[发明专利]配电网合环电流调控方法、装置、计算机设备和存储介质

说明书

本申请涉及一种配电网合环电流调控方法、装置、计算机设备和存储介质。调控方法包括：根据配电网中可调设备的待调参数构建合环电流模型，可调设备的待调参数包括并联电容器投切档位、变压器分接头档位以及分布式电源的无功出力；将合环电流模型转化为马尔可夫决策过程，定义配电网的状态空间、动作空间以及奖励函数；采用深度确定性策略梯度算法对马尔可夫决策过程的智能体进行训练，得到深度强化学习智能体；并通过深度强化学习智能体得到最佳的合环动作。本发明构建并训练得到的深度强化学习智能体可根据合环前主动配电网的状态，快速给出合环电流调控方案，解决了目前非线性、时变性和难以精确建模的合环电流调控问题。

技术领域

本申请涉及合环电流控制技术领域，特别是涉及一种配电网合环电流调控方法、装置、计算机设备和存储介质。

背景技术

我国高、中压配电网普遍采用“闭环设计，开环运行”的供电方式，如果某一联络开关在两侧电源均未断开情况下合上，则构成环路，出现环流，这种情况下称为合环操作。配电网合环操作是保证在不中断对用户供电的情况下实现负荷转移和运行方式改变的一项重要措施，是一种经常性操作，其意义在于提高配电网供电的灵活性和可靠性，尽可能保证用户不会遭受停电的影响，提升用户的用电满意度。由于拟进行合环操作的联络开关的两侧电源来自不同母线，如果其上层、甚至其上上层两侧供电电源来自不同变电站，则两侧电源的幅值和相角都可能存在较大差别。在这种情况下合上联络开关，系统中可能会产生过大的合环电流，从而导致相关的继电保护装置动作而跳闸，严重威胁配电网的安全稳定运行。因此，在配电网进行合环操作前，应采取相应的调控措施使合环电流值降至允许范围内，以保障合环后系统的安全稳定运行。这个过程称为合环电流调控过程。

目前的合环电流调控方法主要分为两种，穷举法和进化算法。穷举法以并联电容组挡位和有载调压变压器变比为控制手段，按照事先确定的顺序，尝试各种控制方案，直至各支路合环电流满足安全合环条件，该方法虽然简单，但调控结果无法到达最优。粒子群和遗传算法等进化算法，依赖于建立精确的配电网物理模型进行迭代寻优，计算时间长且容易陷入局部最优解。

与传统配电网相比，主动配电网中的合环电流调控的判断难度以及技术支撑均有很大不同。首先，大规模高比例的分布式电源的接入使配电网电压分布改变，潮流由单向流动变为双向流动，结构由传统的单点辐射状网架结构发展为多电源的复杂网络结构，且可调控设备种类增多，大幅度增加了主动配电网合环电流的调控难度。因此，对于拥有高不确定性和海量数据以及难以精确建模的主动配电网，需要对新的合环电流调方法控展开研究。

发明内容

基于此，有必要针对上述技术问题，提供一种能够快速给出合环方案且能够保障合环操作安全的配电网合环电流调控方法、装置、计算机设备和存储介质。

第一方面，本申请的实施例提供一种配电网合环电流调控方法，包括：

根据配电网中可调设备的待调参数构建合环电流模型，可调设备的待调参数包括并联电容器投切档位、变压器分接头档位以及分布式电源的无功出力；

将合环电流模型转化为马尔可夫决策过程，定义配电网的状态空间、动作空间以及奖励函数；

采用深度确定性策略梯度算法对马尔可夫决策过程的智能体进行训练，得到深度强化学习智能体；

获取待合环配电网的状态，并使深度强化学习智能体根据待合环配电网的状态得到执行动作，根据执行动作对配电网进行合环控制。

采用深度强化学习方法对智能体进行训练，通过数据驱动、与环境的交互学习，不依赖于精准的电网数学模型，得到的深度强化学习智能体可以在运行过程中不断自我学习优化，适应外界复杂环境的变化，可根据合环前主动配电网的状态，不依赖人工经验和电网模型，在毫秒级时间内智能地给出合环电流调控方案，保障合环操作安全，解决了目前非线性、时变性和难以精确建模的合环电流调控问题。