申请/专利权人：浙江大学;南方电网科学研究院有限责任公司

申请日：2023-12-08

公开（公告）日：2024-03-08

公开（公告）号：CN117674190A

主分类号：H02J3/24

分类号：H02J3/24;G06N3/045;G06N3/092;H02J3/36;H02J3/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.26#实质审查的生效;2024.03.08#公开

摘要：本发明公开了一种面向受端分区多落点柔性直流系统在线优化控制策略，包括：1确定受端系统的电能供应形式，包括送端集中式风力发电、送端集中式光伏发电、送端常规机组发电、本地常规机组发电，送端的能源均通过柔性直流数电技术将电能送往受端；2确定系统控制的优化目标及约束条件；2构建Safe‑SAC强化学习智能体来解决上述优化目标；其中，Safe‑SAC强化学习智能体包含Actor网络、Critic网络和Safe网络；3设置智能体在训练过程中奖励函数，并进行训练；4利用训练好的Safe‑SAC强化学习智能体用于面向受端分区多落点柔性直流系统的控制。利用本发明，可以实现分区内功率支援与紧急支撑，有效解决分区内部功率不平衡的问题，提高分区安全稳定性。

主权项：1.一种面向受端分区多落点柔性直流系统在线优化控制策略，其特征在于，包括：1确定受端系统的电能供应形式，包括送端集中式风力发电、送端集中式光伏发电、送端常规机组发电、本地常规机组发电，送端的能源均通过柔性直流数电技术将电能送往受端；2确定系统控制的优化目标及约束条件；优化目标如下： 其中，wn表示第n个子目标函数对应的权重，表示线路j在t时刻的负载率，表示线路j的负载率参考值，表示母线i在t时刻的电压符合度，表示母线i的电压符合度参考值；Nline,Nbus分别表示线路集合与母线集合，T表示每个优化周期的时刻总数；表示母线i在t时刻的短路电流评估值，表示母线i的短路电流最大限值；约束条件包括权重分配约束、有功功率实时平衡约束、母线电压越限约束、线路负载率约束、旋转备用容量约束和母线的短路电流约束；3构建Safe-SAC强化学习智能体来解决上述优化目标；其中，Safe-SAC强化学习智能体包含Actor网络、Critic网络和Safe网络；Actor网络根据当前的状态st，做出当前时刻的动作at；Critic网络根据状态动作对st,at，输出对应的Q值Qθ；Safe网络根据状态动作对st,at，输出对应的Q值并且，Safe网络以最小化为目标更新自己的神经网络，Actor以最大化为目标更新自己的神经网络，Critic以最小化Qθ与Qtarget的差为目标更新自己的神经网络，Qtarget表示该神经网络的目标Q值；4设置Safe-SAC强化学习智能体在训练过程中奖励函数，在训练过程中，将Actor网络、Critic网络和Safe网络均依据损失函数进行梯度更新；5利用训练好的Safe-SAC强化学习智能体用于面向受端分区多落点柔性直流系统的控制。

全文数据：

权利要求：

百度查询： 浙江大学;南方电网科学研究院有限责任公司 一种面向受端分区多落点柔性直流系统在线优化控制策略

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD