一种基于时空特征增强感知网络的输电断面越限控制方法技术

本发明专利技术公开一种基于时空特征增强感知网络的输电断面越限控制方法，所述控制方法包括：获取电网状态实时数据，根据电网潮流相关数据构建电网状态向量；根据电网状态向量，应用空间特征提取算法提取电网运行空间特征；根据电网状态向量，应用时序特征提取算法提取电网运行时序特征；将电网运行状态的空间特征、时序特征输入强化学习网络进行调控策略训练；将S4训练好的强化学习智能体进行实际电网调控。本发明专利技术控制方法利用深度神经网络和强化学习算法，实现电网状态的快速感知与决策，提高电网调控人员的控制效率，解决了电网运行不确定性和输电线路负载率控制困难的问题。定性和输电线路负载率控制困难的问题。定性和输电线路负载率控制困难的问题。

【技术实现步骤摘要】
一种基于时空特征增强感知网络的输电断面越限控制方法


[0001]本专利技术涉及电力系统运行控制
，具体是一种基于时空特征增强感知网络的输电断面越限控制方法。

技术介绍

[0002]为了避免线路越限造成连锁性故障，电力系统调度部门通常采用在线预防控制解决输电线路的高负载率问题，将越限问题在实际越限之前解决。常用的调控措施包括发电机功率调整、电网拓扑调整以及负荷控制等。其中，发电机功率调整能够实现连续控制，进行精准量化的线路潮流控制，但其控制能力受到机组容量、机组爬坡率等因素的限制，可能需要较长时间解决越限问题。应对更加严重的输电线路越限，拓扑调整能够更加显著地改善电网潮流，降低目标线路的负载率。拓扑调整包括母线倒闸以及线路通断两种方式。负荷控制作为紧急控制的手段，仅在上述两种调控方式无法解决问题时采用，通过降低用户负荷实现线路负载率的控制。
[0003]随着新能源渗透率不断提高，电网运行不确定性增强，输电线路的负载率控制更加困难。因此，本专利技术针对强不确定性下的电力系统，提出了一种基于时空特征增强感知网络的输电断面越限控制方法。

