模型处理模块用于根据各机组的当前时段机组出力和当前时段最大调整量,以及各电网支路的下一时段负荷有功功率预测、下一时段支路电流负载率和支路功率额定限值,通过调用预设的预训练后的基于DDPG算法的电网支路有功潮流越限校正模型,得到各机组的下一时段机组调整量。
在一种可能的实施方式中,所述采用基于准稳态灵敏度的机组调整组合策略,结合电网下一时段功率不平衡量和各电网支路的下一时段支路电流负载率,得到各机组的当前时段最大调整量包括:将下一时段支路电流负载率大于重载阈值或越限阈值的电网支路作为调节支路,得到调节支路集合;当调节支路集合中至少存在一调节支路时:获取各机组对调节支路集合的综合灵敏度,并遍历各机组进行计算步骤;其中,计算步骤:对于综合灵敏度为正的机组:通过采用综合灵敏度乘以机组可下调节容量绝对值,得到机组的综合可调整容量;对于综合灵敏度为负的机组:通过采用综合灵敏度乘以机组可上调节容量绝对值,得到机组的综合可调整容量;按照综合灵敏度由大至小的顺序排列各机组,得到机组排序序列;其中,平衡机组不参与排序;并重复组合步骤至机组排序序列为空,得到调整策略组合集合和系统平衡调节机组集合;其中,组合步骤:组合机组排序序列中排序第一和排序末尾的机组,得到机组组合;当机组组合中两机组的综合可调整容量乘积为正时,从机组排序序列中移除机组组合;当机组组合中两机组的综合可调整容量乘积为负时,从机组排序序列中移除机组组合,以及计算机组组合的综合可调整容量绝对值,并当机组组合的综合可调整容量绝对值不小于门槛值时,将机组组合添加至调整策略组合集合中,当机组组合的综合可调整容量绝对值小于门槛值时,将机组组合添加至系统平衡调节机组集合中;遍历调整策略组合集合中的各机组,综合可调整容量大于0的机组的当前时段最大调整量为该机组的可下调节容量;综合可调整容量不大于0的机组的当前时段最大调整量为该机组的可上调节容量;遍历系统平衡调节机组集合中的各机组,当电网下一时段功率不平衡量大于0时,综合可调整容量大于0的机组的当前时段最大调整量为该机组的可上调节容量;综合可调整容量不大于0的机组的当前时段最大调整量为该机组的可下调节容量;当电网下一时段功率不平衡量不大于0时,综合可调整容量大于0的机组的当前时段最大调整量为该机组的可下调节容量;综合可调整容量不大于0的机组的当前时段最大调整量为该机组的可上调节容量;调整策略组合集合和系统平衡调节机组集合之外的各机组的当前时段最大调整量为0。
在一种可能的实施方式中,当调节支路集合为空时:获取各机组的剩余容量,并根据剩余容量从大到小的顺序排列各机组,得到剩余容量排列序列;当电网下一时段功率不平衡量大于0时,剩余容量排列序列中排名中位以上的机组的当前时段最大调整量分别为各自机组的可上调节容量,其余机组的当前时段最大调整量均为0;当电网下一时段功率不平衡量不大于0时,剩余容量排列序列中排名中位以下的机组的当前时段最大调整量分别为各自机组的可下调节容量,其余机组的当前时段最大调整量均为0。
在一种可能的实施方式中,所述获取各机组对调节支路集合的综合灵敏度包括:计算各机组对调节支路集合中各调节支路的准稳态灵敏度;遍历各机组进行综合步骤,得到各机组对调节支路集合的综合灵敏度;其中,综合步骤:将当前机组对调节支路集合中各调节支路的准稳态灵敏度进行加和取平均值,得到当前机组对调节支路集合的综合灵敏度;所述计算机组组合的综合可调整容量绝对值包括:获取机组组合中两机组的综合可调整容量的绝对值中的最小值,得到机组组合的综合可调整容量绝对值。
在一种可能的实施方式中,所述电网支路有功潮流越限校正模型的动作空间为:
其中,为电网支路有功潮流越限校正模型t时段的动作,即各机组的t时段最大调整量调整权重集合,/>为第n个机组的t时段最大调整量调整权重,G为机组集合,N为机组总数。
所述电网支路有功潮流越限校正模型的状态空间为:
其中,为电网支路有功潮流越限校正模型t时段的环境状态,/>为各机组的当前时段机组出力集合,/>为各机组的t时段最大调整量集合,/>为各电网支路的t+1时段负荷有功功率预测集合,/>为各电网支路的t+1时段支路电流负载率集合,/>为各电网支路的支路功率额定限值集合。
在一种可能的实施方式中,所述电网支路有功潮流越限校正模型的奖励反馈函数为:
其中,、/>、/>和/>为预设的调度需求权重。
其中,为线路负载分布奖励,K为电网支路总数;/>为电网支路k在t时段的有功功率值;/>为机组n在t时段的调整量,N为机组总数;/>为机组n对电网支路k的灵敏度;/>表示负荷l在t时段的下一时段负荷有功功率预测变化量,L为电网支路个数;为负荷l对电网支路k的灵敏度;/>为电网支路k的支路功率额定限值。
其中,为越限支路控制惩罚。
