【技术实现步骤摘要】
本专利技术涉及暂态电压控制领域，尤其涉及一种基于深度强化学习的光伏主动配电网暂态电压控制方法。
技术介绍
1、随着双碳目标的提出，新能源渗透率正在逐步增加[1-2]。新能源发电设备与传统设备相比在运行特性上存在显著差异，具有响应速度快、控制灵活等特点，使得电网故障后的暂态电压稳定控制问题愈加复杂多变[3]。为了保证含高渗透率光伏配电系统的安全稳定运行，根据光伏并网规则，大型和中型光伏逆变器应具备低电压穿越(low voltage ridethrough，lvrt)的能力。光伏的大规模接入给电网运行带来了巨大的挑战，但光伏逆变器具有快速响应和连续调节的能力，这为其参与短时间尺度的暂态电压控制提供了可能性[4]。因此，为缓解电网暂态电压跌落，亟需探究光伏主动支撑电网暂态电压的控制策略。
2、目前，改善高渗透率新能源电网暂态电压的主要措施包括：增加辅助设备和改进控制策略两类。增加辅助装备可以通过串联可调电抗器提高光伏无功功率调压的能力或者在时序上使用静止无功补偿器(static var compensator，svc)和静止同步补偿器(staticsynchronous compensator，statcom)相互配合实现无功功率的快速补偿，提高光伏并网系统的暂态电压稳定性。考虑新能源场站自身特性，进一步通过statcom和光伏电站功率控制协同应对电网故障[5]。虽然增加无功补偿设备能在故障期间注入无功电流，提高暂态电压稳定性，但此类设备成本较高、调控复杂。考虑到设备成本，有学者在光伏并网系统中应用撬棒电路、桥式故障限流器
3、随着深度强化学习的快速发展，其强大的感知处理能力和决策制定能力给暂态电压控制问题带来了另一重要解决办法[9]。目前，深度强化学习已经在光伏功率预测[10]、光伏最大功率跟踪(maximum power point tracking，mppt)控制[11]、光储系统调度[12]等方面取得广泛研究，并且在新能源电压控制方面崭露头角。因此，研究采用深度强化学习算法对光伏主动配电网进行暂态电压控制具有重要意义。
4、参考文献
5、[1]彭静，王军，亓富军，等.“双碳”目标下配电网多阶段扩展规划[j].电力系统保护与控制，2022，50(07)：153-161.
6、[2]毛安家，马静，蒯圣宇，等.高比例新能源替代常规电源后系统暂态稳定与电压稳定的演化机理[j].中国电机工程学报，2020，40(09)：2745-2756.
7、[3]王伟胜，林伟芳，何国庆，等.美国得州2021年大停电事故对我国新能源发展的启示[j].中国电机工程学报，2021，41(12)：4033-4043.
8、[4]段双明，严干贵，刘彦宇，等.光伏发电系统输出功率突变引发的逆变器端部过电压机理研究[j].中国电机工程学报，2018，38(21)：6245-6253+6486.
9、[5]varma r k，mohan s.mitigation of fault induced delayed voltagerecovery(fidvr)by pv-statcom[j].ieee transactions on power systems，2020，35(6)：4251-4262.
10、[6]zeb k，islam s u，khan i，et al.faults and fault ride throughstrategies for grid-connected photovoltaic system：a comprehensive review[j].renewable and sustainable energy reviews，2022，158：112-125.
11、[7]王诗雯，刘飞，庄一展，等.基于有功指令共享的两级式光伏并网系统低电压穿越控制策略[j].电力自动化设备，2023，43(04)：99-105.
12、[8]刘运鑫，姚良忠，廖思阳，等.分布式光储参与的直流受端近区配电网暂态电压控制方法[j].电网技术，2023，47(03)：1250-1261.
13、[9]韩佶，苗世洪，martinez-rico jon等.基于机群划分与深度强化学习的风电场低电压穿越有功/无功功率联合控制策略[j].中国电机工程学报，2023，43(11)：4228-4244.
14、[10]孟安波，许炫淙，陈嘉铭，等.基于强化学习和组合式深度学习模型的超短期光伏功率预测[j].电网技术，2021，45(12)：4721-4728.
15、[11]王逸轩，戴宇轩.基于专家示范深度强化学习的光伏系统mppt控制[j].电源技术，2023，47(02)：265-270.
16、[12]李涛，胡维昊，李坚，等.基于深度强化学习算法的光伏-抽蓄互补系统智能调度[j].电工技术学报，2020，35(13)：2757-2768.
技术实现思路
1、本专利技术提供了一种基于深度强化学习的光伏主动配电网暂态电压控制方法，本专利技术采用深度确定性策略梯度(deep deterministic policy gradient，ddpg)算法对光伏功率输出的内环控制参数进行优化，使光伏逆变器根据电网电压跌落情况调节自身的有功和无功功率输出，在电压跌落期间采用单闭环控制快速注入无功功率支撑电网电压，详见下文描述：一种基于深度强化学习的光伏主动配电网暂态电压控制方法，所述方法包括：
2、分析光伏逆变器结构和控制环节，确定光伏的无功输出极限；
3、将光伏主动配电网的状态空间建模为马尔可夫决策过程，包括：状态空间设计、动作量设计和奖励函数设计；
4、强化学习算法设计和训练，选择适合的算法参数，使用电力系统暂态仿真数据对模型进行训练和优化，应满足无功输出极限的限制；
5、设计控制切换策本文档来自技高网...
【技术保护点】
1.一种基于深度强化学习的光伏主动配电网暂态电压控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于深度强化学习的光伏主动配电网暂态电压控制方法，其特征在于，所述无功输出极限为：
3.根据权利要求1所述的一种基于深度强化学习的光伏主动配电网暂态电压控制方法，其特征在于，所述模型的目标函数为：
4.根据权利要求1所述的一种基于深度强化学习的光伏主动配电网暂态电压控制方法，其特征在于，所述状态空间设计为：包括各光伏电站的有功功率和无功功率，以及光伏电站的并网点电压和其他节点电压为：
5.根据权利要求所述的一种基于深度强化学习的光伏主动配电网暂态电压控制方法，其特征在于，所述动作量设计：
6.根据权利要求所述的一种基于深度强化学习的光伏主动配电网暂态电压控制方法，其特征在于，所述奖励函数设计：为控制后电压与稳态电压偏差的函数，
【技术特征摘要】
1.一种基于深度强化学习的光伏主动配电网暂态电压控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于深度强化学习的光伏主动配电网暂态电压控制方法，其特征在于，所述无功输出极限为：
3.根据权利要求1所述的一种基于深度强化学习的光伏主动配电网暂态电压控制方法，其特征在于，所述模型的目标函数为：
4.根据权利要求1所述的一种基于深度强化学习的光伏主动配...
【专利技术属性】
技术研发人员：傅吉悦，宋晓喆，孙剑英，李宝聚，高重晖，李一明，宋永超，邹佳君，姜涛，李雪，陈厚合，张儒峰，王长江，李本新，张嵩，李曙光，
申请(专利权)人：国网吉林省电力有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。