[发明专利]电力系统实时最优潮流计算方法、系统及设备

说明书

本发明属于电力自动化领域，公开了一种电力系统实时最优潮流计算方法、系统及设备，包括获取电力系统各总线前一时刻的有功发电功率、当前时刻的有功负载以及当前时刻的无功负载，得到电力系统的当前状态；将电力系统的当前状态输入预设的实时最优潮流发电调度策略模型，得到电力系统的发电机发电设定策略。有效克服现有基于强化学习的最优潮流计算方法难以保证调度策略满足电力系统各项约束的问题，在强化学习方法中引入了最优潮流问题的约束，所构建的行动者网络结合电力系统潮流方程，使得最终得到的电力系统调度策略，即电力系统的发电机发电设定策略能够符合系统约束。

技术领域

本发明属于电力自动化领域，涉及一种电力系统实时最优潮流计算方法、系统及设备。

背景技术

最优潮流是电力系统经济调度的标准问题，是根据给定的电力系统结构参数和负载情况来调整发电机输出功率和电压，在满足功率平衡和各种安全约束的情况下优化发电成本的优化方法。然而，风电及光伏等新能源具有间歇性、波动性和随机性的特点，会给电力系统引入不确定性。这就对最优潮流计算方法提出了实时性的要求，希望能够根据新能源出力的变化，迅速做出决策使发电成本最低。

经典的最优潮流计算方法基于非线性规划算法，需要多次迭代，难以满足新能源电力系统实时性的需求。而鉴于神经网络在计算速度上的优势，训练神经网络形成电力系统的调度策略的强化学习方法在最优潮流问题上得到了应用。但是，面对大规模电网，基于强化学习的最优潮流计算方法难以保证调度策略难以满足电力系统中大量且复杂的约束，导致最终得到的调度策略并不能很好的实际应用。

发明内容

本发明的目的在于克服上述现有技术中，面对大规模电网，基于强化学习的最优潮流计算方法难以保证调度策略难以满足电力系统中大量且复杂的约束，导致最终得到的调度策略并不能很好的实际应用的缺点，提供一种电力系统实时最优潮流计算方法、系统及设备。

为达到上述目的，本发明采用以下技术方案予以实现：

本发明第一方面，提供一种电力系统实时最优潮流计算方法，包括：

获取电力系统各总线前一时刻的有功发电功率、当前时刻的有功负载以及当前时刻的无功负载，得到电力系统的当前状态；

将电力系统的当前状态输入预设的实时最优潮流发电调度策略模型，得到电力系统的发电机发电设定策略；

其中，实时最优潮流发电调度策略模型通过下述方式得到：根据电力系统最优潮流问题构建约束马尔可夫决策过程，基于约束马尔可夫决策过程设计评论家网络与行动者网络，通过约束确定性策略优化评论家网络与行动者网络的网络参数，将优化后的行动者网络作为实时最优潮流发电调度策略模型。

可选的，所述根据电力系统最优潮流问题构建约束马尔可夫决策过程包括：

定义约束马尔可夫决策过程的状态为：

定义约束马尔可夫决策过程的动作为

定义约束马尔可夫决策过程的奖励为奖励函数

定义约束马尔可夫决策过程的约束为代价函数；其中，代价函数包括有功发电功率约束、无功发电功率约束、发电机爬坡约束以及支路传输功率约束；

其中，n为总线总数量，i＝1,…,n，为总线i在t-1时刻的有功发电功率，为总线i在t时刻的有功负载，为总线i在t时刻的无功负载，为x的预测值，为总线i在t时刻的电压幅值，f_gi(·)为总线i上发电机的发电成本函数。

可选的，所述评论家网络为全连接网络；评论家网络的输入为状态s_t和动作a_t，输出为动作价值Q(s_t,a_t|ω^Q)，其中，ω^Q为评论家网络的网络参数。