其中,为新能源消纳奖励,/>为t时段第i个新能源机组的出力,/>为新能源机组总数,/>为t时段第i个新能源机组的最大出力。
其中,为系统平衡调整惩罚,/>为t时段机组动作后t+1时段平衡机组有功出力。/>
在一种可能的实施方式中,所述电网支路有功潮流越限校正模型预训练时的损失函数为:
其中,是经验池采样数据个数,/>是t时段的奖励得分,/>为预设的折扣因子,/>为电网支路有功潮流越限校正模型的Critic网络t时段的拟合价值函数,/>为电网支路有功潮流越限校正模型的Actor网络t时段状态空间,/>为电网支路有功潮流越限校正模型的Actor网络t时段动作,/>,/>为动作函数,/>为电网支路有功潮流越限校正模型的Actor网络参数,/>为电网支路有功潮流越限校正模型的Critic网络参数;/>为电网支路有功潮流越限校正模型的Actor目标网络t+1时段的价值函数,/>为电网支路有功潮流越限校正模型的Actor目标网络t+1时段的状态空间,/>为电网支路有功潮流越限校正模型的Actor目标网络t+1时段的动作,/>为电网支路有功潮流越限校正模型的Critic目标网络参数。
在一种可能的实施方式中,所述电网支路有功潮流越限校正模型预训练时,通过电力平衡调整步骤和/或支路越限调整步骤,优化电网支路有功潮流越限校正模型的动作;其中,电力平衡调整步骤包括:获取当前动作下的电力不平衡量,并根据火电机组、新能源机组和可调负荷机组的顺序分摊电力不平衡量得到电力平衡调整结果,以及根据电力平衡调整结果优化当前动作;其中,火电机组基于机组剩余功率占比进行电力不平衡量的分摊;支路越限调整步骤包括:获取当前动作下各电网支路的越限情况,以及当存在越限的电网支路时,获取当前动作下各机组的下一时段机组调整量,并按照综合可调整量从大到小顺序,将调整策略组合集合中的当前机组组合中的两个机组的下一时段机组调整量修改为当前机组组合的综合可调整容量绝对值,至不存在越限的电网支路,得到支路越限调整结果,以及根据支路越限调整结果优化当前动作。
前述的电网支路有功潮流越限校正控制方法的实施例涉及的各步骤的所有相关内容均可以援引到本发明实施例中的电网支路有功潮流越限校正控制系统所对应的功能模块的功能描述,在此不再赘述。
本发明实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,另外,在本发明各个实施例中的各功能模块可以集成在一个处理器中,也可以是单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
本发明再一个实施例中,提供了一种计算机设备,该计算机设备包括处理器以及存储器,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(CentralProcessing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,其是终端的计算核心以及控制核心,其适于实现一条或一条以上指令,具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能;本发明实施例所述的处理器可以用于电网支路有功潮流越限校正控制方法的操作。
本发明再一个实施例中,本发明还提供了一种存储介质,具体为计算机可读存储介质(Memory),所述计算机可读存储介质是计算机设备中的记忆设备,用于存放程序和数据。可以理解的是,此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质,当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间,该存储空间存储了终端的操作系统。并且,在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令,这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是,此处的计算机可读存储介质可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令,以实现上述实施例中有关电网支路有功潮流越限校正控制方法的相应步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、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 (8)
1.一种电网支路有功潮流越限校正控制方法,其特征在于,包括:
获取电网下一时段功率不平衡量、各机组的当前时段机组出力以及各电网支路的下一时段负荷有功功率预测、下一时段支路电流负载率和支路功率额定限值;
采用基于准稳态灵敏度的机组调整组合策略,结合电网下一时段功率不平衡量和各电网支路的下一时段支路电流负载率,得到各机组的当前时段最大调整量;
根据各机组的当前时段机组出力和当前时段最大调整量,以及各电网支路的下一时段负荷有功功率预测、下一时段支路电流负载率和支路功率额定限值,通过调用预设的预训练后的基于DDPG算法的电网支路有功潮流越限校正模型,得到各机组的下一时段机组调整量;
所述采用基于准稳态灵敏度的机组调整组合策略,结合电网下一时段功率不平衡量和各电网支路的下一时段支路电流负载率,得到各机组的当前时段最大调整量包括:
将下一时段支路电流负载率大于重载阈值或越限阈值的电网支路作为调节支路,得到调节支路集合;当调节支路集合中至少存在一调节支路时:
获取各机组对调节支路集合的综合灵敏度,并遍历各机组进行计算步骤;其中,计算步骤:对于综合灵敏度为正的机组:通过采用综合灵敏度乘以机组可下调节容量绝对值,得到机组的综合可调整容量;对于综合灵敏度为负的机组:通过采用综合灵敏度乘以机组可上调节容量绝对值,得到机组的综合可调整容量;
按照综合灵敏度由大至小的顺序排列各机组,得到机组排序序列;其中,平衡机组不参与排序;并重复组合步骤至机组排序序列为空,得到调整策略组合集合和系统平衡调节机组集合;其中,组合步骤:组合机组排序序列中排序第一和排序末尾的机组,得到机组组合;当机组组合中两机组的综合可调整容量乘积为正时,从机组排序序列中移除机组组合;当机组组合中两机组的综合可调整容量乘积为负时,从机组排序序列中移除机组组合,以及计算机组组合的综合可调整容量绝对值,并当机组组合的综合可调整容量绝对值不小于门槛值时,将机组组合添加至调整策略组合集合中,当机组组合的综合可调整容量绝对值小于门槛值时,将机组组合添加至系统平衡调节机组集合中;
遍历调整策略组合集合中的各机组,综合可调整容量大于0的机组的当前时段最大调整量为该机组的可下调节容量;综合可调整容量不大于0的机组的当前时段最大调整量为该机组的可上调节容量;
遍历系统平衡调节机组集合中的各机组,当电网下一时段功率不平衡量大于0时,综合可调整容量大于0的机组的当前时段最大调整量为该机组的可上调节容量;综合可调整容量不大于0的机组的当前时段最大调整量为该机组的可下调节容量;当电网下一时段功率不平衡量不大于0时,综合可调整容量大于0的机组的当前时段最大调整量为该机组的可下调节容量;综合可调整容量不大于0的机组的当前时段最大调整量为该机组的可上调节容量;
调整策略组合集合和系统平衡调节机组集合之外的各机组的当前时段最大调整量为0;
所述电网支路有功潮流越限校正模型的动作空间为:
其中,为电网支路有功潮流越限校正模型t时段的动作,即各机组的t时段最大调整量调整权重集合,/>为第n个机组的t时段最大调整量调整权重,G为机组集合,N为机组总数;
所述电网支路有功潮流越限校正模型的状态空间为:
其中,为电网支路有功潮流越限校正模型t时段的环境状态,/>为各机组的当前时段机组出力集合,/>为各机组的t时段最大调整量集合,/>为各电网支路的t+1时段负荷有功功率预测集合,/>为各电网支路的t+1时段支路电流负载率集合,/>为各电网支路的支路功率额定限值集合;
所述电网支路有功潮流越限校正模型的奖励反馈函数为:
其中,、/>、/>和/>为预设的调度需求权重;
其中,为线路负载分布奖励,K为电网支路总数;/>为电网支路k在t时段的有功功率值;/>为机组n在t时段的调整量,N为机组总数;/>为机组n对电网支路k的灵敏度;/>表示负荷l在t时段的下一时段负荷有功功率预测变化量,L为电网支路个数;/>为负荷l对电网支路k的灵敏度;/>为电网支路k的支路功率额定限值;
其中,为越限支路控制惩罚;
其中,为新能源消纳奖励,/>为t时段第i个新能源机组的出力,/>为新能源机组总数,/>为t时段第i个新能源机组的最大出力;
其中,为系统平衡调整惩罚,/>为t时段机组动作后t+1时段平衡机组有功出力。
2.根据权利要求1所述的电网支路有功潮流越限校正控制方法,其特征在于,当调节支路集合为空时:
获取各机组的剩余容量,并根据剩余容量从大到小的顺序排列各机组,得到剩余容量排列序列;
当电网下一时段功率不平衡量大于0时,剩余容量排列序列中排名中位以上的机组的当前时段最大调整量分别为各自机组的可上调节容量,其余机组的当前时段最大调整量均为0;
当电网下一时段功率不平衡量不大于0时,剩余容量排列序列中排名中位以下的机组的当前时段最大调整量分别为各自机组的可下调节容量,其余机组的当前时段最大调整量均为0。
3.根据权利要求1所述的电网支路有功潮流越限校正控制方法,其特征在于,所述获取各机组对调节支路集合的综合灵敏度包括:
计算各机组对调节支路集合中各调节支路的准稳态灵敏度;
遍历各机组进行综合步骤,得到各机组对调节支路集合的综合灵敏度;其中,综合步骤:将当前机组对调节支路集合中各调节支路的准稳态灵敏度进行加和取平均值,得到当前机组对调节支路集合的综合灵敏度;
所述计算机组组合的综合可调整容量绝对值包括:
获取机组组合中两机组的综合可调整容量的绝对值中的最小值,得到机组组合的综合可调整容量绝对值。
4.根据权利要求1所述的电网支路有功潮流越限校正控制方法,其特征在于,所述电网支路有功潮流越限校正模型预训练时的损失函数为:
其中,是经验池采样数据个数,/>是t时段的奖励得分,/>为预设的折扣因子,为电网支路有功潮流越限校正模型的Critic网络t时段的拟合价值函数,/>为电网支路有功潮流越限校正模型的Actor网络t时段状态空间,/>为电网支路有功潮流越限校正模型的Actor网络t时段动作,/>,/>为动作函数,/>为电网支路有功潮流越限校正模型的Actor网络参数,/>为电网支路有功潮流越限校正模型的Critic网络参数;/>为电网支路有功潮流越限校正模型的Actor目标网络t+1时段的价值函数,/>为电网支路有功潮流越限校正模型的Actor目标网络t+1时段的状态空间,为电网支路有功潮流越限校正模型的Actor目标网络t+1时段的动作,/>为电网支路有功潮流越限校正模型的Critic目标网络参数。
5.根据权利要求1所述的电网支路有功潮流越限校正控制方法,其特征在于,所述电网支路有功潮流越限校正模型预训练时,通过电力平衡调整步骤和/或支路越限调整步骤,优化电网支路有功潮流越限校正模型的动作;
其中,电力平衡调整步骤包括:获取当前动作下的电力不平衡量,并根据火电机组、新能源机组和可调负荷机组的顺序分摊电力不平衡量得到电力平衡调整结果,以及根据电力平衡调整结果优化当前动作;其中,火电机组基于机组剩余功率占比进行电力不平衡量的分摊;
支路越限调整步骤包括:获取当前动作下各电网支路的越限情况,以及当存在越限的电网支路时,获取当前动作下各机组的下一时段机组调整量,并按照综合可调整量从大到小顺序,将调整策略组合集合中的当前机组组合中的两个机组的下一时段机组调整量修改为当前机组组合的综合可调整容量绝对值,至不存在越限的电网支路,得到支路越限调整结果,以及根据支路越限调整结果优化当前动作。
6.一种电网支路有功潮流越限校正控制系统,其特征在于,包括:
数据获取模块,用于获取电网下一时段功率不平衡量、各机组的当前时段机组出力以及各电网支路的下一时段负荷有功功率预测、下一时段支路电流负载率和支路功率额定限值;
最大调整量确定模块,用于采用基于准稳态灵敏度的机组调整组合策略,结合电网下一时段功率不平衡量和各电网支路的下一时段支路电流负载率,得到各机组的当前时段最大调整量;
模型处理模块,用于根据各机组的当前时段机组出力和当前时段最大调整量,以及各电网支路的下一时段负荷有功功率预测、下一时段支路电流负载率和支路功率额定限值,通过调用预设的预训练后的基于DDPG算法的电网支路有功潮流越限校正模型,得到各机组的下一时段机组调整量;
所述采用基于准稳态灵敏度的机组调整组合策略,结合电网下一时段功率不平衡量和各电网支路的下一时段支路电流负载率,得到各机组的当前时段最大调整量包括:
将下一时段支路电流负载率大于重载阈值或越限阈值的电网支路作为调节支路,得到调节支路集合;当调节支路集合中至少存在一调节支路时:
获取各机组对调节支路集合的综合灵敏度,并遍历各机组进行计算步骤;其中,计算步骤:对于综合灵敏度为正的机组:通过采用综合灵敏度乘以机组可下调节容量绝对值,得到机组的综合可调整容量;对于综合灵敏度为负的机组:通过采用综合灵敏度乘以机组可上调节容量绝对值,得到机组的综合可调整容量;
按照综合灵敏度由大至小的顺序排列各机组,得到机组排序序列;其中,平衡机组不参与排序;并重复组合步骤至机组排序序列为空,得到调整策略组合集合和系统平衡调节机组集合;其中,组合步骤:组合机组排序序列中排序第一和排序末尾的机组,得到机组组合;当机组组合中两机组的综合可调整容量乘积为正时,从机组排序序列中移除机组组合;当机组组合中两机组的综合可调整容量乘积为负时,从机组排序序列中移除机组组合,以及计算机组组合的综合可调整容量绝对值,并当机组组合的综合可调整容量绝对值不小于门槛值时,将机组组合添加至调整策略组合集合中,当机组组合的综合可调整容量绝对值小于门槛值时,将机组组合添加至系统平衡调节机组集合中;
遍历调整策略组合集合中的各机组,综合可调整容量大于0的机组的当前时段最大调整量为该机组的可下调节容量;综合可调整容量不大于0的机组的当前时段最大调整量为该机组的可上调节容量;
