一种电力系统安全校正控制方法、系统、设备及存储介质技术方案

本发明专利技术公开了一种电力系统安全校正控制方法、系统、设备及存储介质，包括：获取当前时刻的电力系统中发电机组的有功出力、火电机组的爬坡率，下一时刻负荷的有功出力预测值以及新能源最大出力预测值，输入到训练后的智能体中，以获得火电机组的有功出力调整量以及新能源机组的有功出力调整量，根据所述火电机组的有功出力调整量对火电机组的有功出力进行控制，根据所述新能源机组的有功出力调整量对新能源机组的有功出力进行控制，智能体中的策略网络为预训练后的神经网络，该方法、系统、设备及存储介质能够满足当前电网复杂的运行状态，为电力系统运行提供有效的安全保障及技术支撑。撑。撑。

【技术实现步骤摘要】
一种电力系统安全校正控制方法、系统、设备及存储介质


[0001]本专利技术属于强化学习
，涉及一种安全校正控制方法、系统、设备及存储介质，具体涉及一种电力系统安全校正控制方法、系统、设备及存储介质。

技术介绍

[0002]世界各地极端气候引起的大停电事故使得人们对电力系统的安全性颇为关注。电力系统安全校正控制作为电网实时调控操作中的重要一环，能够在预想事故之初消除线路潮流越限等电网安全问题，提高电力系统应对事故的能力。新型电力系统中新能源接入的占比显著提高，电力高峰负荷持续增长，源荷双侧的不确定性给传统的以火电机组为主的电力系统带来了一系列新的安全问题，电力系统功率的波动和潮流的变化大幅增加。因此，针对电力系统外部及内部的一系列挑战，研究考虑新型电力系统正常运行状态及预想事件发生后的安全校正控制方案成为必要。
[0003]传统的电力系统安全校正计算方法分为两大类，即灵敏度分析法和优化规划法。灵敏度分析法因约束条件的制约容易出现机组反复调节的状况，在调整时长上容易受到限制。基于物理模型的优化规划法将安全校正问题转化为优化规划问题，在特定约束条件下求解目标函数，因此具有较好的安全性和经济性。但在面对网络规模大、连续多步决策的系统时计算时间往往过长。同时，传统的安全校正方法较多地以稳定的火电机组作为调节的目标，在面对新能源的大量接入的情况下，电网安全校正控制应更具灵活性，尽可能更多地消纳新能源，维持电网的电力电量平衡，降低电力系统安全稳定运行风险。
[0004]由于安全校正控制需要满足实时在线的计算要求，且新能源机组的大规模接入以及负荷的波动使得电网中不可预见的情况时有发生，传统的基于物理模型的研究方法难以同时满足计算速度和计算精度的要求。基于物理模型方法的局限性推动了人工智能方法的发展和应用。强化学习作为人工智能的一大分支，已经广泛应用于处理电力系统优化问题和电网调控问题。强化学习通过“试错搜索”和“延迟回报”进行交互式学习，自适应在线更新策略，具有较高的计算精度和较快的处理大规模数据的能力。
[0005]传统的有功安全校正控制方法中，因为灵敏度的方法通过选择对一个或一组目标输电断面功率具有较高灵敏度的发电机来调整其运行状态，造成计算精度差；并且容易造成原本处于平衡状态的机组出现潮流越限的状况，也可能在调整一些支路的潮流满足约束条件后有其他的支路出现了潮流越限的情况，从而导致机组的反复调节，设备老化加剧。优化规划法通过求解数学模型得出控制方案，需要调整的设备太多，计算速度慢，且可能存在计算不收敛的问题。灵敏度的方法满足计算速度的要求但牺牲了精度要求，优化规划法满足计算精度的要求但牺牲了计算速度。传统的有功安全校正方法均不能适应当前电网复杂的运行状态，为当前的电力系统运行提供有效的安全保障和技术支撑。

