[发明专利]基于知识矩阵跨维度迁移的电网调度快速优化方法

说明书

本发明属于电力系统技术领域，更具体地，涉及一种基于知识矩阵跨维度迁移的电网调度快速优化方法。首先构建不含弹性资源的源电网系统和包含弹性资源的目标电网系统，并对典型日在源电网系统中进行预学习，得到优化后的知识矩阵作为电网调度的历史知识并构成源任务知识库；然后以净负荷为相似性衡量特征得到与目标任务距离最小的源任务，构建该源任务与目标任务间相似状态、动作的索引矩阵；最后按照索引矩阵将该源任务的调度知识迁移至目标任务，加快目标任务的优化求解。本发明基于强化学习提出一种知识矩阵跨维度迁移方法，解决了状态动作空间维度不同时调度知识不能直接迁移的问题，有效地加快了算法的优化求解速度。

技术领域

本发明属于电力系统技术领域，更具体地，涉及一种基于知识矩阵跨维度迁移的电网调度快速优化方法。

背景技术

近年来新能源、储能及电动车等技术的快速发展，不同类型能源与电网之间的用能互补正在成为提升电网弹性的一种重要方式。各类弹性资源参与电网调度后，虽然能够为电网调度带来更大的弹性空间，但是，随着源荷双侧可参与电网调度的弹性资源种类不断增多，无疑为电网优化调度问题带来了挑战。目前基于智能学习算法来解决电网调度问题存在一定的局限性，比如随着问题规模增大而出现“维数灾”、不同任务往往需要重新求解以及训练时间长等等。但实际上不同的学习任务常常互相关联，因此，如何利用已有的调度知识和经验，并将其迁移至新问题的求解中以提高学习效率，将是一个值得研究的问题。

发明内容

针对现有技术中存在的不足之处，本发明提供一种基于知识矩阵跨维度迁移的电网调度快速优化方法。利用所提知识迁移方法得出源任务与目标任务间状态、动作的映射，再根据映射将源电网系统的调度知识迁移至目标电网系统，能够解决调度问题规模扩大时，由于状态或动作空间不同导致历史调度知识不能直接利用的问题，以加快算法收敛速度，提高学习效率，降低学习成本。

为实现上述目的，本发明采用如下技术方案：

基于知识矩阵跨维度迁移的电网调度快速优化方法，其特征在于，该方法包括如下步骤，

步骤1、首先构建不含弹性资源的源电网系统调度优化模型，分别将多组历史典型风光荷数据在不考虑弹性资源的源电网系统中应用Q学习算法进行预学习，得到各个典型日学习优化后的Q矩阵作为电网调度的历史知识矩阵并构成源任务库；

步骤2、弹性资源包括深度调峰机组和可削减负荷，建立深度调峰模型和可削减负荷响应模型，从而构建考虑弹性资源的目标电网系统调度优化模型；

步骤3、在日前调度阶段，获取电网系统未来一天各时段的负荷需求、风电出力和光伏出力数据作为目标任务；

步骤4、度量源任务与目标任务的相似性，利用负荷、风电和光伏的预测数据计算调度日的净负荷预测曲线，选取净负荷为任务间的相似性关联特征，基于欧氏距离与DTW距离综合度量目标任务净负荷与源任务库中各典型日净负荷的相似性，在源任务库中找出与目标任务距离最小的源任务；

步骤5、将与目标任务距离最小的源任务的Q矩阵以及目标任务的Q矩阵分别分解为状态空间特征矩阵和动作空间特征矩阵，基于PCA降维和欧氏距离找出与目标任务中状态、动作距离最小的该源任务中的状态、动作，即构建源任务与目标任务中相似状态、动作间的映射关系；

步骤6、将与目标任务距离最小的源任务的Q矩阵按照映射关系对目标任务的Q矩阵进行初始化来完成调度知识迁移，在此基础之上对目标任务采用Q学习算法再进行优化求解，最后得到目标任务调度日的最优调度计划，有效提升了目标任务的学习效率。

本技术方案进一步的优化，所述源电网系统中不包含弹性资源，其内部资源包括火电机组、风力发电机组和光伏发电机组。

本技术方案进一步的优化，所述目标电网系统引入了源荷双侧弹性资源参与优化调度，其内部资源包括火电机组、深度调峰机组、风力发电机组、光伏发电机组及可削减负荷。