[發明專利]電力系統暫態電壓穩定緊急切負荷控制方法、系統及介質

在審

• 申請號: 202211325051.2
• 申請日: 2022-10-27
• 公開（公告）號: CN115566690A
• 公開（公告）日: 2023-01-03
• 發明（設計）人: 姚偉;胡澤;石重托;曾令康;文勁宇
• 申請（專利權）人: 華中科技大學
• 主分類號: H02J3/14
• 分類號: H02J3/14;H02J3/24
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 彭軍芬

本發明公開了一種電力系統暫態電壓穩定緊急切負荷控制方法、系統及介質，屬于電力系統穩定性控制領域，方法包括：S1，選取故障工況樣本；S2，根據故障工況樣本和上一切負荷控制措施，得到第一狀態、第一完成標志和第一獎勵；S3，智能體根據上一切負荷控制措施，在線性決策空間中選取當前切負荷控制措施，并仿真得到第二狀態；S4，利用第一狀態、第一完成標志、第一獎勵、當前切負荷控制措施和第二狀態，更新智能體的策略網絡參數，并將當前切負荷控制措施作為新的上一切負荷控制措施；S5，重復執行S2?S4，直至得到有效切負荷控制措施或達到預設迭代次數；S6，重復執行S1?S5，直至達到預設訓練輪次。可提升離線緊急切負荷控制措施制定的效率。

技術領域

本發明屬于電力系統穩定性控制領域，更具體地，涉及一種電力系統暫態電壓穩定緊急切負荷控制方法、系統及介質。

背景技術

電力系統受到大擾動后引起暫態電壓失穩是一種常見的失穩形式。針對暫態電壓失穩，最為常用的控制措施是緊急切負荷。緊急切負荷控制措施一般在故障發生后迅速投入，恢復電力系統安全穩定運行。離線預決策-在線匹配模式的緊急切負荷控制措施在實際電網中廣泛應用。傳統離線預決策一般由電網專家完成，耗時耗力。目前通常基于潮流方程、啟發式算法、暫態過程控制變量靈敏度分析等制定離線預決策緊急切負荷控制措施，其得到的決策措施往往較為粗略，也較為耗時。

隨著人工智能的發展，有些研究已將深度強化學習應用到電力系統潮流調整、發電機控制、能量管理等，取得了不錯的效果。將深度強化學習應用到緊急切負荷控制領域，有望加快離線預決策切負荷措施制定的效率。然而，目前的深度強化學習應用于緊急切負荷控制，存在馬爾科夫決策過程(Markov Decision Process，MDP)設計困難、決策空間過大、知識融合不足的問題。智能體難以訓練，決策效率較為低下。因此，如何設計有效的MDP，設計合理的決策空間和融入領域知識，以提高智能體的訓練效率和決策質量，是目前亟待解決的技術問題。

發明內容

針對現有技術的缺陷和改進需求，本發明提供了一種電力系統暫態電壓穩定緊急切負荷控制方法、系統及介質，其目的在于提高智能體的訓練效率和決策質量。

為實現上述目的，按照本發明的一個方面，提供了一種電力系統暫態電壓穩定緊急切負荷控制方法，包括：S1，從樣本集中選取一故障工況樣本，所述樣本集包含多組暫態電壓失穩模式下的故障工況；S2，根據所述故障工況樣本和上一切負荷控制措施，仿真得到第一狀態、第一完成標志和第一獎勵；S3，DRL智能體根據上一切負荷控制措施，在線性決策空間中選取當前切負荷控制措施，并根據所述故障工況樣本和當前切負荷控制措施，仿真得到第二狀態；S4，利用第一狀態、第一完成標志、第一獎勵、當前切負荷控制措施和第二狀態，更新所述DRL智能體的策略網絡參數，并將當前切負荷控制措施作為新的上一切負荷控制措施；S5，重復執行所述S2-S4，直至得到有效的切負荷控制措施或者達到預設迭代次數；S6，重復執行所述S1-S5，直至達到預設訓練輪次，利用最終的DRL智能體決策出暫態電壓失穩模式下故障工況與切負荷控制措施的對應關系。

更進一步地，所述S3中選取當前切負荷控制措施受給定約束條件限制，所述給定約束條件包括：選取的當前切負荷控制措施與之前選取的切負荷控制措施均不相同；以及，當上一切負荷控制措施使得暫態電壓失穩更嚴重時，選取的當前切負荷控制措施不包含上一切負荷控制措施中的任一動作。

更進一步地，所述DRL智能體的決策空間為線性決策空間，神經網絡輸出層神經元的數量為：

N_l＝q×m

其中，N_l為所述DRL智能體神經網絡輸出層神經元的數量，m為可控負荷的數量，q為每個可控負荷的總動作數量。