技术实现思路

[0006]本专利技术的目的在于克服上述现有技术的缺点，提供了一种电力系统安全校正控制
方法、系统、设备及存储介质，该方法、系统、设备及存储介质通过训练好的智能体能够快速进行实时安全校正决策，解决传统优化方法单步运算时间过长的问题，同时保证安全校正的计算精度及计算速度。
[0007]为达到上述目的，本专利技术采用如下技术方案：
[0008]本专利技术一方面，本专利技术提供了一种电力系统安全校正控制方法，包括：
[0009]获取当前时刻的电力系统中发电机组的有功出力、火电机组的爬坡率，以及下一时刻的负荷的有功出力预测值以及新能源最大出力预测值；
[0010]将所述当前时刻的电力系统中发电机组的有功出力、火电机组的爬坡率，以及下一时刻的负荷的有功出力预测值以及新能源最大出力预测值输入到训练后的智能体中，以获得火电机组的有功出力调整量以及新能源机组的有功出力调整量，根据所述火电机组的有功出力调整量对火电机组的有功出力进行控制，根据所述新能源机组的有功出力调整量对新能源机组的有功出力进行控制，以对电力系统进行安全校正控制，其中，智能体中的策略网络为预训练后的神经网络。
[0011]本专利技术所述电力系统安全校正控制方法进一步的改进在于：
[0012]所述将所述当前时刻的电力系统中发电机组的有功出力、火电机组的爬坡率、负荷的有功出力以及新能源最大出力预测值输入到训练后的智能体中之前还包括：
[0013]通过模仿学习优化算法获取经验数据集；
[0014]利用所述经验数据集对神经网络进行训练，得预训练后的神经网络；
[0015]将所述预训练后的神经网络作为智能体中的策略网络；
[0016]利用强化学习算法对所述智能体进行训练，得训练后的智能体。
[0017]所述模仿学习优化算法的目标函数为：
[0018][0019]其中，为t时刻第i台火电机组的有功调整量，为t时刻第j台新能源机组的弃风量，β1及β2分别为火电机组有功调整量及新能源机组弃风量的权重系数。
[0020]所述模仿学习优化算法的约束条件为：
[0021][0022][0023][0024][0025][0026]其中，p
G,i
、p
W,j
及p
D,l
分别为第i台火电机组、第j台新能源机组及第l个负荷同一时刻的有功出力，ΔP
k
为火电机组和新能源机组的有功调整量，及分别为第i台火电机组有功出力的最小值及最大值，及分别为第i台火电机组的向上爬坡率及
向下爬坡率，P
L
为线路L的传输功率，为第j台新能源机组的最小有功出力，及分别为t时刻第i台火电机组及第j台新能源机组的有功出力，为t时刻第j台新能源机组的有功调整量，表示第j台新能源机组i在t+1时刻的最大出力，为t时刻第i台火电机组的有功出力，为线路L允许的最大传输功率。
[0027]所述智能体的训练的过程中的奖励函数为：
[0028]r
t
＝α1r
1,t
+α2r
2,t
+α3r
3,t
+α4r
′
4,t
(16)
[0029]其中，r
1,t
为线路潮流越限情况的奖励，r
2,t
为新能源机组消纳量的奖励，r
3,t
为平衡机功率越限的奖励，r
′
4,t
为火电机组有功调整量的奖励，α1、α2、α3及α4分别为r
1,t
、r
2,t
、r
3,t
及r
′
4,t
的权重。
[0030]线路潮流越限情况的奖励r
1,t
、新能源机组消纳量的奖励r
2,t
、平衡机功率越限的奖励r
3,t
及火电机组有功调整量的奖励r
′
4,t
分别为：
[0031][0032][0033][0034][0035][0036]其中，I
L,t
为t时刻线路L本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力系统安全校正控制方法，其特征在于，包括：获取当前时刻的电力系统中发电机组的有功出力、火电机组的爬坡率，以及下一时刻的负荷的有功出力预测值以及新能源最大出力预测值；将所述当前时刻的电力系统中发电机组的有功出力、火电机组的爬坡率，下一时刻负荷的有功出力预测值以及新能源最大出力预测值输入到训练后的智能体中，以获得火电机组的有功出力调整量以及新能源机组的有功出力调整量，根据所述火电机组的有功出力调整量对火电机组的有功出力进行控制，根据所述新能源机组的有功出力调整量对新能源机组的有功出力进行控制，以对电力系统进行安全校正控制，其中，智能体中的策略网络为预训练后的神经网络。2.根据权利要求1所述的电力系统安全校正控制方法，其特征在于，智能体的训练包括：通过模仿学习优化算法获取经验数据集；利用所述经验数据集对神经网络进行训练，得预训练后的神经网络；将所述预训练后的神经网络作为智能体中的策略网络；利用强化学习算法对所述智能体进行训练，得训练后的智能体。3.根据权利要求2所述的电力系统安全校正控制方法，其特征在于，所述模仿学习优化算法的目标函数为：其中，为t时刻第i台火电机组的有功调整量，为t时刻第j台新能源机组的弃风量，β1及β2分别为火电机组有功调整量及新能源机组弃风量的权重系数。4.根据权利要求2所述的电力系统安全校正控制方法，其特征在于，所述模仿学习优化算法的约束条件为：算法的约束条件为：算法的约束条件为：算法的约束条件为：算法的约束条件为：其中，P
G,i
、P
W,j
及P
D,l
分别为第i台火电机组、第j台新能源机组及第l个负荷同一时刻的有功出力，ΔP
k
为火电机组和新能源机组的有功调整量，及分别为第i台火电机组有功出力的最小值及最大值，及分别为第i台火电机组的向上爬坡率及向下爬坡率，P
L
为线路L的传输功率，为第j台新能源机组的最小有功出力，及分别为t时刻第i台火电机组及第j台新能源机组的有功出力，为t时刻第j台新能源机
组的有功调整量，表示第j台新能源机组i在t+1时刻的最大出力，为t时刻第i台火电机组的有功出力，为线路L允许的最大传输功率。5.根据权利要求2所述的电力系统安全校正控制方法，其特征在于，所述智能体的训练的过程中的奖励函数为：r
t
＝α1r
1,t
+α2r
2,t
+α3r
3,t
+α4r
′
4,t
(16)其中，r
1,t
为线路潮流越限情况的奖励，r
2,t
为新能源机组消纳量的奖励，r
3,t
为平...

【专利技术属性】
技术研发人员：王一迪，李立新，於益军，刘金波，马晓忱，杨楠，李理，罗雅迪，孙略，石上丘，孙博，吕闫，王淼，狄芳春，刘蒙，阎博，曹坤，唐俊刺，李铁，李桐，张杰，商敬安，袁中琛，刘升，门德月，
申请(专利权)人：国家电网有限公司国网辽宁省电力有限公司电力科学研究院国网辽宁省电力有限公司国网天津市电力公司国网冀北电力有限公司，
类型：发明
国别省市：