[發(fā)明專利]一種AGC機(jī)組功率動(dòng)態(tài)分配方法及相關(guān)裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202211637787.3
• 申請(qǐng)日: 2022-12-16
• 公開(kāi)（公告）號(hào): CN115912508A
• 公開(kāi)（公告）日: 2023-04-04
• 發(fā)明（設(shè)計(jì)）人: 李江南;趙文猛;周保榮;王滔;毛田
• 申請(qǐng)（專利權(quán)）人: 深圳供電局有限公司
• 主分類號(hào): H02J3/46
• 分類號(hào): H02J3/46;H02J3/38
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 李偉賢

本申請(qǐng)公開(kāi)了一種AGC機(jī)組功率動(dòng)態(tài)分配方法及相關(guān)裝置，方法包括：基于各個(gè)區(qū)域的發(fā)電機(jī)組聚類出多個(gè)發(fā)電機(jī)組群，并將每個(gè)發(fā)電機(jī)組群中可調(diào)容量最大的發(fā)電機(jī)組作為智能體；通過(guò)預(yù)設(shè)DQSN算法根據(jù)不同的智能體將目標(biāo)總調(diào)節(jié)功率初步分配至發(fā)電機(jī)組群，得到機(jī)組群調(diào)節(jié)功率，預(yù)設(shè)DQSN算法根據(jù)深度強(qiáng)化學(xué)習(xí)方法改進(jìn)得到；采用預(yù)置MSCC策略將機(jī)組群調(diào)節(jié)功率分配至每個(gè)發(fā)電機(jī)組，得到機(jī)組目標(biāo)調(diào)節(jié)功率，預(yù)置MSCC策略根據(jù)一致性理論配置得到。本申請(qǐng)能解決現(xiàn)有新能源投入增加導(dǎo)致電力系統(tǒng)穩(wěn)定性較差，且單一區(qū)域控制方式無(wú)法滿足綜合能源的發(fā)展需求的技術(shù)問(wèn)題。

技術(shù)領(lǐng)域

本申請(qǐng)涉及電力系統(tǒng)技術(shù)領(lǐng)域，尤其涉及一種AGC機(jī)組功率動(dòng)態(tài)分配方法及相關(guān)裝置。

背景技術(shù)

為了提升能源利用效率、治理環(huán)境污染，大量分布式可再生新能源接入互聯(lián)電力系統(tǒng)以推動(dòng)電網(wǎng)向著低碳化轉(zhuǎn)型。而分布式可再生新能源由于自身的隨機(jī)性、不可預(yù)測(cè)性、間歇性，在規(guī)模化并網(wǎng)時(shí)將導(dǎo)致電力系統(tǒng)頻率波動(dòng)，對(duì)互聯(lián)電網(wǎng)的安全性、穩(wěn)定性與經(jīng)濟(jì)性提出了嚴(yán)峻的挑戰(zhàn)。

隨著人工智能的崛起，一些學(xué)者將人工智能方法應(yīng)用于自動(dòng)發(fā)電控制(AutomaticGeneration?Control，AGC)。人工智能的強(qiáng)化學(xué)習(xí)能夠通過(guò)與環(huán)境探索試錯(cuò)積累經(jīng)驗(yàn)分析獲取最優(yōu)策略，機(jī)器學(xué)習(xí)體系應(yīng)用在AGC，尤以基于強(qiáng)化學(xué)習(xí)的Q學(xué)習(xí)應(yīng)用最為廣泛。然而很多方法都為單區(qū)域模型，同樣算法也為單智能體算法，這種無(wú)多區(qū)域協(xié)同的模式，可等效看作“集中式”控制，無(wú)法滿足日益發(fā)展的綜合能源模式下分布式多區(qū)域協(xié)同發(fā)展趨勢(shì)。

發(fā)明內(nèi)容

本申請(qǐng)?zhí)峁┝艘环NAGC機(jī)組功率動(dòng)態(tài)分配方法及相關(guān)裝置，用于解決現(xiàn)有新能源投入增加導(dǎo)致電力系統(tǒng)穩(wěn)定性較差，且單一區(qū)域控制方式無(wú)法滿足綜合能源的發(fā)展需求的技術(shù)問(wèn)題。

有鑒于此，本申請(qǐng)第一方面提供了一種AGC機(jī)組功率動(dòng)態(tài)分配方法，包括：

基于各個(gè)區(qū)域的發(fā)電機(jī)組聚類出多個(gè)發(fā)電機(jī)組群，并將每個(gè)所述發(fā)電機(jī)組群中可調(diào)容量最大的發(fā)電機(jī)組作為智能體；

通過(guò)預(yù)設(shè)DQSN算法根據(jù)不同的所述智能體將目標(biāo)總調(diào)節(jié)功率初步分配至所述發(fā)電機(jī)組群，得到機(jī)組群調(diào)節(jié)功率，所述預(yù)設(shè)DQSN算法根據(jù)深度強(qiáng)化學(xué)習(xí)方法改進(jìn)得到；

采用預(yù)置MSCC策略將所述機(jī)組群調(diào)節(jié)功率分配至每個(gè)所述發(fā)電機(jī)組，得到機(jī)組目標(biāo)調(diào)節(jié)功率，所述預(yù)置MSCC策略根據(jù)一致性理論配置得到。

優(yōu)選地，所述通過(guò)預(yù)設(shè)DQSN算法根據(jù)不同的所述智能體將目標(biāo)總調(diào)節(jié)功率初步分配至所述發(fā)電機(jī)組群，得到機(jī)組群調(diào)節(jié)功率，包括：

根據(jù)深度神經(jīng)網(wǎng)絡(luò)和多步統(tǒng)一強(qiáng)化思想配置預(yù)設(shè)DQSN算法；

在每個(gè)AGC控制周期內(nèi)，通過(guò)預(yù)設(shè)DQSN算法獲取每個(gè)所述智能體對(duì)應(yīng)的分配系數(shù)；

根據(jù)所述分配系數(shù)和所述目標(biāo)總調(diào)節(jié)功率將目標(biāo)總調(diào)節(jié)功率初步分配至每個(gè)所述發(fā)電機(jī)組群，得到機(jī)組群調(diào)節(jié)功率。

優(yōu)選地，所述通過(guò)預(yù)設(shè)DQSN算法根據(jù)不同的所述智能體將目標(biāo)總調(diào)節(jié)功率初步分配至所述發(fā)電機(jī)組群，得到機(jī)組群調(diào)節(jié)功率，之前還包括：

基于多智能體強(qiáng)化學(xué)習(xí)算法、資格跡和雙重學(xué)習(xí)算法配置改進(jìn)強(qiáng)化學(xué)習(xí)算法；

根據(jù)所述改進(jìn)強(qiáng)化學(xué)習(xí)算法對(duì)分布式多區(qū)域的微電網(wǎng)進(jìn)行AGC優(yōu)化控制，得到功率調(diào)節(jié)指令；

響應(yīng)于所述功率調(diào)節(jié)指令，通過(guò)PI控制策略獲取各個(gè)區(qū)域在AGC過(guò)程生成的目標(biāo)總調(diào)節(jié)功率。

優(yōu)選地，所述采用預(yù)置MSCC策略將所述機(jī)組群調(diào)節(jié)功率分配至每個(gè)所述發(fā)電機(jī)組，得到機(jī)組目標(biāo)調(diào)節(jié)功率，包括：

基于一致性理論為每個(gè)所述發(fā)電機(jī)組配置一致性變量和擾動(dòng)量，所述一致性變量為爬升時(shí)間；