公开(公告)号：CN113937792B

公开(公告)日：2023-08-01

申请号：CN202111198935.1

申请日：2021-10-14

Applicant: 广西大学 ,  中国科学院合肥物质科学研究院

Inventor： 殷林飞 ,  樊柏岭 ,  王耀雄 ,  高放

IPC: H02J3/24

Abstract: 本发明提出一种混合向量图神经强化学习的超低频振荡阻尼控制方法，该方法将图注意力神经网络和强化学习进行结合，用于超低频振荡的抑制。首先，所提方法中图注意力神经网络方法根据电力系统的拓扑结构，节点以及连线上的信息构建图和矩阵，利用注意力机制更新图中节点特征，对超低频振荡产生的原因进行分类。然后，所提方法中强化学习方法根据设定的奖励函数，使得智能体学习到累积报酬最大化的控制策略，从而发出控制指令，调节阻尼控制装置参数，进而抑制超低频振荡。所提方法能实时快速精确地解决水电机组中超低频振荡问题。

公开(公告)号：CN113937792A

公开(公告)日：2022-01-14

申请号：CN202111198935.1

申请日：2021-10-14

Applicant: 广西大学 ,  中国科学院合肥物质科学研究院

Inventor： 殷林飞 ,  樊柏岭 ,  王耀雄 ,  高放

IPC: H02J3/24

Abstract: 本发明提出一种混合向量图神经强化学习的超低频振荡阻尼控制方法，该方法将图注意力神经网络和强化学习进行结合，用于超低频振荡的抑制。首先，所提方法中图注意力神经网络方法根据电力系统的拓扑结构，节点以及连线上的信息构建图和矩阵，利用注意力机制更新图中节点特征，对超低频振荡产生的原因进行分类。然后，所提方法中强化学习方法根据设定的奖励函数，使得智能体学习到累积报酬最大化的控制策略，从而发出控制指令，调节阻尼控制装置参数，进而抑制超低频振荡。所提方法能实时快速精确地解决水电机组中超低频振荡问题。

公开(公告)号：CN115513971A

公开(公告)日：2022-12-23

申请号：CN202211197872.2

申请日：2022-09-29

Applicant: 广西大学

Inventor： 殷林飞 ,  樊柏岭 ,  胡立坤 ,  李大江 ,  彭俊锋 ,  农海斌 ,  莫昕瑜 ,  熊奕锦

IPC: H02J3/24 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明提出一种卷积网络软演员评论家的低频和超低频振荡抑制方法，该方法将卷积神经网络和软演员评论家强化学习方法进行结合，用于低频振荡和超低频振荡的分类和抑制。首先，所提方法中卷积神经网络方法根据得到的频率偏差波形，通过训练完成的神经网络实现振荡和超低频振荡的分类问题。其次，所提方法中软演员评论家强化学习方法发出控制指令，调节调速器中的参数，进而抑制低频或超低频振荡。所提卷积网络软演员评论家的低频和超低频振荡抑制方法能够对于水电机组占比大的电网中存在的低频振荡和超低频振荡问题进行分类，并根据得到的分类结果，通过强化学习的控制方法，实现快速频率调节，从而保证电网运行的可靠性和安全性。