基于多智能體的配網(wǎng)應災恢復協(xié)調(diào)控制方法及裝置的制造方法
【技術領域】:
[0001] 本發(fā)明涉及輸配電網(wǎng)領域,尤其涉及一種基于多智能體的配網(wǎng)應災恢復協(xié)調(diào)控制 方法及裝置。
【背景技術】:
[0002] 自然災害發(fā)生時配電網(wǎng)易發(fā)生多故障,對于系統(tǒng)運行人員來說,故障后的恢復問 題是包含不同優(yōu)化目標的實時多階段決策問題。目前,現(xiàn)有技術將電力系統(tǒng)恢復過程按照 主要恢復對象分為3個階段,分別是黑啟動階段、網(wǎng)架重構階段、負荷全面恢復階段。而在 配電網(wǎng)的供電恢復的研宄中,只涉及配電網(wǎng)網(wǎng)絡重構和負荷恢復階段。綜合考慮配電網(wǎng)恢 復特點將配電網(wǎng)恢復劃分為三個階段,分別為:骨干通道恢復階段、局部配網(wǎng)恢復階段與區(qū) 域聯(lián)網(wǎng)恢復階段。其中骨干通道恢復階段以恢復配電網(wǎng)重要節(jié)點和重要負荷為首要目標, 然而如果在多故障情況下只單一地按照負荷重要等級先后恢復,則可能導致故障恢復時間 長,得到的未必是最優(yōu)解。因而在骨干通道恢復的同時,也應兼顧局部配網(wǎng)與區(qū)域聯(lián)網(wǎng)的恢 復,三者共同協(xié)調(diào)從而實現(xiàn)全局電網(wǎng)的整體恢復。因此,對于配電網(wǎng)的供電恢復,不僅要求 對各階段有可靠、高效的恢復算法,更需要構建具有擴充性、容錯性和優(yōu)化協(xié)調(diào)能力的供電 恢復體系,從而能夠有效縮短災害下重要用戶的停電時間,提高配電網(wǎng)運行的可靠性。
[0003] 現(xiàn)有技術在應用多智能體(Multi-Agent System,簡稱MAS)理論解決配電網(wǎng)供電 恢復問題時,往往針對不同電氣元件進行智能體的設置,如饋線智能體、母線智能體等來構 建多智能體系統(tǒng),雖然在處理恢復問題上具有一定的針對性,但是面對大型配電網(wǎng)絡供電 恢復問題時,由于電氣元件本身數(shù)量巨大,在某種程度上導致了"維數(shù)災",另一方面,由于 沒有采用良好的協(xié)作方式,各個智能體面臨協(xié)調(diào)上的同步問題,致使恢復過程緩慢,不能發(fā) 揮多智能體系并行計算的優(yōu)勢。
【發(fā)明內(nèi)容】
:
[0004] 針對現(xiàn)有技術的缺陷,本發(fā)明提供一種基于多智能體的配網(wǎng)應災恢復協(xié)調(diào)控制方 法及裝置,提高了電力系統(tǒng)供電的可靠性,尤其是在自然災害條件下電力系統(tǒng)的供電可靠 性,提高電網(wǎng)投資收益。
[0005] -方面,本發(fā)明提供一種基于多智能體的配網(wǎng)應災恢復協(xié)調(diào)控制方法,包括:
[0006] 確定配網(wǎng)應災恢復的目標函數(shù)與約束條件,所述目標函數(shù)包括優(yōu)先恢復重要負 荷、最少開關操作次數(shù)、最多恢復失電負荷,所述約束條件包括線路容量約束和支點電壓約 束;
[0007] 根據(jù)配電網(wǎng)的恢復特點,將配電網(wǎng)恢復階段劃分為骨干通道恢復階段、局部配網(wǎng) 恢復階段和區(qū)域聯(lián)網(wǎng)恢復階段,得到所述配電網(wǎng)恢復的各個階段的優(yōu)解恢復方案;
[0008] 將所述配電網(wǎng)恢復的各個階段分別設置為骨干恢復Agent、局部配網(wǎng)恢復 Aagent、區(qū)域聯(lián)網(wǎng)恢復Agent,建立基于黑板模型的MAS協(xié)作機制;
[0009] 根據(jù)所述基于黑板模型的MAS協(xié)作機制,建立基于MAS的配網(wǎng)恢復控制決策體系, 采用結合蟻群算法與Q學習的方法進行優(yōu)化協(xié)調(diào)所述配電網(wǎng)恢復的各個階段的優(yōu)解恢復 方案,得到恢復結果;
