【技术实现步骤摘要】
本公开属于配电网，特别涉及一种基于数据知识驱动的配电网负荷转供方法及系统。
技术介绍
1、随着电力系统不确定性日趋复杂，配电网的故障类型日趋繁多，其接线分支与设备十分复杂，且故障时过渡电阻受环境的影响较大，如何在尽可能短的时间内精准定位故障位置并进行负荷转供至关重要。
2、在新型电力系统的高速建设发展的背景下，新能源、新兴负荷等大量接入，高比例可再生能源背景下的电力系统在稳定机理、调度运行和规划发展等众多方面均发生了深刻变化。以风电和光伏为代表的非水可再生能源机组的发电原理、控制方式、并网设备和外部特性均与常规机组有较大差别。接入了具有强随机性和波动性等特点的分布式电源和新型负荷后，源-荷不确定特性会给电力系统安全可靠运行带来更严峻的挑战，光伏脱网、负荷中断等风险急剧增加。在解决负荷转供问题上，当前技术通常采用传统的数学规划求解方法，但该方法求解速率较慢，生成负荷转供策略的效率较低，不能够满足负荷转供任务的实时性要求。近年来，随着人工智能技术的高速发展，数据驱动方法为配电网故障处置与智能调控研究提供了一种新的途径。
技术实现思路
1、针对上述问题，本公开提供一种基于数据知识驱动的配电网负荷转供方法，所述方法包括：
2、构建配电网负荷转供问题的数学模型；
3、根据数学模型构建多智能体空间；
4、将多智能体空间与数学模型结合，得到多智能体初始模型；
5、获取示教经验库，结合学习算法，对多智能体初始模型进行训练，得到预训练的多智
6、利用预训练的多智能体模型生成负荷转供策略。
7、进一步地，构建配电网负荷转供问题的数学模型，包括：
8、获取权重系数、整个恢复流程时间内的恢复的负载容量和配电网安全运行的约束条件；
9、根据权重系数和整个恢复流程时间内的恢复的负载容量确定目标函数；
10、根据目标函数和配电网安全运行的约束条件，构建配电网负荷转供问题的数学模型。
11、进一步地，所述配电网安全运行的约束条件包括：三相平衡配电网的潮流约束、径向拓补约束、节点电压约束、支路电流约束和节点出力约束。
12、进一步地，所述多智能体空间包括：状态观测空间、全局状态空间、动作空间和即时奖励函数。
13、进一步地，所述即时奖励函数的获取，包括：
14、确定每个时间步恢复的负载功率之和以及罚函数；
15、将每个时间步恢复的负载功率之和以及罚函数作差，得到即时奖励函数。
16、进一步地，获取示教经验库，包括：
17、获取目标地区电网实际运行数据；
18、将目标地区电网实际运行数据整合成先验数据集；
19、根据动作信息熵最大原则，从先验数据集选取部分负荷转供的恢复轨迹构建示教经验库。
20、进一步地，对多智能体初始模型进行训练，得到预训练的多智能体模型，包括：
21、获取融合智能体交互经验，以及从示教经验库中获取训练数据；
22、设置算法框架，结合融合智能体交互经验和训练数据，对多智能体初始模型进行训练，得到预训练的多智能体模型。
23、进一步地，获取融合智能体交互经验之前，还包括：
24、构建重放缓冲区框架。
25、本公开还提出一种基于数据知识驱动的配电网负荷转供系统，所述系统包括：
26、第一构建模块，用于构建配电网负荷转供问题的数学模型；
27、第二构建模块，用于根据数学模型构建多智能体空间；
28、结合模块，用于将多智能体空间与数学模型结合，得到多智能体初始模型；
29、训练模块，用于获取示教经验库，结合学习算法，对多智能体初始模型进行训练，得到预训练的多智能体模型；
30、生成模块，用于利用预训练的多智能体模型生成负荷转供策略。
31、进一步地，第一构建模块，用于构建配电网负荷转供问题的数学模型，包括：
32、第一构建模块用于获取权重系数、整个恢复流程时间内的恢复的负载容量和配电网安全运行的约束条件；
33、根据权重系数和整个恢复流程时间内的恢复的负载容量确定目标函数；
34、根据目标函数和配电网安全运行的约束条件，构建配电网负荷转供问题的数学模型。
35、进一步地，所述配电网安全运行的约束条件包括：三相平衡配电网的潮流约束、径向拓补约束、节点电压约束、支路电流约束和节点出力约束。
36、进一步地，所述多智能体空间包括：状态观测空间、全局状态空间、动作空间和即时奖励函数。
37、进一步地，所述即时奖励函数的获取，包括：
38、确定每个时间步恢复的负载功率之和以及罚函数；
39、将每个时间步恢复的负载功率之和以及罚函数作差，得到即时奖励函数。
