[發明專利]基于雙層強化學習電網-用戶相協同的電壓無功優化方法在審
| 申請號： | 202211078364.2 | 申請日： | 2022-09-05 |
| 公開（公告）號： | CN115313407A | 公開（公告）日： | 2022-11-08 |
| 發明（設計）人： | 吳明賀;洪蘆誠;王逸飛 | 申請（專利權）人： | 東南大學 |
| 主分類號： | H02J3/16 | 分類號： | H02J3/16;H02J3/48;H02J3/18;G06F30/27;G06N7/00;G06F21/62;G06F111/06;G06F111/08;G06F113/04 |
| 代理公司： | 南京眾聯專利代理有限公司 32206 | 代理人： | 周蔚然 |
| 地址： | 210096 *** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 雙層 強化 學習 電網 用戶 協同 電壓 無功 優化 方法 | ||
1.基于雙層強化學習電網-用戶相協同的電壓無功優化方法，其特征在于，包括以下步驟：
步驟1：構建配電網的Bi-VVO模型，在電網側以DSO為控制主體構建上層的優化模型，其目標是降低整個系統的網損，在用戶側以PV用戶為控制主體構建下層的優化模型，其目的是降低配電網節點的電壓偏差；
步驟2：將步驟1中的雙層優化模型中的上層DSO視作領導者，下層PV用戶視作跟隨者，并定義它們的決策優先級，以此來構建ASMG模型；
步驟3：為了求解步驟1、2提出的方法，使用一種雙層強化學習算法Bi-AC為領導者和跟隨著智能體制定獨特的Actor和Critic網絡；
步驟4：針對步驟3中的Bi-AC算法，采用離線的方式訓練各智能體，在此過程中智能體通過真實的配電網歷史運行數據不斷和仿真環境互動學習最佳的優化策略；
步驟5：在步驟4訓練完成后，將各智能體的Actor網絡部署到控制器上，給控制器輸入觀測信息實時得到優化策略。
2.根據權利要求1所述的基于雙層強化學習電網-用戶相協同的電壓無功優化方法，其特征在于：步驟1所述的構建配電網的Bi-VVO模型，上層的控制主體是電網側的DSO，為了應對PV的間歇性，選擇無功優化設備是靜止無功補償器；上層的優化目標是最小化配電系統的有功損耗，下式為精確的有功損耗計算公式：
式中N是配電網的節點總數，Pi、Qi和Pj、Qj分別代表節點i和j的有功功率和無功功率的凈注入量；系數αij和βij由下式計算：
式中，δi、Vi和δj、Vj分別代表節點i和節點j的電壓相角和幅值rij為兩個節點之間的線路電阻；
下層的控制主體是安裝PV的用戶，通過PV附帶的逆變器對所在節點進行無功優化來緩解PV間歇性帶來的電壓偏差，其優化目標如下式：
式中，Vi為第i個PV安裝節點的電壓幅值,Vset為標準電壓的設定值，一般設置為1。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于東南大學，未經東南大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202211078364.2/1.html，轉載請聲明來源鉆瓜專利網。
