【技术实现步骤摘要】
本专利技术涉及电能质量治理，更具体地说，它涉及新型配电网末端电能质量治理集群系统及电能质量治理方法。
技术介绍
1、台区内大规模分布式光伏发电系统并网运行，有可能引起潮流逆流的问题，导致光伏发电系统公共连接点电压升高或过电压。电压升高不仅影响当地用户的供电质量，同时增大了线路和变压器等输配电设备损耗，造成系统过载；增加光伏逆变器无功功率可以增加电压降从而抑制电压的上升，降低电压。光伏调节策略实时读取逆变器状态和电网的实时运行数据，并根据设定的电压限值判断电压是否越限，当检测到电压持续越限时策略会根据电网数据和逆变器的数据自主分析决策计算需发出的无功功率，将调控命令下发至逆变器；当检测到电压恢复正常值时控制逆变器缓慢减少无功功率的发出，满足电压合格率的同时也尽可能避免对功率因数的影响；逆变器分布于电网的多个并网点，并且逆变器的参数和运行状态不同，无法通过电网电压进行统一的闭环控制。
技术实现思路
1、本专利技术提供新型配电网末端电能质量治理集群系统及电能质量治理方法，解决相关技术中的技术问题。
2、本专利技术提供了新型配电网末端电能质量治理集群系统，包括：
3、自决策调控装置，其用于控制逆变器发出无功功率，其包括：
4、电网运行数据读取单元，其用于读取逆变器所接入的电网的运行数据；
5、逆变器运行数据采集单元，其用于采集逆变器的运行数据；
6、决策单元，其用于将电网的运行数据编码获得电网特征；
7、逆变器的运行数
8、并基于电网拓扑图构建图结构数据，图结构数据包括节点和连接节点的边，一个节点表示一个逆变器或电网，表示电网的节点与所有表示逆变器的节点之间存在边，连接同一个电网的并网点的逆变器对应的节点之间存在边；
9、图结构数据、电网特征和逆变器特征输入第一模型，然后第一模型输出逆变器需要发出的无功功率的值；
10、在线训练控制单元，其用于对第一模型的在线训练进行控制，在线训练控制单元将当前时刻之间的n个时刻的电网特征输入第二模型，第二模型输出第一模型在当前时刻和下一时刻之间的时间段内的在线训练的启动的时间点和训练采集的经验数；
11、根据第二模型输出的在线训练的启动的时间点和训练采集的经验数对第一模型进行在线训练；
12、控制模块，其用于向逆变器发出控制指令，逆变器接收控制指令之后能够调节无功功率为决策单元输出的需要发出的无功功率。
13、进一步地，第一模型的计算公式如下：
14、
15、oi表示输出向量，输出向量的一个分量对应于一个无功功率的离散值的概率值，表示第i个节点的隐藏特征，第i个节点即是决策单元所控制的逆变器对应的节点，和分别表示第i个和j个节点的节点特征，w表示第一隐藏层的权重参数，表示第一隐藏层的权重矢量，ni表示与第i个节点存在边连接的节点的集合，σ表示激活函数，aij表示注意力权重，leakyrelu表示leakyrelu激活函数，σ表示sigmoid函数；
16、表示电网的节点的节点特征等于电网特征，表示逆变器的节点的节点特征等于逆变器特征。
17、进一步地，第二模型的计算公式如下：
18、h(0)＝x(1)
19、u(l)＝σ(wux(l)+wuh(l-1)+bu)
20、r(l)＝σ(wrx(l)+wrh(l-1)+br)
21、c(l)＝tanh(wcx(l)+wcr(l)⊙h(l-1)+bc)
22、h(l)＝(1-u(l))⊙c(l)+u(l)⊙h(l-1)
23、outtwo＝σ(wtwo*h(l)+btwo)
24、其中，x(1)和x(l)分别表示输入的第1个和第l个电网特征，n≥l≥1，l＝n时输入当前时刻的电网特征，l＝1时输入当前时刻之前的第n-1个时刻的电网特征，wu、wr、wc和wtwo均表示可训练的权重参数，bu、br、bc和btwo均表示可训练的偏置参数，⊙表示点积，u(l)表示第l个第一中间特征，r(l)表示第l个第二中间特征，c(l)表示第l个第三中间特征，h(l-1)和h(l)分别表示第l-1个和第l个输出特征，outtwo表示第二输出向量，第二输出向量的第i个分量的值表示第i个第二动作的概率值，tanh表示tanh函数，σ表示sigmoid函数。
25、进一步地，使用q学习的方法对决策模型进行训练，定义q学习的状态为t-n时刻至t时刻的环境信息的集合；
