-
公开(公告)号：CN116470511A
公开(公告)日：2023-07-21
申请号：CN202310339435.8
申请日：2023-03-31
Applicant: 广东电网有限责任公司广州供电局
Abstract: 本发明涉及基于深度强化学习的线路潮流控制方法，包括步骤：S1、电力系统线路潮流控制建模，通过电力系统线路潮流控制模型最小化元件有功调整的控制代价，通过调节可控元件的出力，使系统潮流重新分配；S2、强化学习环境建模，根据马尔可夫决策过程构成的要求，进行电力系统环境建模中环境状态量、动作、状态转移、奖励以及折扣因子的设置；S3、采用SAC强化学习算法进行智能体训练，通过与环境交互得到奖励，找到最优策略，使得奖励的期望最大。本发明面向负荷波动与预想事件发生后带来的线路潮流越限场景，以具备调整能力的机组作为控制对象，训练出提供机组调整量方案的智能体，来实现线路潮流控制的最小调整代价并满足电力系统安全性要求。
-
公开(公告)号：CN116227180A
公开(公告)日：2023-06-06
申请号：CN202310130706.9
申请日：2023-02-17
Applicant: 广东电网有限责任公司广州供电局
IPC: G06F30/20 , G06N3/0455 , G06N3/0442 , G06N3/08 , G06Q50/06
Abstract: 发明涉及电力系统及自动化研究领域，为基于数据驱动的机组组合智能决策方法，该方法包括：S1、基于电力系统的历史日负荷数据生成机组组合历史数据的映射样本，对电力系统的历史日负荷数据进行归一化处理；S2、基于长短时记忆网络与注意力机制构建机组组合深度学习模型；S3、基于机组组合历史数据的映射样本对机组组合深度学习模型进行训练；S4、将日负荷数据输入机组组合深度学习模型，输出预期的机组组合启停与出力方案。本发明基于长短时记忆网络与注意力机制构建机组组合深度学习模型，可以在数据积累过程中，不断更新训练，实现模型进化，对新的问题的适应能力较强，实时输出机组组合智能决策快。
-
公开(公告)号：CN116247742A
公开(公告)日：2023-06-09
申请号：CN202310233509.X
申请日：2023-03-13
Applicant: 广东电网有限责任公司广州供电局
Abstract: 本发明公开了一种基于深度强化学习的电力系统源网荷储联合调控方法、装置、计算机设备及存储介质，所述方法包括：根据电力系统预测信息，以经济性为目标，初步生成源荷储调度方案，所述源荷储调度方案作为智能体调控的基础；设计源网荷储联合调度的强化学习架构，通过深度强化学习训练智能体，以安全性为目标，学习对源荷储调度方案进行修正，实现源网荷储联合调度；其中，所述强化学习架构中的奖赏函数，通过定义线路潮流裕度奖励和储能奖励，指导智能体为不确定性场景预留足够的裕度与充足的备用。本发明通过设计强化学习架构，并利用深度强化学习训练智能体，学习对源荷储调度方案进行修正，以消除预测不精确以及功率不平衡量。
-
公开(公告)号：CN115310718A
公开(公告)日：2022-11-08
申请号：CN202211109388.X
申请日：2022-09-13
Applicant: 广东电网有限责任公司广州供电局
IPC: G06Q10/04 , G06Q50/06 , G06F30/20 , G06F111/04 , G06F119/06
Abstract: 本发明公开了一种基于冗余安全约束削减的SCUC优化方法，包括：建立SCUC模型，以机组出力成本最小构建目标函数并确定约束条件；进行两阶段约束削减：一阶段削减基态网络安全约束和故障态网络安全约束；对一阶段约束削减后得到的UC模型进行求解，得到机组出力作为二阶段约束削减的基础；二阶段削减一阶段剩余的基态安全约束和一阶段剩余的故障态安全约束；对二阶段削减后的SCUC模型进行优化求解，得到优化结果。本发明同时考虑了基态网络安全约束和故障态网络安全约束，并且故障态安全约束是根据基态安全约束削减获得的边界值进行削减；通过两阶段约束削减，有效减少了约束个数，大幅度减小SCUC问题的规模，提高电力系统机组组合优化效率和运行稳定性。
-
-
-
Search Results
4
records
(took 0.042 seconds)