40、进一步地，训练模块，用于获取示教经验库，包括：
41、训练模块用于获取目标地区电网实际运行数据；
42、将目标地区电网实际运行数据整合成先验数据集；
43、根据动作信息熵最大原则，从先验数据集选取部分负荷转供的恢复轨迹构建示教经验库。
44、进一步地，训练模块，用于对多智能体初始模型进行训练，得到预训练的多智能体模型，包括：
45、训练模块用于获取融合智能体交互经验，以及从示教经验库中获取训练数据；
46、设置算法框架，结合融合智能体交互经验和训练数据，对多智能体初始模型进行训练，得到预训练的多智能体模型。
47、进一步地，训练模块用于获取融合智能体交互经验之前，还包括：
48、构建重放缓冲区框架。
49、本公开具有以下有益效果：
50、(1)本公开建立了数据驱动的数学模型和基于qmix算法的多智能体强化学习框架，提出一种基于数据知识驱动的配电网负荷转供方法，相较于传统的数学规划求解方法，在解决负荷转供问题上具有更快的求解速率、能够高效的生成负荷转供策略，进而满足负荷转供任务的实时性要求。
51、(2)本公开通过引入了历史专家操作流程经验，利用先验知识引导了多智能体系统模型的训练，大大加速了模型的训练过程并减小了模型的训练成本，使得模型生成的负荷转供策略更加符合专家操作的偏好，提高了模型生成的负荷转供策略的可靠性，为对应的电力业务场景提供了有效决策支撑。
52、本公开的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本公开而了解。本公开的目的和其他优点可通过在说明书以及附图中所指出的结构来实现和获得。
本文档来自技高网...【技术保护点】
1.一种基于数据知识驱动的配电网负荷转供方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于数据知识驱动的配电网负荷转供方法，其特征在于，
3.根据权利要求2所述的基于数据知识驱动的配电网负荷转供方法，其特征在于，
4.根据权利要求1所述的基于数据知识驱动的配电网负荷转供方法，其特征在于，
5.根据权利要求4所述的基于数据知识驱动的配电网负荷转供方法，其特征在于，
6.根据权利要求1所述的基于数据知识驱动的配电网负荷转供方法，其特征在于，
7.根据权利要求1所述的基于数据知识驱动的配电网负荷转供方法，其特征在于，
8.根据权利要求7所述的基于数据知识驱动的配电网负荷转供方法，其特征在于，
9.一种基于数据知识驱动的配电网负荷转供系统，其特征在于，所述系统包括：
10.根据权利要求9所述的基于数据知识驱动的配电网负荷转供系统，其特征在于，
11.根据权利要求10所述的基于数据知识驱动的配电网负荷转供系统，其特征在于，
12.根据权利要求9所述
13.根据权利要求12所述的基于数据知识驱动的配电网负荷转供系统，其特征在于，
14.根据权利要求12所述的基于数据知识驱动的配电网负荷转供系统，其特征在于，
15.根据权利要求12所述的基于数据知识驱动的配电网负荷转供系统，其特征在于，
16.根据权利要求15所述的基于数据知识驱动的配电网负荷转供系统，其特征在于，
...【技术特征摘要】
1.一种基于数据知识驱动的配电网负荷转供方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于数据知识驱动的配电网负荷转供方法，其特征在于，
3.根据权利要求2所述的基于数据知识驱动的配电网负荷转供方法，其特征在于，
4.根据权利要求1所述的基于数据知识驱动的配电网负荷转供方法，其特征在于，
5.根据权利要求4所述的基于数据知识驱动的配电网负荷转供方法，其特征在于，
6.根据权利要求1所述的基于数据知识驱动的配电网负荷转供方法，其特征在于，
7.根据权利要求1所述的基于数据知识驱动的配电网负荷转供方法，其特征在于，
8.根据权利要求7所述的基于数据知识驱动的配电网负荷转供方法，其特征在于，
9.一...
【专利技术属性】
技术研发人员：张超，孙峤，黄家凯，王岩，陈浩，马剑，马世乾，夏昊天，康宁，马杉杉，刘荣浩，王天昊，马瑞，陈亮，王冬阳，姚程，
申请(专利权)人：国网天津静海供电有限公司，
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。