基于预演算法的灾后配电网应急抢修决策优化

为应对极端灾害导致的停电损失,需合理构建灾后恢复模型,探索有效的灾后应急决策方法。构建了考虑关键负荷失效事件的灾后应急抢修马尔科夫决策过程模型,在计算损失时考虑了停电时长对不同类型关键负荷功能性的影响;对于灾后应急决策,提出了基于预演算法的在线决策方法,通过多场景仿真的方式快速评估动作-状态价值函数(即Q函数),进而生成在线优化策略,算例证明了基于预演仿真生成Q函数的决策方案优于基础策略提供的方案。所提方法不依赖精确的数学模型和参数,可以根据系统状态实时更新策略,比传统离线优化模型更具实用性。     

基于深度强化学习的主动配电网高恢复力决策方法

随着全球极端天气事件频发,电力系统在极端自然灾害下恢复力的研究日益受到关注。本文提出基于深度强化学习的高恢复力决策方法,将极端灾害下配电网运行状态和线路故障状态作为观测状态集合,自学习智能体Agent在当前环境观测状态下寻求可行的决策策略进行动作,定义自学习Agent的回报函数以进行动作评价;采用观测状态数据,开展基于竞争深度Q网络(dueling deep Q network,DDQN)的深度强化学习(deep reinforcement learning,DRL)训练,智能体Agent通过试错学习方式选择动作,试错经验在估值函数Q矩阵中存储,实现状态到主动配电网实时故障恢复策略的非线性映射;最后结合改进的IEEE 33节点算例,基于蒙特卡罗法仿真随机故障场景,对所提出方法生成的故障恢复随机优化决策进行分析。结果表明:通过主动配电网的分布式电源、联络开关和可中断负荷的协调优化控制,可以有效提升极端灾害下供电能力。     

基于深度强化学习的配电网负荷转供控制方法

随着城市规模的快速扩张以及电能替代的不断推进,配电网节点数大量增加,结构愈加复杂,发生故障后拓扑变化不确定性较大,传统负荷转供方法难以在短时间内给出高质量的解决方案。为此,提出基于深度强化学习的配电网负荷转供控制方法。将负荷转供过程视为一个马尔可夫决策过程,与配电网实时电气、拓扑数据进行交互,对联络开关与分段开关进行控制。为了提高算法的精度与泛化能力,针对算法动作策略加入了预模拟机制,调整了动作与学习的比例并采用自适应优化算法进行求解。算例分析表明,所提方法能够应对不同故障下配电网的拓扑变化,即时给出负荷恢复量、电网损耗、开关动作次数多方面最优的转供控制方案,这对于减小故障后的停电损失与提高用户满意度有着重要意义。     

基于优先强化学习的主动配电网有功无功协调控制

随着可再生能源占比不断提高,电压越限、网络损耗等问题对主动配电网安全高效运行的影响愈发严重。因此必须要合理利用逆变器的无功功率,然而在主动配电网潮流中有功功率和无功功率相互耦合,且运行变量规模庞大导致算力不足等问题,使得传统的配电网优化模型难以运行维护。为改善主动配电网中的电压越限、网络损耗等问题,本文采用了一种基于优先强化学习的有功无功协调控制策略应用于主动配电网模型,该策略通过在控制器和主动配电网之间的交互中强化学习控制策略,并利用优先场景回放提高效率。最后以河北省南部电网某市主动配电网为例,通过仿真对该策略进行测试与分析,仿真结果表明该策略在消除电压越限、减少网络损耗和最大化系统经济性等方面具有明显的有效性和优越性。     

基于图强化学习的配电网故障恢复决策

针对配电网拓扑变化时启发式等算法在配电网故障恢复决策中求解效果与适应性变差的问题,提出了一种基于图强化学习的故障恢复决策方法。首先,利用图数据表征故障恢复中的决策信息,包括配电网拓扑结构与电气特征信息。然后,在图强化学习模型中设置前置图神经网络接收图数据输入,应对故障恢复过程中配电网的拓扑变化。最后,由内嵌图神经网络的强化学习智能体输出最终故障恢复策略以提高决策速度。采用改进的PG&E 69节点配电网算例进行验证,结果表明所提算法求解速度达到毫秒级,较启发式和遗传算法在求解效率上提高了6%～7%,故障恢复策略的负荷恢复率也更高。     

