基于深度强化学习计及新能源消纳的主动配电网调度方法与流程

技术特征：

1.一种基于深度强化学习计及新能源消纳的主动配电网调度方法，其特征在于，包括：

2.如权利要求1所述的基于深度强化学习计及新能源消纳的主动配电网调度方法，其特征在于，所述步骤s1包括：

3.如权利要求2所述的基于深度强化学习计及新能源消纳的主动配电网调度方法，其特征在于，所述步骤s12包括：

4.如权利要求3所述的基于深度强化学习计及新能源消纳的主动配电网调度方法，其特征在于，所述步骤s13包括：

5.如权利要求4所述的基于深度强化学习计及新能源消纳的主动配电网调度方法，其特征在于，所述步骤s132根据相关性分析结果ri筛选出k'个相关性高的imf分量的筛选方式包括：

6.如权利要求5所述的基于深度强化学习计及新能源消纳的主动配电网调度方法，其特征在于，所述步骤s14应用bilstm模型对所述k'个相关性高的imf分量进行处理，提取特征并得到预测分量过程中，对应t时刻的bilstm模型为：

7.如权利要求6所述的基于深度强化学习计及新能源消纳的主动配电网调度方法，其特征在于，所述步骤s2包括：

8.如权利要求7所述的基于深度强化学习计及新能源消纳的主动配电网调度方法，其特征在于：

9.如权利要求8所述的基于深度强化学习计及新能源消纳的主动配电网调度方法，其特征在于，所述步骤s3包括：

技术总结
本发明提供基于深度强化学习计及新能源消纳的主动配电网调度方法，属于电力系统能源调度技术领域。包括：根据区域配电网结构建立仿真模型，获取区域配电网结构中光伏出力历史数据、风力出力历史数据、村庄用电负荷历史数据以及工厂用电负荷历史数据，应用VMD数据预处理技术、PCC相关性分析算法和BiLSTM模型，预测出未来24小时的数据作为训练数据集；定义强化学习中马尔科夫决策所需的仿真模型；对仿真模型进行训练，应用24小时的实时预测数据反复训练；将训练好的智能体应用于配电网调度，在每一个调度时刻，将对应的状态空间S(t)输入Rainbow算法中的Q神经网络，得出当前状态空间下每一个可执行动作的Q函数，控制储能设备的动作策略。

技术研发人员：闫凯文,李武,杨慧,高奇,谢筱囡,李家辉,张大龙,田瑛,刘喆男,马振华,惠得材,马越,刘海南,刘江,段逸斐,赵彧,韩彦军
受保护的技术使用者：国网宁夏电力有限公司石嘴山供电公司
技术研发日：
技术公布日：2024/1/15