[发明专利]基于不完整数据的深度强化学习短期电压稳定性评估方法有效

专利信息
申请号: 202110698474.8 申请日: 2021-06-23
公开(公告)号: CN113379279B 公开(公告)日: 2022-07-29
发明(设计)人: 关心;刘永楠;刘安琪 申请(专利权)人: 黑龙江大学
主分类号: G06Q10/06 分类号: G06Q10/06;G06Q50/26;G06N3/04
代理公司: 哈尔滨市松花江专利商标事务所 23109 代理人: 董玉娇
地址: 150080 黑龙*** 国省代码: 黑龙江;23
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 完整 数据 深度 强化 学习 短期 电压 稳定性 评估 方法
【说明书】:

基于不完整数据的深度强化学习短期电压稳定性评估方法,涉及多母线电力系统中电压稳定性评估领域。本发明为了解决现有技术中短期电压稳定性的动态评估方法中没有考虑到故障发生时,所采集的母线电压数据缺失导致评估结果准确性差的问题。本发明方法,对于存在数据丢失情况,通过结合故障母线所对应的关联历史数据及训练后的LSTM神经网络模型对丢失的数据进行预测,获得故障母线的母线电压预测值,并利用预测出的母线电压预测对采样结果进行数据填充,最后利用填充后的数据对系统稳定性进行评估。本发明主要用于对多母线电力系统中电压稳定性进行评估。

技术领域

本发明涉及多母线电力系统中电压稳定性评估领域。

背景技术

在电力系统中为了解决短期电压稳定性的问题,有两种类型的解决方法。在硬件设备方面,我们可以使用动态VAR补偿设备。这是一种无功功率补偿器,使得整个智能电网系统更加稳定,但由于其价格昂贵并不能在所有的电网中投放使用。在系统管理控制方面,我们可以进行短期电压稳定性评估并在评估后进行系统的紧急控制(EC),因此评估的准确度将影响后续我们对系统的控制。

对于短期电压稳定性评估,一般有两种方法。第一种是基于事件的STVS评估,另一种是基于响应的STVS评估。第一种评估是在故障发生前,预先设定好可能发生的故障,在故障发生后根据预先设定好的故障进行相应的补救控制。第二种评估是在未知的故障发生的情况下,根据电压波动进行STVS评估,在发现电网处于不稳定状态下便触发系统的紧急控制(EC);因此,对于任意的故障,基于响应的评估都可以进行准确的评估。相比于基于事件的评估的局限性,基于响应的STVS评估对故障具有更高的包容度。

由于在多母线电力系统中,因为各种电力元件具有动态特性(例如:感应发电机,负荷等),使得系统在受到大扰动时的母线电压是动态的,特别是电网处于不稳定状态下,母线电压数据处于实时变化的阶段,且特别容易出现数据丢失,因此,需要对多母线电力系统的短期电压稳定性进行评估,来判断多母线电力系统是否处于安全状态。而现有的分析短期电压稳定性的动态评估方法中没有考虑到故障发生时,所采集的母线电压数据缺失导致评估结果准确性差的问题,因此,以上问题亟需解决。

发明内容

本发明目的是为了解决现有技术中短期电压稳定性的动态评估方法中没有考虑到故障发生时,所采集的母线电压数据缺失导致评估结果准确性差的问题。本发明提供了一种基于不完整数据的深度强化学习短期电压稳定性评估方法。

基于不完整数据的深度强化学习短期电压稳定性评估方法,该评估方法用于对多母线电力系统的电压稳定性进行评估,多母线电力系统的母线的条数为N,N为大于或等于2的整数;

该评估方法包括如下过程:

步骤一、获得每条母线所对应的训练后的LSTM神经网络模型,同时还获得训练后的DDQN模型;

步骤二、在每个采样时间段内,采集N条母线的母线电压数据,并获得M个采样结果,并判断N是否等于M,结果为是,则判定无数据丢失,执行步骤四;结果为否,则判定有数据丢失,执行步骤三;

其中,M为整数;

步骤三、根据当前采样时间段内的M个采样结果,获知在当前采样时间段内存在N-M条母线发生故障;通过发生故障的N-M条母线所对应的关联历史数据,以及发生故障的N-M条母线所对应的N-M个训练后的LSTM神经网络模型,获得发生故障的每条母线所对应母线电压预测值,从而获得发生故障的N-M条母线所对应的N-M个母线电压预测值;再利用N-M个母线电压预测值对M个采样结果进行数据填充,获得N个采样结果,其中,N个采样结果分别为采集到的N条母线的母线电压数据,执行步骤三;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于黑龙江大学,未经黑龙江大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110698474.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top