技术实现思路

[0004]本专利技术的目的在于提供一种基于时空特征增强感知网络的输电断面越限控制方法，通过利用深度神经网络和强化学习算法，实现电网状态的快速感知与决策，提高电网调控人员的控制效率，解决了电网运行不确定性和输电线路负载率控制困难的问题。
[0005]本专利技术的目的可以通过以下技术方案实现：
[0006]一种基于时空特征增强感知网络的输电断面越限控制方法，所述控制方法具体包括以下步骤：
[0007]S1：获取电网状态实时数据，根据电网潮流相关数据构建电网状态向量。
[0008]S2：根据电网状态向量，应用空间特征提取算法提取电网运行空间特征。
[0009]S3：根据电网状态向量，应用时序特征提取算法提取电网运行时序特征。
[0010]S4:将电网运行状态的空间特征、时序特征输入强化学习网络进行调控策略训练。
[0011]S5：将S4训练好的强化学习智能体进行实际电网调控。
[0012]进一步的，所述空间特征提取算法为动态边缘卷积神经网络ECC，ECC以发电机、负荷、变电站为点，线路为边，数据分别输入ECC中进行特征提取，同时提取到并计算点特征FN和边特征FE，ECC的计算公式如下所示：
[0013][0014]其中，为第l
‑
1层的边特征输出结果，为第l
‑
1层的点特征输出结果，|B(n)|是节点n相邻节点的数量，F
l
是第l层ECC网络的计算函数，包括权重ω
l
，边缘参数以及偏置参数b
l
。
[0015]进一步的，所述时序特征提取算法为长短期记忆神经网络LSTM，通过在LSTM计算中利用tanh函数的同时加入遗忘门、更新门和输出门，其计算过程如下：
[0016][0017][0018]h
t
＝βx
⊙
tanh(α
t
)
[0019]Y
t
＝h
t
[0020]其中，W和B为LSTM单元的权重系数和偏置系数，X
t
,Y
t
为t时刻的输入、输出，β
t
,λ
t
,μ
t
分别为四种内部状态量，
⊙
表示卷积计算，tanh为激活函数。
[0021]进一步的，所述调控策略训练采用近端策略优化PPO作为强化学习网络算法，PPO的训练目标为：
[0022][0023]其中，a
t
是t时刻动作，s
t
是t时刻状态(Y
t
)，π
θ
是智能体策略模型，θ为智能体参数集，是待更新的智能体策略，θ
old
为待更新的智能体参数集，clip为裁剪函数，将原数值映射至(1
‑
ε,1+ε)区间，A
t
是优势函数。
[0024]本专利技术的有益效果：
[0025]1、本专利技术控制方法利用动态边缘卷积神经网络进行电网空间特征提取，能够同时兼顾点特征(节点功率)与边特征的提取(线路功率)；
[0026]2、本专利技术控制方法利用长短期记忆神经网络进行时序特征提取，能够有效感知电网新能源和负荷不确定性以及线路负载率变化情况，提前感知越限风险，实现预防控制；
[0027]3、本专利技术控制方法提取电网运行数据的时空特征，降低了强化学习智能体需要处理的数据维度，提高了训练收敛效率。
附图说明
[0028]下面结合附图对本专利技术作进一步的说明。
[0029]图1是本专利技术控制方法流程图；
[0030]图2是本专利技术对比有无时空特征提取层的调控策略效果。
具体实施方式
[0031]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0032]一种基于时空特征增强感知网络的输电断面越限控制方法，如图1所示，控制方法包括镜像系统、空间特征提取、时序特征提取和智能体策略网络训练，镜像系统包括发电机、线路、负荷和变电站模，控制方法具体包括以下步骤：
[0033]S1：获取电网状态实时数据，根据电网潮流相关数据构建电网状态向量
[0034]以某城市电网为分析对象，进行输电断面越限预防控制，对镜像系统中的所有数据均隐去地理位置信息，用数字序号表示，数据格式如下：
[0035][0036]其中，N
I
,N
J
,N
N
,N
L
分别为发电机、负荷、变电站和线路的数量，Z
t
包含了节点特征发电机功率负荷功率变电站功率变电站接线方式和边特征线路负载率Z
t
中所有数据均从电网实时数据中获取，实际电网中通常在SCADA系统中以QS文件的形式汇集。
[0037]S2：应用空间特征提取算法提取电网运行空间特征
[0038]从时间特征的角度，Z
t
仅包含一个时间断面的信息，不足以分析电网运行趋势，调控智能体需要通过负荷、新能源发电、线路负载率等趋势的分析理解，智能体能够采取适当的措施避免输电线路越限，因此，将W个时间窗口内的电网数据进行组合，形成若干个空间特征的时间序列数据s
t
：
[0039]s
t
＝(Z
t
,Z
t
‑1,
…
,Z
t
‑
W+1
)。
[0040]电网运行空间特征利用动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时空特征增强感知网络的输电断面越限控制方法，其特征在于，所述控制方法具体包括以下步骤：S1：获取电网状态实时数据，根据电网潮流相关数据构建电网状态向量；S2：根据电网状态向量，应用空间特征提取算法提取电网运行空间特征；S3：根据电网状态向量，应用时序特征提取算法提取电网运行时序特征；S4:将电网运行状态的空间特征、时序特征输入强化学习网络进行调控策略训练；S5：将S4训练好的强化学习智能体进行实际电网调控。2.根据权利要求1所述的一种基于时空特征增强感知网络的输电断面越限控制方法，其特征在于，所述空间特征提取算法为动态边缘卷积神经网络ECC，ECC以发电机、负荷、变电站为点，线路为边，数据分别输入ECC中进行特征提取，同时提取到并计算点特征FN和边特征FE，ECC的计算公式如下所示：其中，为第l
‑
1层的边特征输出结果，为第l
‑
1层的点特征输出结果，|B(n)|是节点n相邻节点的数量，F
l
是第l层ECC网络的计算函数，包括权重ω
l
，边缘参数以及偏置参数b
l
。3.根据权利要求1所述的一种基于时空特征增强感知网络的输电断面越限控制方法，其特征在于，所述时序特征提取算法为长短期记忆神经网络LSTM，通过在LSTM计算中利用tanh函数的同时加...

【专利技术属性】
技术研发人员：叶宇剑，崔晗，汤奕，
申请(专利权)人：东南大学，
类型：发明
国别省市：