基于深度强化学习的分布式电力配电网负荷调度研究

分布式电力配电网通常涉及多个能源源头,如传统发电机组、可再生能源和储能设备等。这些能源的有效协调调度是一个关键难题。需要考虑不同能源之间的互补性和相互依赖性,以平衡供需关系,提高系统的可靠性和经济性。为此,提出一种基于深度强化学习的分布式电力配电网负荷调度方法。利用深度强化学习中的LSTM（长短期记忆）提取损坏负荷数据,基于此,建立分布式电力配电网调度模型的约束条件,并将非线性递减惯性权重引入到传统粒子群算法中,对调度结果实现寻优。实验结果表明：通过对负荷的优化调度,可实现存储设备及灵活负荷的主动加入,新能源功率特性与负荷特性的匹配度更高。     

基于深度强化学习的配电网实时电压优化控制方法

大规模分布式电源的接入使得配电网电压优化控制策略与传统配电网差异较大。针对就地控制中光伏逆变器调压之间缺乏协同的问题,该文提出了一种基于多智能体深度强化学习的配电网实时电压控制方法。首先根据电压控制模型设计了部分可观测的马尔科夫决策过程,然后采用多智能体双延迟深度确定性策略梯度算法求解,根据中心化训练、分散式执行的框架实现光伏逆变器的无功协同控制。该方法能智能决策各个逆变器的无功调节量,且能够根据源荷的随机变化实时给出电压控制策略,具有较好的实时性和控制经济性。最后通过仿真算例验证了所提方法的有效性。     

基于蚁群算法的交通-配电网抢修恢复优化决策方法

极端事件导致大停电后,受损的交通道路会影响电网抢修车队前往故障线路区域的进度,从而延缓配电网恢复。为此,提出了一种结合损坏道路修复的配电网抢修恢复方法。首先,在分析不同受损道路对抢修车行驶影响的基础上,构建交通网抢修车约束。其次,考虑受损道路抢修对电网抢修的影响,以配电网失电量最小为目标,协调线路抢修和道路修复建立配电网抢修策略模型,并采用蚁群算法对所提模型进行求解。最后,以IEEE33节点配电网与一个12节点交通网相耦合的系统作为算例进行分析,仿真结果表明,所提方法切实有效提高了配电网抢修速度,减小了大停电后配电网负荷的失电量。所提方案更适用于灾害发生的实际情况,可为配电网灾后恢复提供参考。     

基于深度强化学习的配电网在线拓扑优化策略研究

分布式发电（distributed generation,DG）在电力系统中的应用日益广泛,会频繁地导致在线电压问题。在分布式发电产生较大预测误差时,依靠有限的电压调节装置逐渐不能满足在线电压调节的要求。针对这一问题,提出了一种灵活的拓扑控制方法,并采用一种深度强化学习算法对其进行建模与求解。该算法中的动作机制与图论中的分支交换概念相融合,有效简化了智能体的动作维度和动作空间。在标准IEEE 14节点系统上的算例表明,该算法具备较优秀的泛化能力;与传统算法相比,该算法在获得接近最优解的同时,显著提高了计算性能,满足在线电压调节的需求。     

基于约束型深度强化学习的主动配电网电压控制策略

随着分布式电源与随机性负荷的大量接入,配电网的电压波动问题变得愈发严重。主动配电网能通过各种电压无功控制器平抑电压波动,但通常需要求解一个复杂的混合整数二阶锥规划问题,难以做到实时控制。文中利用深度强化学习建立了一个主动配电网实时电压控制模型,能快速得到满足潮流约束的控制策略。采集节点有功、节点无功、设备档位、时间步作为环境状态变量;以和网损及设备操作相关的费用作为回报函数来协调三个控制设备;通过基于长短时记忆网络的约束型强化学习来求解,从而建立主动配电网实时电压控制模型。基于4节点测试系统和IEEE-33节点测试系统进行了仿真,仿真结果表明,所提的深度强化学习方法能确保潮流约束,电压控制模型能实时控制电压无功控制器,以保证配电网的电压质量。     

