电力负荷控制方法、装置、电子设备及存储介质与流程

本技术涉及电力负荷控制，尤其涉及一种电力负荷控制方法、装置、电子设备及存储介质。

背景技术：

1、为实现电网的低碳运行，减小其对化石能源的依赖，发展具有高比例可再生能源和电力电子设备的新型电力系统已成为当务之急。然而，可再生能源的高度随机性和间歇性给电网的运行带来了极大的挑战和不确定性。这种不确定性不仅表现为系统外部的随机扰动，还表现为系统内部参数的变化，从而导致电网频率特性的严重恶化。为了更好地实现新型电力系统的频率调节，必须根据新型电力系统的特点开发更灵活的频率调节机制和更有效的频率控制策略。

技术实现思路

1、有鉴于此，本技术的目的在于提出一种电力负荷控制方法、装置、电子设备及存储介质以解决或部分解决上述技术问题。

2、基于上述目的，本技术的提供了一种电力负荷控制方法，包括：

3、获取当前时刻电力系统的频率偏差；其中，所述电力系统包括热电机组、交流励磁变速抽水蓄能机组和可再生能源发电机组；

4、获取当前时刻所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组各自的第一负荷；并获取预设单位时间后，所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组各自的第二负荷；

5、通过训练获得的深度确定性策略梯度算法模型并基于所述第一负荷、所述第二负荷以及所述频率偏差，确定所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组各自的负荷调整量；

6、基于所述频率偏差确定所述电量系统的总负荷，并基于所述总负荷与所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组各自的负荷调整量，控制所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组各自的负荷。

7、在一些实施例中，通过训练获得的深度确定性策略梯度算法模型并基于所述第一负荷、所述第二负荷以及所述频率偏差，确定所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组各自的负荷调整量，具体包括：

8、基于所述第一负荷和所述第二负荷确定所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组各自在所述预设单位时间内的负荷变化量；

9、将所述第一负荷、所述第二负荷、所述负荷变化量和所述频率偏差输入到所述深度确定性策略梯度算法模型中，得到所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组各自的负荷调整量。

10、在一些实施例中，所述深度确定性策略梯度算法模型包括行为者网络和批判者网络。

11、在一些实施例中，训练所述行为者网络的损失函数为：

12、

13、其中，θ表示所述行为者网络的参数，π(st,θ)表示所述行为者网络的输出值，q表示行为状态值函数，st表示t时刻所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组各自的第一负荷，e表示数学期望，ρ表示策略的行为分布。

14、在一些实施例中，训练所述批判者网络的损失函数为：

15、

16、

17、其中，e表示数学期望，ρ表示策略的行为分布，qw(st,at,w)表示所述批判者网络在t时刻的输出值，w表示所述批判者网络的参数，st表示t时刻所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组各自的第一负荷，at表示从t时刻到所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组各自的负荷变化量，γ表示折扣系数，表示目标批判者网络的在t+1时刻的输出值的最大值，所述目标批判者网络的参数根据所述批判者网络的历史参数更新，r(st,at)表示所述目标批判者网络在t时刻的奖励值，yt表示价值函数的估计值。

18、在一些实施例中，所述可再生能源发电机组包括储能发电系统、风机发电系统和光伏发电系统。

19、在一些实施例中，在确定所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组各自的负荷调整量之后，所述方法还包括：

20、获取所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组的实际发电负荷；

21、基于所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组对应的负荷调整量确定所述可再生能源发电机组的目标负荷；

22、基于所述实际发电负荷与所述目标负荷确定多余负荷；

23、响应于确定所述频率偏差大于储能响应死区，控制所述储能发电系统吸收所述多余负荷。

24、基于同一个构思，本技术还提出了一种电力负荷控制装置，包括：

25、第一获取模块，获取当前时刻电力系统的频率偏差；其中，所述电力系统包括热电机组、交流励磁变速抽水蓄能机组和可再生能源发电机组；

26、第二获取模块，获取当前时刻所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组各自的第一负荷；并获取预设单位时间后，所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组各自的第二负荷；

27、确定模块，通过训练获得的深度确定性策略梯度算法模型并基于所述第一负荷、所述第二负荷以及所述频率偏差，确定所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组各自的负荷调整量；

28、控制模块，基于所述频率偏差确定所述电量系统的总负荷，并基于所述总负荷与所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组各自的负荷调整量，控制所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组各自的负荷。

29、在一些实施例中，所述确定模块，具体用于：

30、基于所述第一负荷和所述第二负荷确定所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组各自在所述预设单位时间内的负荷变化量；

31、将所述第一负荷、所述第二负荷、所述负荷变化量和所述频率偏差输入到所述深度确定性策略梯度算法模型中，得到所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组各自的负荷调整量。

32、在一些实施例中，所述深度确定性策略梯度算法模型包括行为者网络和批判者网络。

33、在一些实施例中，训练所述行为者网络的损失函数为：

34、

35、其中，θ表示所述行为者网络的参数，π(st,θ)表示所述行为者网络的输出值，q表示行为状态值函数，st表示t时刻所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组各自的第一负荷，e表示数学期望，ρ表示策略的行为分布。

36、在一些实施例中，训练所述批判者网络的损失函数为：

37、

38、

39、其中，e表示数学期望，ρ表示策略的行为分布，qw(st,at,w)表示所述批判者网络在t时刻的输出值，w表示所述批判者网络的参数，st表示t时刻所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组各自的第一负荷，at表示从t时刻到t+1时刻所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组各自的负荷变化量，γ表示折扣系数，表示目标批判者网络的在t+1时刻的输出值的最大值，所述目标批判者网络的参数根据所述批判者网络的历史参数更新，r(st,at)表示所述目标批判者网络在t时刻的奖励值，yt表示价值函数的估计值。

40、在一些实施例中，所述可再生能源发电机组包括储能发电系统、风机发电系统和光伏发电系统。

41、在一些实施例中，所述装置还包括再生能源负荷调节模块，用于：

42、获取所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组的实际发电负荷；

43、基于所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组对应的负荷调整量确定所述可再生能源发电机组的目标负荷；

44、基于所述实际发电负荷与所述目标负荷确定多余负荷；

45、响应于确定所述频率偏差大于储能响应死区，控制所述储能发电系统吸收所述多余负荷。

46、基于同一个构思，本技术还提出了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述的电力负荷控制方法。

47、基于同一个构思，本技术还提出了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行如上所述的电力负荷控制方法。

48、基于同一个构思，本技术还提出了一种计算机程序产品，所述计算机程序产品，包括计算机程序，所述计算机程序由一个或多个处理器执行以使得所述处理器执行如上所述的电力负荷控制方法。

49、从上面所述可以看出，本技术提供的电力负荷控制方法、装置、电子设备及存储介质，获取当前时刻电力系统的频率偏差；其中，所述电力系统包括热电机组、交流励磁变速抽水蓄能机组和可再生能源发电机组；获取当前时刻所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组各自的第一负荷；并获取预设单位时间后，所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组各自的第二负荷；通过训练获得的深度确定性策略梯度算法模型并基于所述第一负荷、所述第二负荷以及所述频率偏差，确定所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组各自的负荷调整量；基于所述频率偏差确定所述电量系统的总负荷，并基于所述总负荷与所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组各自的负荷调整量，控制所述热电机组、所述交流励磁变速抽水蓄能机组和所述可再生能源发电机组各自的负荷，从而通过深度确定性策略梯度算法模型准确的确定电力系统中各个机组的负荷调整量，并通过准确的负荷调节来减少电力系统的频率偏差，更好的实现型电力系统的频率调节。