[发明专利]一种基于知识迁移的跨区互联电网动态调度快速优化方法

说明书

本发明公开了一种基于知识迁移的跨区互联电网动态调度快速优化方法，首先在源任务预学习阶段，将各源任务优化后的最优知识矩阵作为经验知识存储到知识库中；然后在目标任务学习阶段，得到与目标任务相似性最高的源任务，并对其最优知识矩阵迁移得到目标任务的初始知识矩阵，从而进行目标任务的快速优化；最后，再将目标任务的最优知识矩阵作为经验知识存储到知识库中。在所得策略下，调度机构可根据调度时刻电网实际运行状态选取合理的行动方案，实现对跨区互联电网动态调度。本发明中分层学习、知识迁移的机制可在一定程度上避免强化学习“维数灾”问题，加快算法收敛速度，促进调度策略的快速求解。

技术领域

本发明属于跨区互联电网调度领域，具体的说是一种基于知识迁移的跨区互联电网动态调度快速优化方法。

背景技术

跨区电网互联是实现资源在全国范围内优化配置和提高利用效率的重要手段之一，构建跨省、跨区互联电网，能够充分发挥大电网余缺调剂、资源优配、备用共享、事故支援等多方面效益，并能够大幅提高新能源的消纳水平。

现有的对于跨区互联电网系统区域间联络线与区域内单元联合优化的研究甚少，虽有部分研究将强化学习应用于求解跨区互联电网的联络线传输计划，但是并未考虑随着问题规模的不断扩大而出现的“维数灾”问题。此外，传统强化学习方法认为不同的学习任务彼此无关，需针对不同任务进行重新建模，重新求解，但事实上不同的学习任务常常相互关联。

发明内容

本发明针对现有技术中存在的不足之处，提供一种基于知识迁移的跨区互联电网动态调度快速优化方法。利用分层Q学习算法，将原本协同调度所需要的庞大的知识矩阵，分解成了多个较小的知识矩阵，可减小状态行动对数量，一定程度上避免“维数灾”问题。此外，本发明通过挖掘任务之间的联系，给出了一种衡量源调度任务与目标调度任务之间相似性的方法，并且基于此给出了一种知识迁移的机制，可利用过去的学习经验加速目标任务的学习，加快算法收敛速度，降低学习成本。

本发明为解决技术问题采用如下技术方案：

一种基于知识迁移的跨区互联电网动态调度快速优化方法，按如下步骤进行：

步骤1、在以直流联络线连接的多区域跨区互联电网中，假设区域z在调度日内任意时刻t下风电出力功率预测值为光伏出力功率预测值为负荷总需求功率预测值为

步骤2、确定区域z中风电出力实际值在时刻t相对于预测值的出力偏差功率的状态等级

步骤3、确定区域z中光伏发电出力实际值在时刻t相对于预测值的出力偏差功率的状态等级

步骤4、确定DLC实施前区域z中t时刻负荷需求实际功率P_l^z,t相对于预测值的负荷需求偏差功率的状态等级以及DLC实施时决策周期k内的负荷功率切除等级则DLC实施后区域z在决策周期k内任意时刻t的负荷需求功率可表征为式(1)：

其中，为区域z在决策周期k内的DLC负荷切除功率，为区域z在决策周期k内的DLC负荷反弹功率；

步骤5、确定区域z中I、II类火力发电机组在t时刻的功率调整等级为以及实时发电功率等级并通过区域内功率平衡公式得到III类火电机组实时发电功率；

步骤6、确定所述跨区互联电网区域间联络线l在t时刻的功率调整等级及功率传输等级

步骤7、确定所述跨区互联电网系统在决策时刻t_k的上、下层状态及动作，所述上层状态可表征为式(2)：

其中，为区域z决策时刻t_k下的状态信息，为直流联络线l决策时刻t_k下的功率等级；Z为所述跨区互联电网系统区域总数量，L为区域间联络线的总数量。所述上层动作可表征为式(3)：