【技术实现步骤摘要】
本专利技术涉及能源规划，特别是涉及一种抽水蓄能电站的能源规划方法、系统、设备及介质。
技术介绍
1、随着全球能源转型的深入发展与可再生能源的大规模并网，传统电力系统面临前所未有的挑战。其中，如何有效地整合不稳定的可再生能源的发电，保障电网的稳定运行与供应可靠性，成为当前电力系统规划与运营中的一项关键任务。抽水蓄能电站(pumpedhydro storage,phs)作为一种成熟的大规模储能技术，在平衡电网负荷、提供系统调峰能力、保障能源供应稳定性等方面发挥着至关重要的作用。在极端气候条件下能够对电网韧性进行有效支撑是新型电力系统的发展方向，因此如何量化各类电源及储能在极端条件下的规划是目前研究的关键，而现有研究多关注于如何通过抽水蓄能电站来优化新能源(风能、光伏等)并网系统，鲜有文章考虑极端气候条件下抽水蓄能电站未来规划。
2、由此可见，如何解决抽水蓄能电站在极端条件下的能源规划问题，已经成为本领域技术人员所要亟待解决的技术问题。
技术实现思路
1、本专利技术提供一种抽水蓄能电站的能源规划方法、系统、设备及介质，解决抽水蓄能电站在极端条件下的能源规划的问题。
2、为解决上述技术问题，本专利技术第一方面提供一种抽水蓄能电站的能源规划方法，包括：
3、获取抽水蓄能电站在极端气候条件下的韧性指标，并根据所述韧性指标构建所述抽水蓄能电站的能源规划模型；所述韧性指标通过所述抽水蓄能电站在所述极端气候条件下，故障场景的发生概率和相应的负荷曲线缺失面积计算得到
4、通过双延迟深度确定性策略梯度算法对所述能源规划模型进行求解，得到所述抽水蓄能电站的能源规划方案。
5、作为其中一种优选方案，所述韧性指标通过下式表示：
6、
7、式中，f3为韧性指标；λn为场景n的发生概率；n为故障发生场景个数；imn为场景n的供电量不足程度；t0为城市供电网络受到极端气候影响的持续时间；l(t)为极端气候造成重大故障发生时抽水蓄能电站中真实负荷曲线；l1(t)为抽水蓄能电站无故障运作时的目标负荷曲线；r为积分参数；sn为负荷曲线的缺失面积。
8、作为其中一种优选方案，所述能源规划模型以有功网络损耗最小、储能设备投资成本最小以及韧性指标最大为目标。
9、作为其中一种优选方案，所述能源规划模型的约束条件包括节点电压约束、功率平衡约束、储能运行约束和储能数量约束。
10、作为其中一种优选方案，所述通过双延迟深度确定性策略梯度算法对所述能源规划模型进行求解，得到所述抽水蓄能电站的能源规划方案，包括：
11、对网络模型进行初始化及赋予随机权重，并对回放缓冲区进行初始化设置，所述网络模型包括q网络、目标q网络和策略网络，所述q网络包括第一q网络和第二q网络，所述目标q网络包括第一目标q网络和第二目标q网络；
12、基于所述抽水蓄能电站中的基础参数和所述能源规划模型，定义状态变量、动作空间和奖励函数，以进行环境交互，并将观测到的转换数据存储在所述回放缓冲区中；所述基础参数包括当前时刻的水库水位、电力需求、充放电状态、储能设备状态、节点电压以及各电源出力；
13、从所述回放缓冲区中随机抽取转换数据对所述网络模型进行训练，并迭代环境交互和模型训练步骤，直至达到预设迭代次数，得到训练完成后的所述网络模型；
14、将所述抽水蓄能电站的关键参数输入至训练完成后的所述网络模型中进行处理，得到所述能源规划方案；所述关键参数包括电网参数、边界条件和成本系数，所述能源规划方案包括储能设备的安装节点和容量。
15、作为其中一种优选方案，所述基于所述抽水蓄能电站中的基础参数和所述能源规划模型，定义状态变量、动作空间和奖励函数，以进行环境交互，并将观测到的转换数据存储在所述回放缓冲区中，包括：
16、将所述抽水蓄能电站当前时刻的水库水位、电力需求、充放电状态、储能设备状态定义为所述状态变量，将所述抽水蓄能电站的节点电压以及各电源出力定义为所述动作空间，并将所述能源规划模型作为所述奖励函数；
17、在每个时间步观测所述抽水蓄能电站的当前状态，通过所述策略网络选择一个动作，并在环境中执行所选动作，得到新状态和奖励；
18、将所述当前状态、所选动作、新状态和奖励作为所述转换数据存储在所述回放缓冲区中。
19、作为其中一种优选方案，所述从所述回放缓冲区中随机抽取转换数据对所述网络模型进行训练，并迭代环境交互和模型训练步骤，直至达到预设迭代次数，得到训练完成后的所述网络模型，包括：
20、从所述回放缓冲区中随机抽取转换数据，并通过所述网络模型计算所述转换数据的目标q值；
21、通过所述目标q值对所述q网络的损失进行梯度下降计算，并更新第一网络参数，所述第一网络参数为所述q网络的网络参数；
22、在所述q网络的更新次数达到预设次数条件时，通过最新的所述q网络对所述策略网络进行评估，以更新第二网络参数，所述第二网络参数为所述策略网络的网络参数；
23、将所述第一网络参数对应复制于所述目标q网络，迭代环境交互和模型训练步骤，直至达到预设迭代次数，得到训练完成后的所述网络模型。
24、本专利技术第二方面提供了一种抽水蓄能电站的能源规划系统，包括：
25、模型构建模块，用于获取抽水蓄能电站在极端气候条件下的韧性指标，并根据所述韧性指标构建所述抽水蓄能电站的能源规划模型；所述韧性指标通过所述抽水蓄能电站在所述极端气候条件下，故障场景的发生概率和相应的负荷曲线缺失面积计算得到；
26、模型求解模块，用于通过双延迟深度确定性策略梯度算法对所述能源规划模型进行求解，得到所述抽水蓄能电站的能源规划方案。
27、本专利技术第三方面提供了一种电子设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述所述的抽水蓄能电站的能源规划方法。
28、本专利技术第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，所述计算机可读存储介质所在设备执行所述计算机程序时，实现如上述所述的抽水蓄能电站的能源规划方法。
29、相比于现有技术，本专利技术实施例的有益效果在于以下所述：
30、本专利技术公开了一种抽水蓄能电站的能源规划方法、系统、设备及介质，该方法包括获取抽水蓄能电站在极端气候条件下的韧性指标，并根据所述韧性指标构建所述抽水蓄能电站的能源规划模型；所述韧性指标通过所述抽水蓄能电站在所述极端气候条件下，故障场景的发生概率和相应的负荷曲线缺失面积计算得到；通过双延迟深度确定性策略梯度算法对所述能源规划模型进行求解，得到所述抽水蓄能电站的能源规划方案；解决了抽水蓄能电站在极端条件下的能源规划的问题，本申请通过韧性指标来构建抽水蓄能电站的能源规划模型，能优化抽水蓄能电站的运行策略，提高其在极端气候条件下本文档来自技高网...
【技术保护点】
1.一种抽水蓄能电站的能源规划方法，其特征在于，包括：
2.根据权利要求1所述的一种抽水蓄能电站的能源规划方法，其特征在于，所述韧性指标通过下式表示：
3.根据权利要求1所述的一种抽水蓄能电站的能源规划方法，其特征在于，所述能源规划模型以有功网络损耗最小、储能设备投资成本最小以及韧性指标最大为目标。
4.根据权利要求1所述的一种抽水蓄能电站的能源规划方法，其特征在于，所述能源规划模型的约束条件包括节点电压约束、功率平衡约束、储能运行约束和储能数量约束。
5.根据权利要求1所述的一种抽水蓄能电站的能源规划方法，其特征在于，所述通过双延迟深度确定性策略梯度算法对所述能源规划模型进行求解，得到所述抽水蓄能电站的能源规划方案，包括：
6.根据权利要求5所述的一种抽水蓄能电站的能源规划方法，其特征在于，所述基于所述抽水蓄能电站中的基础参数和所述能源规划模型，定义状态变量、动作空间和奖励函数，以进行环境交互，并将观测到的转换数据存储在所述回放缓冲区中，包括：
7.根据权利要求6所述的一种抽水蓄能电站的能源规划方法，其特征
8.一种抽水蓄能电站的能源规划系统，其特征在于，包括：
9.一种电子设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的抽水蓄能电站的能源规划方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，所述计算机可读存储介质所在设备执行所述计算机程序时，实现如权利要求1至7中任意一项所述的抽水蓄能电站的能源规划方法。
...【技术特征摘要】
1.一种抽水蓄能电站的能源规划方法，其特征在于，包括：
2.根据权利要求1所述的一种抽水蓄能电站的能源规划方法，其特征在于，所述韧性指标通过下式表示：
3.根据权利要求1所述的一种抽水蓄能电站的能源规划方法，其特征在于，所述能源规划模型以有功网络损耗最小、储能设备投资成本最小以及韧性指标最大为目标。
4.根据权利要求1所述的一种抽水蓄能电站的能源规划方法，其特征在于，所述能源规划模型的约束条件包括节点电压约束、功率平衡约束、储能运行约束和储能数量约束。
5.根据权利要求1所述的一种抽水蓄能电站的能源规划方法，其特征在于，所述通过双延迟深度确定性策略梯度算法对所述能源规划模型进行求解，得到所述抽水蓄能电站的能源规划方案，包括：
6.根据权利要求5所述的一种抽水蓄能电站的能源规划方法，其特征在于，所述基于所述抽水蓄能电站中的基础参数和所述能源规划模型，定义状态变量...
【专利技术属性】
技术研发人员：但扬清，鲁宗相，何英静，李海波，黄锦华，陈晴悦，王湘，孙飞飞，乔颖，沈志恒，许恩超，
申请(专利权)人：国网浙江省电力有限公司经济技术研究院，
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。