[發明專利]一種分布式微網電壓多層協同控制方法

有效

• 申請號: 202110620175.2
• 申請日: 2021-06-03
• 公開（公告）號: CN113346543B
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 殷林飛;羅仕逵;邱耀;高放
• 申請（專利權）人: 廣西大學
• 主分類號: H02J3/38
• 分類號: H02J3/38;H02J3/16
• 代理公司: 南寧東智知識產權代理事務所(特殊普通合伙) 45117
• 代理人: 裴康明;黎華艷

1.一種分布式微網電壓多層協同控制方法，其特征在于，將微網分為四個電壓調控層，并采用四種相互協調的優化方法對微網電壓進行實時調度與控制；該方法在使用過程中的步驟為：

(1)將目標微網系統電壓控制裝置按類型和調節方式劃分四個調控層；

(2)對電壓控制系統的第一層采用改進的執行依賴雙啟發式動態規劃方法優化微網無功裝置；

改進的執行依賴雙啟發式動態規劃方法框架包含的執行網絡和評價網絡采用深度簡單循環單元來構建；深度簡單循環單元由多層簡單循環單元構成，深度簡單循環單元的參數連接關系描述為：

f_t＝σ(W_fx_t+v_f⊙c_t-1+b_f)

c_t＝f_t⊙c_t-1+(1-f_t)⊙(Wx_t)

r_t＝σ(W_rx_t+v_r⊙c_t-1+b_r)h_t

h_t＝r_t⊙c_t+(1-r_t)⊙x_t

式中，W，W_f和W_r為參數矩陣，v_f，v_r和b_r為參數向量，x_t為輸入變量，c_t為狀態序列，⊙表示Hadamard乘積；遺忘門f_t控制信息流，狀態向量c_t根據f_t自適應平均前一個狀態c_t-1和當前觀測Wx_t；f_t＝σ(W_fx_t+v_f⊙c_t-1+b_f)和c_t＝f_t⊙c_t-1+(1-f_t)⊙(Wx_t)為深度簡單循環網絡的輕循環部分；輕循環部分通過使用Hadamard乘積和優化參數連接關系減輕循環神經網絡參數計算復雜度；r_t＝σ(W_rx_t+v_r⊙c_t-1+b_r)h_t和h_t＝r_t⊙c_t+(1-r_t)⊙x_t為深度簡單循環單元的高速網絡部分；高速網絡部分通過引入門控降低參數反向傳播過程計算復雜度，以緩解因網絡深度加深導致的梯度信息回流受阻網絡訓練難進行的問題；參數更新上，選擇Nadam梯度優化方法優化深度簡單循環單元網絡參數；

(3)對電壓控制系統的第二層采用一致性方法優化決策智能體決策信息同步性；

對于電壓控制系統的每個智能體，一階時間連續一致性方法描述為：

式中，x_i(t)為第i個智能體在t時刻的狀態，N_i為智能體集合；對于一階時間離散的一致性方法，通過馬爾科夫鏈形式x_i(t+1)＝P(t)x(t)，其中P(t)為N_i×N_i的隨機數矩陣，且存在[P(t)]_ij＝p_ij≥0，則第i個智能體在t+1時刻的狀態為：

各智能體之間通過信息交換，將相鄰智能體的狀態信息進行更新迭代，當智能體狀態其中為常數，則認為系統達到一致性，此時各智能體狀態描述為：x₁＝x₂＝x₃...＝x_n；

(4)對電壓控制系統的第三層采用線性優化方法；

采用線性優化方法對第三層電壓控制裝置進行指令分配；根據微網電壓-無功功率下垂控制特性設置第三層調度目標函數為：

式中，N_i為節點集合，N_i,k為接入節點i的無功裝置集合，u_i,k,t為t時刻第k個無功裝置狀態取值0或1，為t時刻第k個無功裝置無功增量，ΔQ_i,t為i節點t時刻無功增量，ΔQ_i,t＝-ω_i(V_i,t-V_i^pre)，ω_i為電壓下垂系數，V_i,t為當前電壓幅值，V_i^pre為預測電壓幅值；無功裝置的控制策略描述為：

式中，r_i,k為t時刻第k個無功裝置的功率調節系數；

(5)對電壓控制系統的第四層采用量子多智能體協同強化學習方法；

量子多智能體協同強化學習方法優化微網系統電壓控制過程描述為：

(5.1)初始化參數/變量；

①初始化狀態和動作，并賦值相同的疊加值：其中，C_x為復系數，|C_x|²表示|x在狀態|φ下出現的概率；m和n分別為狀態和動作的選擇數；

②在狀態|s^(m)和動作下初始化：

③設置循環的最大迭代次數為500；

(5.2)執行循環迭代操作，直到所有狀態|ΔV(s)|＜ε或超出最大迭代次數時終止；

①從中輸入狀態|s；

②觀察動作值獲得動作|a；

③執行動作|a，觀察下一狀態|s′以及智能體的獎勵r；

④更新狀態值V(s)←(1-α)V(s)+αγV(s′)+αr；其中，V(s)決策狀態，α為學習率，r為獎勵值，γ∈[0,1]為折扣因子；

⑤執行Grover迭代操作L次更新概率振幅；

(6)電壓控制系統的四層控制中心之間進行通信，并根據相鄰層的決策和電壓控制系統的狀態變量信息優化下一次決策動作。