基于竞争深度Q学习的微电网紧急减载方法

    公开(公告)号:CN113890048B

    公开(公告)日:2023-08-04

    申请号:CN202111234208.6

    申请日:2021-10-22

    申请人: 三峡大学

    摘要: 基于竞争深度Q学习的微电网紧急减载方法,首先考虑负荷的重要程度和系统的频率恢复时间,提出计及负荷频率调节效应和负荷减载优先级的减载贡献指标,该减载贡献指标作为减载判据被引入到竞争深度Q学习的奖励值函数中;其次考虑紧急减载的突发性及不确定性,通过竞争深度Q学习算法来获得累计回报最大的减载决策。该方法能够得到孤岛微电网紧急减载时的最优减载策略,以保证紧急孤岛期间重要负荷稳定供电。

    一种考虑负荷主客观属性的孤岛微电网低频减载方法

    公开(公告)号:CN113904349A

    公开(公告)日:2022-01-07

    申请号:CN202111235767.9

    申请日:2021-10-22

    申请人: 三峡大学

    IPC分类号: H02J3/24 H02J3/38 H02J3/14

    摘要: 一种考虑负荷主客观属性的孤岛微电网低频减载方法,包括以下步骤:构建微网负荷模型,计算低频减载综合代价最优目标函数;基于熵值法计算负荷客观权值;基于层次分析法计算负荷主观权值;利用相对熵将负荷客观权值向量和负荷主观权值向量进行两两耦合,得到负荷的综合权值向量,带入目标函数以确定最优减载方案。该方法不仅可以显著的降低减载成本和频率波动幅度,保证重要负荷的供电可靠性,而且还充分考虑到了负荷的客观数据以及用户对负荷属性偏好。

    考虑风险规避的微网群两阶段低频减载方法

    公开(公告)号:CN117039924B

    公开(公告)日:2024-05-28

    申请号:CN202310853650.X

    申请日:2023-07-12

    申请人: 三峡大学

    IPC分类号: H02J3/24 H02J3/14 H02J3/48

    摘要: 考虑风险规避的微网群两阶段低频减载方法,包括以下步骤:步骤1:构建孤岛微电网系统功率缺额计算模型,确定系统总的功率缺额量;步骤2:构建第一阶段快速低频减载模型,分配第一阶段减载量;步骤3:分配第二阶段减载量,并构建第二阶段风险规避减载优化模型;步骤4:执行两阶段低频减载策略。本发明考虑风险规避的微网群两阶段低频减载方法,不仅能有效降低孤岛微电网频率的波动幅度和减少频率恢复时间;而且能减少负荷功率不确定性所带来的系统经济风险损失。实现了微电网孤岛状态下的运行可靠性和经济性的双重提高。

    基于人工情感SARSA学习的微电网非计划性孤岛切换方法

    公开(公告)号:CN113890098A

    公开(公告)日:2022-01-04

    申请号:CN202111235755.6

    申请日:2021-10-22

    申请人: 三峡大学

    IPC分类号: H02J3/38 H02J3/14 H02J3/24

    摘要: 基于人工情感SARSA学习的微电网非计划性孤岛切换方法,包括以下步骤:计算联络线上产生的功率缺额;构建微电网状态信息集和动作决策集;构建基于负荷优先级的奖励值函数;建立基于负荷优先级的期望奖赏函数;构建人工情感量化函数;构建人工情感系数输出函数;引入二次函数将情感系数转化为SARSA学习的实际影响,并将其作用到SARSA学习智能体的学习率,输出时变的学习率;构建状态‑动作值函数的更新函数。通过执行使值函数累积最大的减载动作,消除联络线功率缺额。本发明所述方法在微电网因配网故障而发生非计划性孤岛时能够保证重要负荷的供电可靠性,维持系统频率的稳定。

    考虑风险规避的微网群两阶段低频减载方法

    公开(公告)号:CN117039924A

    公开(公告)日:2023-11-10

    申请号:CN202310853650.X

    申请日:2023-07-12

    申请人: 三峡大学

    IPC分类号: H02J3/24 H02J3/14 H02J3/48

    摘要: 考虑风险规避的微网群两阶段低频减载方法,包括以下步骤:步骤1:构建孤岛微电网系统功率缺额计算模型,确定系统总的功率缺额量;步骤2:构建第一阶段快速低频减载模型,分配第一阶段减载量;步骤3:分配第二阶段减载量,并构建第二阶段风险规避减载优化模型;步骤4:执行两阶段低频减载策略。本发明考虑风险规避的微网群两阶段低频减载方法,不仅能有效降低孤岛微电网频率的波动幅度和减少频率恢复时间;而且能减少负荷功率不确定性所带来的系统经济风险损失。实现了微电网孤岛状态下的运行可靠性和经济性的双重提高。

    基于竞争深度Q学习的微电网紧急减载方法

    公开(公告)号:CN113890048A

    公开(公告)日:2022-01-04

    申请号:CN202111234208.6

    申请日:2021-10-22

    申请人: 三峡大学

    IPC分类号: H02J3/14 H02J3/38 G06N3/08

    摘要: 基于竞争深度Q学习的微电网紧急减载方法,首先考虑负荷的重要程度和系统的频率恢复时间,提出计及负荷频率调节效应和负荷减载优先级的减载贡献指标,该减载贡献指标作为减载判据被引入到竞争深度Q学习的奖励值函数中;其次考虑紧急减载的突发性及不确定性,通过竞争深度Q学习算法来获得累计回报最大的减载决策。该方法能够得到孤岛微电网紧急减载时的最优减载策略,以保证紧急孤岛期间重要负荷稳定供电。