[发明专利]一种灾后配电网动态抢修方法及系统

权利要求书

1.一种灾后配电网动态抢修方法，其特征在于，包括：

通过环境侧获取待动态抢修的灾后配电网的状态信息；

将所述待动态抢修的灾后配电网的状态信息输入至包括强化学习模型的智能体侧，得到智能体输出的灾后配电网动态抢修结果；

其中，所述智能体侧从环境侧获取强化学习状态，基于策略选择动作作用于配电网上，并接收相应的奖励值及下一状态进行迭代训练，不断更新网络参数后得到所述强化学习模型。

2.根据权利要求1所述的灾后配电网动态抢修方法，其特征在于，所述智能体侧包括智能体接收模型、策略选择模型、状态及奖励计算模型及迭代训练模型；

将所述待动态抢修的灾后配电网的状态信息输入至包括强化学习模型的智能体侧，得到智能体输出的灾后配电网动态抢修结果，包括：

将所述待动态抢修的灾后配电网的状态信息输入所述智能体接收模型，输出智能体接收状态；

将所述智能体接收状态输入所述策略选择模型，输出智能体基于策略选择的动作，并将所述动作传送至所述环境侧作用于配电网；

将所述智能体基于策略选择的动作输入所述状态及奖励计算模型，输出所述动作相应的奖励值及下一状态；

将所述动作相应的奖励值及下一状态输入所述迭代训练模型，基于网络参数更新后的强化学习模型输出所述灾后配电网动态抢修结果。

3.根据权利要求1所述的灾后配电网动态抢修方法，其特征在于，所述智能体侧从环境侧获取强化学习状态，基于策略选择动作作用于配电网上，并接收相应的奖励值及下一状态进行迭代训练，不断更新网络参数后得到所述强化学习模型，具体包括：

所述智能体侧从环境侧获取包括系统故障信息、各抢修队伍状态、系统的恢复态势在内的强化学习状态；

所述智能体侧基于接收的所述强化学习状态选择强化学习离散动作；

所述智能体侧将所述强化学习离散动作传送给环境侧作用于配电网，以使得所述环境侧派遣选择的抢修队伍资源，并转至下一决策时刻，得到下一状态及相应的奖励值；

所述智能体侧将基于获得的下一状态及相应的奖励值得到学习经验模式，并存储至经验回放池；

所述智能体侧基于所述经验回放池进行迭代训练以不断更新网络参数，从而得到强化学习模型。

4.根据权利要求3所述的灾后配电网动态抢修方法，其特征在于，所述强化学习状态包括故障维数、抢修队伍数量和抢修队伍维数；

所述智能体侧基于所述经验回放池进行迭代训练以不断更新网络参数，包括：

所述智能体侧基于所述经验回放池采用状态粗筛机制筛选出特定数目的候选故障；其中，所述状态粗筛机制采用包括基于负荷价值提升的贪婪抢修算法、基于负荷提升的贪婪抢修算法、基于距离的贪婪抢修算法或基于负荷价值提升效率的贪婪抢修算法在内的任一贪婪抢修算法；

所述智能体侧基于候选故障数目、故障维数、抢修队伍数量和抢修队伍维数对多层神经网络的Q值函数进行最小化逼近，以不断更新所述多层神经网络参数。

5.根据权利要求3或4所述的灾后配电网动态抢修方法，其特征在于，所述强化学习状态还包括选择派遣的抢修队伍资源、系统的负荷恢复率和系统的负荷价值恢复率，其表示如下：

其中，表示系统故障信息，表示抢修队伍信息，表示选择派遣的抢修队伍资源，P_t^r为系统的负荷恢复率，V_t^r为系统的负荷价值恢复率。

6.根据权利要求5所述的灾后配电网动态抢修方法，其特征在于，所述系统故障信息的每一条故障采用六维向量表示为：

其中，x,y为故障的地理位置，t^r为抢修耗时，为负荷恢复率，为负荷价值恢复率。

7.根据权利要求5所述的灾后配电网动态抢修方法，其特征在于，所述抢修队伍信息的每一个抢修队伍采用三维向量表示为：

其中，x_t,y_t为抢修队伍的地理位置，表示在经过时间后抢修队伍被再次调配。