[0010] 根據(jù)所述配網(wǎng)應災恢復的目標函數(shù)與約束條件,采用校驗Agent對所述恢復結果 進行校驗,得到最終恢復結果;
[0011] 將所述最終恢復結果通過全局恢復Agent傳遞至用戶接口 Agent,更新數(shù)據(jù)與實 施全局恢復方案,結束配網(wǎng)應災恢復。
[0012] 可詵他,所沭優(yōu)生恢復重専負荷通過下式計算,
[0013]
[0014]其中,Q為故障直接導致斷電重要負荷的節(jié)點集合,C2為故障間接導致斷電重要 負荷節(jié)點的集合,Q為節(jié)點i的負荷,為節(jié)點j的負荷;
[0015] 所述最少開關操作次數(shù)通過下式計算,
[0016]
[0017] 其中,為故障直接導致非故障失電區(qū)域集合,]?2為故障間接導致非故障失電區(qū) 域集合, Si為開關i恢復前的開關狀態(tài),sh為開關i恢復后的開關狀態(tài),\為開關j恢復 前的開關狀態(tài),為開關j恢復后的開關狀態(tài),閉合狀態(tài)取值為1,斷開狀態(tài)取值為〇 ;
[0018] 所述最多恢復失電負荷通過下式計算,
[0019]
[0020] 其中,&為節(jié)點i的電荷狀態(tài),帶電取值為1,失電取值為0 ;
[0021] 所述線路容量通過下式計算,
[0022] 1^々一(1 = 1,2,.11)
[0023] 其中,Si為支路i的視在功率,S 為支路i的容量;
[0024] 所述節(jié)點電壓約束通過下式計算,
[0025] L3:U i Dlin< U # U !.眶,(i = 1,2, ...m)
[0026] 其中,為節(jié)點電壓的下限;U 為節(jié)點電壓的上限。
[0027] 可選地,所述骨干通道恢復階段采用深度優(yōu)先搜索算法,包括:
[0028] A1、采用深度優(yōu)先算法從故障區(qū)域下游區(qū)段開始搜索到所有聯(lián)絡開關為止,確定 停電區(qū)域;
[0029] A2、根據(jù)所述停電區(qū)域的實時負荷,確定失電負荷,將當前電源總容量與帶電區(qū)域 當前總負荷做差,得到與停電區(qū)域相連的帶電區(qū)域電源點的剩余容量;
[0030] A3、若所述失電負荷小于等于所述停電區(qū)域相連的帶電區(qū)域電源點的剩余容量, 執(zhí)行步驟A4,否則進行切負荷;
[0031] A4、搜索各重要節(jié)點所有可操作開關的集合,得到多個骨干通道恢復階段的恢復 方案;
[0032] A5、根據(jù)優(yōu)先原則,從所述多個骨干通道恢復階段的恢復方案選取骨干通道恢復 階段的優(yōu)解恢復方案,所述優(yōu)先原則為首先考慮聯(lián)絡開關與停電區(qū)域直接相連的恢復方 案,其次考慮經(jīng)過的聯(lián)絡開關數(shù)量少的恢復方案;
[0033] 所述局部配網(wǎng)恢復階段和所述區(qū)域聯(lián)網(wǎng)恢復階段均采用基于近似動態(tài)規(guī)劃方法, 包括:
[0034] B1、基于遞歸神經(jīng)網(wǎng)絡辨識配電網(wǎng)模型,給定配電網(wǎng)各參數(shù)的初始值,目標函數(shù)為 配網(wǎng)值函數(shù);
[0035] B2、從配網(wǎng)值函數(shù)%〇〇 = 0開始采用啟發(fā)式動態(tài)規(guī)劃迭代控制策略和配網(wǎng)值函 數(shù);
[0036] B3、建立基于BP神經(jīng)網(wǎng)絡的評論模型和控制模型,訓練得到近似的配網(wǎng)值函數(shù) 6 +1和近似的最優(yōu)控制策略& ;
[0037] B4、判斷是否滿足K+1,若是則得到局部配網(wǎng)恢復階段的優(yōu)解恢復方案和 區(qū)域聯(lián)網(wǎng)恢復階段的優(yōu)解恢復方案;
[0038] 所述控制策略通過下式計算,
[0039]
[0040] 所述配網(wǎng)值函數(shù)通過下式計算,
[0041]
[0042] 其中,xk為配電網(wǎng)系統(tǒng)節(jié)點負荷量,yi為配電網(wