[发明专利]一种机组恢复在线动态决策方法及系统

摘要

本发明公开了一种机组恢复在线动态决策方法及系统，包括：确定系统恢复时的黑启动电源，并从所有机组中选取需要优先启动的机组作为待恢复机组集合；生成尽可能覆盖机组恢复过程中各个状态的带标签训练集。构建估值网络；判断系统的停电范围，对系统的状态进行识别，判断系统中各种设备的可用性，获取机组特性；利用估值网络，以机组总发电能力为搜索目标，进行蒙特卡洛树搜索。采用并行计算的方法，对各备选线路进行约束校验；汇总蒙特卡洛树搜索结果，选取下一步将要恢复的输电线路并投入。根据系统恢复实时数据，在线动态决策机组恢复过程中需要投入的输电线路，指导电力系统恢复前期的机组恢复。

主权项

1.一种机组恢复在线动态决策方法，其特征在于，包括以下步骤：(1)确定系统恢复时的黑启动电源，并从所有机组中选取需要优先启动的机组作为待恢复机组集合；(2)生成尽可能覆盖机组恢复各个可能状态的带标签训练集；利用深度学习，对于机组恢复训练集进行学习，构建估值网络；(3)获取机组恢复实时数据，判断系统的停电范围，对系统的状态进行识别，判断系统中各种设备的可用性，获取机组特性；(4)利用估值网络，以机组总发电能力为搜索目标，对各备选线路进行蒙特卡洛树搜索；同时，采用并行计算的方法，对各备选线路投入后的电压约束、频率约束和潮流约束进行校验；蒙特卡洛树搜索是一种人工智能问题中做出最优决策的算法，其迭代过程主要分为四步：选择、扩展、模拟、回溯；利用蒙特卡洛树搜索进行机组恢复在线决策步骤如下：1、选择；由根节点开始，在计算出各节点的改进的上限置信区间MUCT指标值后，依次选取MUCT指标值最大的节点进行下一步的扩展或模拟；MUCT指标公式如下式所示其中，F_MUCT为改进UCT指标，表示节点c指标值排序前70％模拟结果的平均值，n为节点c父代节点被访问的次数，n_c为节点c被访问的次数，C_p为大于0的实数；2、扩展；扩展时，利用支路修剪技术来减少子节点的数目，增加算法搜索深度和广度，提升搜索效率；支路修剪技术沿最新节点反向搜索，寻找各层中具有相同父节点的各个节点，并在最新的扩展中避免这些状态的出现，直到有新的机组接入为止；3、模拟；不断采用估值网络根据系统状态对于后续的最优决策指标值进行快速估算，并提高具有较高决策指标值对应的备选线路被选中的概率，指引模拟过程；4、回溯；在模拟完成后，对于树中各节点参数进行反向更新；(5)汇总蒙特卡洛树搜索结果，对下一步将要恢复线路选择投入。