基于多智能体深度强化学习的有源配电网实时电压控制方法

    公开(公告)号:CN117674160A

    公开(公告)日:2024-03-08

    申请号:CN202311420744.4

    申请日:2023-10-30

    Applicant: 三峡大学

    Abstract: 基于多智能体深度强化学习的有源配电网实时电压控制方法,包括以下步骤:步骤1:以配电网全天平均电压偏差最小和网损最小建立目标函数;步骤2:建立有源配电网实时电压控制模型的约束条件;步骤2.1:建立潮流约束;步骤2.2:建立光伏逆变器出力约束;步骤2.3:建立运行电压约束;步骤3:将有源配电网实时电压控制模型转变为分散部分可观测的马尔科夫决策过程Dec‑POMDP;步骤4:采用多智能体双延迟深度确定性策略梯度(MATD3PG)算法进行求解;步骤5:在集中式训练‑分散式执行的框架下实现光伏逆变器的协同电压控制。本发明所提方法无需依赖精确的配电网模型,并且本发明仅采用光伏逆变器调压,在不进行光伏有功削减的情况下,将电压稳定控制在安全范围。

    一种基于GA-BP神经网络的潮流计算方法

    公开(公告)号:CN117335425A

    公开(公告)日:2024-01-02

    申请号:CN202311116189.6

    申请日:2023-08-31

    Applicant: 三峡大学

    Abstract: 一种基于GA‑BP神经网络的潮流计算方法,包括如下步骤:步骤1,收集电力系统的历史数据,包括有功功率、无功功率、电压幅值和相位,对数据进行归一化处理,并将数据划分为训练集和测试集;步骤2,建立BP神经网络模型;步骤3,初始化GA遗传算法参数;步骤4,使用GA遗传算法优化BP神经网络模型的权值和阈值,若达到最大迭代次数,停止迭代,将最优权值和阈值带入到BP神经网络模型,获得最优参数的BP神经网络模型;步骤5,使用测试集对最优参数的BP神经网络进行测试,评价模型的精度。本发明提供一种基于GA‑BP神经网络的潮流计算方法,建立非线性映射关系,解决了线性潮流无法精确表达潮流计算的非线性关系问题。

    基于机会约束规划的风储联合调频中储能的容量优化方法

    公开(公告)号:CN116599077A

    公开(公告)日:2023-08-15

    申请号:CN202211607592.4

    申请日:2022-12-14

    Applicant: 三峡大学

    Abstract: 基于机会约束规划的风储联合调频中储能的容量优化方法,属于电力系统新能源调频领域,包括以下步骤:步骤1:获取电力系统的基础数据;步骤2:构建风电场一次调频需求与风机一次调频备用容量模型;步骤3:构建储能全寿命周期成本模型;步骤4:构建基于机会约束规划的储能容量优化模型;步骤5:依据风储系统提供的一次调频容量满足系统一次调频需求的概率确定机会约束置信度;步骤6:采用蚁狮优化算法求解,选取最佳储能容量配备方案。本发明解决了目前风储联合系统在调频方面多关注在控制策略上而忽略了储能的容量配置成本,且风电并网电力系统中的储能容量优化配置更多集中在改善风电出力的波动性,并非辅助风电参与调频上的问题。

    基于二阶锥松弛的主动配电网动态最优潮流计算方法

    公开(公告)号:CN117458493A

    公开(公告)日:2024-01-26

    申请号:CN202311166180.6

    申请日:2023-09-11

    Applicant: 三峡大学

    Abstract: 基于二阶锥松弛的主动配电网动态最优潮流计算方法,以配电网全天有功损耗最小为目标函数配电网中的可控单元包括分布式光伏DPV、投切电容器组SC和静止无功补偿器SVC,将非凸最优潮流模型转化为凸规划问题,具体包括以下步骤:步骤1:建立配电网全天有功损耗最小的目标函数;步骤2:建立最优潮流模型的约束条件;步骤2.1:结合辐射型配电网潮流特点建立支路潮流约束;步骤2.2:对配电网中的可控单元,分布式光伏DPV、投切电容器组SC和静止无功补偿器SVC,建立模型约束;步骤2.3:设置节点电压约束;步骤3:利用二阶锥松弛将模型转化为包含整数变量的二阶锥规划问题;本发明减小分布式光伏并网给配电网带来的更多不确定性因素。

Patent Agency Ranking