26、q学习的奖励函数为：
27、
28、其中，ut+1是t至t+1时刻采取选择的第二动作获得的奖励，是t至t+1时刻的自决策调控装置的处理器的资源利用率。
29、进一步地，处理器的资源利用率的计算公式如下：
30、
31、占用cpu时间是指处理器在一定时间段内用于执行程序和操作系统代码的时间；
32、总cpu时间是指该时间段内处理器的总运行时间。
33、进一步地，第一模型的在线训练的步骤包括：
34、步骤101，构建targetq网络，targetq网络复制第一模型；
35、步骤102，从经验池中随机获取一个经验，经验包括t时刻的状态st，t时刻的第一动作at、t+1时刻的状态st+1，执行第一动作at获得的奖励rt+1；
36、然后计算状态st下targetq网络输出的对应于at的概率值
37、
38、表示st+1下targetq网络输出的最大的概率值；
39、步骤103，根据和求损失值loss，更新第一模型；
40、
41、表示st下第一模型输出的对应于at的概率值；
42、γ是折扣因子，是一个介于0和1之间的值；
43、第一动作来源于第一动作空间，第一动作空间的一个第一动作表示一个无功功率的离散值；
44、步骤104，每隔固定的网络更新次数，更新targetq网络，使其参数与当前的第一模型的参数相同；
45、步骤105，直至采集的经验数等于本次训练采集的经验数，终止步骤。
46、进一步地，每个时刻选择概率值最大的第一动作。
47、进一步地，奖励rt+1的计算公式如下：
48、
49、其中δvt+1表示t至t+1时刻的电网电压偏差值的最大值，vb表示电压标准值，δft+1表示t至t+1时刻的电网频率偏差值的最大值，fb表示频率标准值。
50、进一步地，状态是指第一模型的输入。
51、本专利技术提供一种电能质量治理方法，包括以下步骤：
52、step100，读取逆变器所接入的电网的运行数据；
53、step200，逆变器运行数据采集单元，其用于采集逆变器的运行数据
54、本文档来自技高网...
【技术保护点】
1.一种新型配电网末端电能质量治理集群系统，其特征在于，包括：
2.根据权利要求1所述的新型配电网末端电能质量治理集群系统，其特征在于，第一模型的计算公式如下：
3.根据权利要求1所述的新型配电网末端电能质量治理集群系统，其特征在于，第二模型的计算公式如下：
4.根据权利要求1所述的新型配电网末端电能质量治理集群系统，其特征在于，使用Q学习的方法对决策模型进行训练，定义Q学习的状态为t-n时刻至t时刻的环境信息的集合；
5.根据权利要求4所述的新型配电网末端电能质量治理集群系统，其特征在于，处理器的资源利用率的计算公式如下：
6.根据权利要求1所述的新型配电网末端电能质量治理集群系统，其特征在于，第一模型的在线训练的步骤包括：
7.根据权利要求6所述的新型配电网末端电能质量治理集群系统，其特征在于，每个时刻选择概率值最大的第一动作。
8.根据权利要求6所述的新型配电网末端电能质量治理集群系统，其特征在于，奖励Rt+1的计算公式如下：
9.根据权利要求6所述的新型配电网末端电能质量治理集
10.一种电能质量治理方法，其特征在于，包括以下步骤：
...【技术特征摘要】
1.一种新型配电网末端电能质量治理集群系统，其特征在于，包括：
2.根据权利要求1所述的新型配电网末端电能质量治理集群系统，其特征在于，第一模型的计算公式如下：
3.根据权利要求1所述的新型配电网末端电能质量治理集群系统，其特征在于，第二模型的计算公式如下：
4.根据权利要求1所述的新型配电网末端电能质量治理集群系统，其特征在于，使用q学习的方法对决策模型进行训练，定义q学习的状态为t-n时刻至t时刻的环境信息的集合；
5.根据权利要求4所述的新型配电网末端电能质量治理集群系统，其特征在于，处理器的资...
【专利技术属性】
技术研发人员：叶汉新，沈鹏飞，姜义军，金亚曦，范洋洋，吴春阳，陈艳，
申请(专利权)人：国网安徽省电力有限公司马鞍山供电公司，
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。