含分布式电源的配电网灾后分阶段抢修策略

针对灾后配电网故障抢修需优先保证重要负荷供电的实际情况,建立了含分布式电源(DG)的配电网灾后多小队分阶段抢修策略的优化模型,DG通过形成微网、孤岛运行及时恢复部分负荷的供电。定义设备故障经济损失特征值,用以保证故障抢修的优先级,同时将联络开关当作虚拟故障,利用其倒闸操作以及应急发电车的临时供电配合小队抢修,提高抢修效率。采用改进的离散细菌群体趋药性算法(DBCC)优化,快速得到抢修方案。算例结果证明了所提抢修策略优化模型以及智能优化算法的有效性和正确性。     

基于深度强化学习的配电网多时间尺度在线无功优化

含分布式电源的配电网存在潮流建模不精确、通信条件差、各无功补偿设备难以协调等问题,给配电网在线无功优化带来了挑战.文中采用深度强化学习方法,提出了一种多时间尺度配电网在线无功优化运行方案.该方案将配电网在线无功优化问题转化为马尔可夫决策过程.鉴于不同无功补偿设备的调节速度不同,设计2个时间尺度分别对离散调节设备和连续调...     

基于大数据深度强化学习的交流配电网稳定性控制研究

并网与孤网运行模式下交流配电网易发生电能供应波动,导致电网可靠性降低。以大数据为背景提出基于深度强化学习的稳定性控制方法。采用状态、动作、状态转移概率与状态转移回报组成四元组,构建深度强化学习过程。利用值函数法实现智能体的深度强化学习。根据dq轴旋转坐标系,建立无功功率控制构架,将无功参考值添加到前馈项,优化闭环传递函数,构建配电网稳定性的优化控制模型。搭建交流配电网仿真模型,探讨并网与孤网运行模式下的稳定性控制效果。实验结果表明：并网运行模式下,交流负载的消耗功率突增时,光伏电池板的输出功率由150 kW升高至175 kW,以达到均衡光照强度干扰的目的;孤网运行模式下,负载消耗功率发生突变时,光伏电池板的输出功率由175 k W降低至100 kW。验证了该方法可有效控制交流配电网的供电稳定性。     

基于改进离散多目标BCC算法的配电网灾后抢修策略

根据配电网的实际情况,建立了配电网突发多处故障情况下的故障抢修和故障恢复相结合的多目标优化模型,将模型中的开关操作变量作为虚拟故障点处理并与抢修控制变量有机结合,考虑了一种多队协同抢修的恢复策略.在多目标细菌群体趋药性(BCC)算法的基础上引入区间归位方案,改善了多目标BCC算法解决离散域问题的性能,同时引入局部更新机...     

考虑交通网延误的配电网灾后滚动抢修策略优化

为解决当前配电网灾后抢修策略制定时,未充分考虑道路阻断和交通延误影响抢修进程的问题,提出了考虑交通网延误的配电网灾后滚动抢修策略。首先,建立了计及交通网延误的灾后滚动抢修策略框架,以道路延误函数与路口延误函数建立实时交通网延误模型,通过Floyd算法得到各故障点间最短通行时间矩阵。其次,建立考虑交通网延误的灾后抢修策略双层优化模型,外层以加权失电负荷最小和抢修总时长最短为目标,得到各抢修班组抢修链。内层以最大化恢复失电负荷为目标,得到紧急恢复方案。在抢修过程中根据交通网信息更新最短通行时间矩阵,滚动后续抢修策略。最后,通过算例仿真验证灾后滚动抢修策略的有效性。     

基于GIS的配电网最佳抢修路径分析方法

根据GIS空间数据的特点和配电网的结构特点,提出了基于GIS的配电网最佳抢修路径分析的数学模型,并论述了Dijkstra算法在配电网最佳抢修路径分析中的实现.实践表明,基于GIS的配电网拓扑分析方法具有较好的实用性和推广价值.     

基于信息间隙决策理论的配电网韧性提升规划方法

在高影响低概率极端事件发生前实施合理的规划策略可以有效提升配电网的韧性.首先,根据对极端事件掌握信息的多少将决策者分为有信息支撑的较为保守的决策者和无信息支撑的极度保守的决策者.然后,针对有信息支撑的较为保守的决策者,以因台风而导致的极端事件为例,建立其对配电网影响的模型.提出将随机优化与信息间隙决策理论相结合的配电网...