遍历系统平衡调节机组集合中的各机组,当电网下一时段功率不平衡量大于0时,综合可调整容量大于0的机组的当前时段最大调整量为该机组的可上调节容量;综合可调整容量不大于0的机组的当前时段最大调整量为该机组的可下调节容量;当电网下一时段功率不平衡量不大于0时,综合可调整容量大于0的机组的当前时段最大调整量为该机组的可下调节容量;综合可调整容量不大于0的机组的当前时段最大调整量为该机组的可上调节容量;
调整策略组合集合和系统平衡调节机组集合之外的各机组的当前时段最大调整量为0;
所述电网支路有功潮流越限校正模型的动作空间为:
其中,为电网支路有功潮流越限校正模型t时段的动作,即各机组的t时段最大调整量调整权重集合,/>为第n个机组的t时段最大调整量调整权重,G为机组集合,N为机组总数;
所述电网支路有功潮流越限校正模型的状态空间为:
其中,为电网支路有功潮流越限校正模型t时段的环境状态,/>为各机组的当前时段机组出力集合,/>为各机组的t时段最大调整量集合,/>为各电网支路的t+1时段负荷有功功率预测集合,/>为各电网支路的t+1时段支路电流负载率集合,/>为各电网支路的支路功率额定限值集合;
所述电网支路有功潮流越限校正模型的奖励反馈函数为:
其中,、/>、/>和/>为预设的调度需求权重;
其中,为线路负载分布奖励,K为电网支路总数;/>为电网支路k在t时段的有功功率值;/>为机组n在t时段的调整量,N为机组总数;/>为机组n对电网支路k的灵敏度;/>表示负荷l在t时段的下一时段负荷有功功率预测变化量,L为电网支路个数;/>为负荷l对电网支路k的灵敏度;/>为电网支路k的支路功率额定限值;
其中,为越限支路控制惩罚;
其中,为新能源消纳奖励,/>为t时段第i个新能源机组的出力,/>为新能源机组总数,/>为t时段第i个新能源机组的最大出力;
其中,为系统平衡调整惩罚,/>为t时段机组动作后t+1时段平衡机组有功出力。
7.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的电网支路有功潮流越限校正控制方法的步骤。
8.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的电网支路有功潮流越限校正控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310858923.XA CN116632852B (zh) | 2023-07-13 | 2023-07-13 | 电网支路有功潮流越限校正控制方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310858923.XA CN116632852B (zh) | 2023-07-13 | 2023-07-13 | 电网支路有功潮流越限校正控制方法、系统、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116632852A CN116632852A (zh) | 2023-08-22 |
CN116632852B true CN116632852B (zh) | 2023-09-29 |
Family
ID=87621505
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310858923.XA Active CN116632852B (zh) | 2023-07-13 | 2023-07-13 | 电网支路有功潮流越限校正控制方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116632852B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018049737A1 (zh) * | 2016-09-18 | 2018-03-22 | 国电南瑞科技股份有限公司 | 一种基于分区负荷控制的安全校正计算方法 |
CN108270248A (zh) * | 2018-01-19 | 2018-07-10 | 中国南方电网有限责任公司 | 一种基于准稳态灵敏度分析的有功安全校正控制方法 |
CN115765050A (zh) * | 2022-09-22 | 2023-03-07 | 中国电力科学研究院有限公司 | 一种电力系统安全校正控制方法、系统、设备及存储介质 |
-
2023
