电网有功调度方法及系统与流程

本发明涉及电力系统调度，具体是电网有功调度方法及系统。

背景技术：

1、随着新型电力系统的快速发展，所面临的挑战越来越多，尤其是不确定性的增加导致调度压力增大，主要原因有以下几点：

2、首先，可再生能源的大规模接入给电网带来了巨大的不确定性。风能和太阳能的产电量极大地依赖于天气条件，这些条件是变化莫测的。这种波动性和间歞性导致了电力供应的不稳定性，尤其是在高渗透率的情况下，可再生能源的不稳定性对电网的稳定运行和安全性构成了挑战。

3、其次，需求侧管理的发展使得用户用电行为更加可调节，但同时也带来了预测和调度上的不确定性。随着需求响应、家庭储能系统和智能家居技术的普及，用户用电行为变得更加主动和动态。这要求电网运营商必须更准确地预测用电需求，以便有效地进行电力调度。

4、此外，电力市场变得越来越复杂。新的市场参与者和多样化的交易方式为调度增加了难度。例如，分布式发电、电力储能和跨区域电力交易等新兴业态的出现，要求电网调度系统必须能够处理更多的变量和更复杂的市场机制。

5、同时，电力系统结构的变化，尤其是从传统的集中式供电向分布式供电的转变，也为调度系统带来了新的挑战。微网和虚拟电厂的兴起增加了电力系统的冗余和灵活性，但也要求调度系统能够适应更为复杂的网络结构和运行模式。

6、综上所述，如何应对新型电力系统在面临不确定性，提供安全高效的调度策略，是确保电力系统安全稳定运行的。

技术实现思路

1、为了解决上述问题，本发明提出了一种电网有功调度方法及系统，通过对电网当前状态进行智能分析，识别其空间特征与时间特征，并通过电网李雅普诺夫函数构建电网安全稳定约束，实现电网调度策略的快速安全生成。

2、为了达到上述目的，本发明是通过以下技术方案来实现的：

3、本发明是电网有功调度方法，包括如下操作：

4、采集电网状态实时数据和历史数据，根据电网潮流相关数据构建电网状态向量；将电网节点连接关系通过邻接矩阵进行表示，用于电网运行空间特征提取；

5、利用邻接矩阵、电网空间特征提取算法从电网状态向量中提取电网运行空间特征；利用电网时序特征提取算法从电网状态向量中提取电网运行时序特征；

6、构建电网的李雅普诺夫函数，并将李雅普诺夫函数作为强化学习算法的安全约束，得到基于李雅普诺夫函数安全强化学习网络；

7、将电网运行空间特征、电网运行时序特征输入至基于李雅普诺夫函数安全强化学习网络进行调控策略训练；

8、根据电网状态实时数据，利用训练好的李雅普诺夫函数安全强化学习网络进行实际电网调控。

9、本发明的进一步改进在于：电网潮流相关数据包括：发电厂有功功率、无功功率、母线电压、负荷有功功率、无功功率、线路有功功率、无功功率、变电站母线电压、电网拓扑邻接矩阵。

10、本发明的进一步改进在于：电网空间特征提取算法采用图卷积神经网络，通过在节点之间应用卷积运算，捕捉图中电网节点的空间关系和属性，表达式为：

11、

12、其中，n为电网节点数量，n、m为节点，b(n)为所有与节点n相连的节点序列，为第l-1层的边特征输出结果，为第l-1层的点特征输出结果，fl为第l层ecc网络的计算函数，包括权重ωl，边缘参数以及偏置参数bl。

13、本发明的进一步改进在于：电网时序特征提取算法采用lstm单元，表达式为：

14、

15、ht＝βt⊙tanh(αt)

16、yt＝ht

17、其中，w和b为lstm单元的权重系数和偏置系数，xt,yt为t时刻的输入、输出，βt,λt,μt分别为四种内部状态量，⊙为卷积计算，tanh为激活函数、ht-1、ht为t-1、t时刻的隐含状态，σ为sigmoid层，αt-1、αt分别为t-1、t时刻的遗忘门的激活值。

18、本发明的进一步改进在于：李雅普诺夫函数包括电力系统的总动能减去势能，满足以下条件：

19、李雅普诺夫函数v(x)在系统平衡点x＝0时为零；

20、李雅普诺夫函数v(x)在平点以外为正；

21、李雅普诺夫函数v(x)的导数沿系统轨迹是非正的，表明系统状态随时间演化是非增的。

22、本发明的电网有功调度系统，系统包括电网状态向量构建模块、特征提取模块、网络构建与训练模块、实际电网调控模块；

23、电网状态向量构建模块，用于采集电网状态实时数据和历史数据，根据电网潮流相关数据构建电网状态向量；

24、特征提取模块，用于利用表示电网节点连接关系的邻接矩阵和电网空间特征提取算法从电网状态向量中提取电网运行空间特征，利用电网时序特征提取算法从电网状态向量中提取电网运行时序特征；

25、网络构建与训练模块，用于构建电网的李雅普诺夫函数，将李雅普诺夫函数作为强化学习算法的安全约束，得到基于李雅普诺夫函数安全强化学习网络，并将电网运行空间特征、电网运行时序特征输入至基于李雅普诺夫函数安全强化学习网络进行调控策略训练，得到训练好的基于李雅普诺夫函数安全强化学习网络；所述实际电网调控模块，用于根据电网状态实时数据，利用训练好的李雅普诺夫函数安全强化学习网络进行实际电网调控。

26、本发明的进一步改进在于：电网潮流相关数据包括：发电厂有功功率、无功功率、母线电压、负荷有功功率、无功功率、线路有功功率、无功功率、变电站母线电压、电网拓扑邻接矩阵。

27、本发明的进一步改进在于：电网空间特征提取算法采用图卷积神经网络，通过在节点之间应用卷积运算，捕捉图中电网节点的空间关系和属性，表达式为：

28、

29、

30、其中，n为电网节点数量，n、m为节点，b(n)为所有与节点n相连的节点序列，为第l-1层的边特征输出结果，为第l-1层的点特征输出结果，fl为第l层ecc网络的计算函数，包括权重ωl，边缘参数以及偏置参数bl。

31、本发明的进一步改进在于：电网时序特征提取算法采用lstm单元，表达式为：

32、

33、ht＝βt⊙tanh(αt)

34、yt＝ht

35、其中，w和b为lstm单元的权重系数和偏置系数，xt,yt为t时刻的输入、输出，βt,λt,μt分别为四种内部状态量，⊙为卷积计算，tanh为激活函数、ht-1、ht为t-1、t时刻的隐含状态，σ为sigmoid层，αt-1、αt分别为t-1、t时刻的遗忘门的激活值。

36、本发明的进一步改进在于：李雅普诺夫函数包括电力系统的总动能减去势能，满足以下条件：

37、李雅普诺夫函数v(x)在电力系统平衡点x＝0时为零；

38、李雅普诺夫函数v(x)在平点以外为正；

39、李雅普诺夫函数v(x)的导数沿电力系统轨迹是非正的，表明电力系统状态随时间演化是非增的。

40、本发明的有益效果是：本发明通过对电网当前状态进行分析，识别电网当前状态的空间特征与时间特征，并通过电网李雅普诺夫函数构建电网安全稳定约束，实现电网调度策略的快速安全生成。能够确保电力供应与电力负荷匹配，电网有功功率处于实时平衡状态，同时保证电网的处于功角稳定状态。相比于现有的优化算法进行有功调度，决策速度更快，能够适应高比例新能源波动场景，且考虑了电网功角稳定。