- 2023-07-13 CN CN202310858923.XA patent/CN116632852B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018049737A1 (zh) * | 2016-09-18 | 2018-03-22 | 国电南瑞科技股份有限公司 | 一种基于分区负荷控制的安全校正计算方法 |
CN108270248A (zh) * | 2018-01-19 | 2018-07-10 | 中国南方电网有限责任公司 | 一种基于准稳态灵敏度分析的有功安全校正控制方法 |
CN115765050A (zh) * | 2022-09-22 | 2023-03-07 | 中国电力科学研究院有限公司 | 一种电力系统安全校正控制方法、系统、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116632852A (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | A modified chaotic differential evolution algorithm for short-term optimal hydrothermal scheduling | |
Zhou et al. | Multi-objective artificial bee colony algorithm for short-term scheduling of hydrothermal system | |
Erlich et al. | Optimal dispatch of reactive sources in wind farms | |
Chang et al. | Optimal power flow of a wind-thermal generation system | |
CN114217524B (zh) | 一种基于深度强化学习的电网实时自适应决策方法 | |
CN115940294B (zh) | 多级电网实时调度策略调整方法、系统、设备及存储介质 | |
Wang et al. | Automatic adjustment method of power flow calculation convergence for large-scale power grid based on knowledge experience and deep reinforcement learning | |
CN110932281A (zh) | 一种基于电网准稳态灵敏度的多断面协同校正方法和系统 | |
CN112633577A (zh) | 一种短期家庭用电负荷预测方法、系统、存储介质及设备 | |
CN104573857A (zh) | 一种基于智能算法优化组合的电网负荷率预测方法 | |
CN116470511A (zh) | 基于深度强化学习的线路潮流控制方法 | |
CN109378863A (zh) | 权重与约束关联调整的电网实时发电控制优化决策方法 | |
CN115313403A (zh) | 一种基于深度强化学习算法的实时电压调控方法 | |
CN113627533B (zh) | 一种基于强化学习的电力设备检修决策生成方法 | |
CN116632852B (zh) | 电网支路有功潮流越限校正控制方法、系统、设备及介质 | |
CN116826762B (zh) | 智能配电网电压安全控制方法、装置、设备及其介质 | |
CN116995682A (zh) | 一种可调节负荷参与有功潮流连续调整方法与系统 | |
Razmi et al. | Neural network based on a genetic algorithm for power system loading margin estimation | |
CN114069650B (zh) | 配电网合环电流调控方法、装置、计算机设备和存储介质 | |
CN112787331B (zh) | 基于深度强化学习的潮流收敛自动调整方法及系统 | |
CN115860170A (zh) | 一种考虑电力电子负载的配电系统电能质量优化方法 | |
CN114865714A (zh) | 一种基于强化学习的电网运行方式自动调整方法 | |
CN115276067A (zh) | 一种适应配电网拓扑动态变化的分布式储能电压调节方法 | |
CN109842160B (zh) | 基于两个时点协调优化发电控制的决策方法、装置及系统 | |
CN110826763B (zh) | 一种基于引导学习策略的中长期合约电量分解方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |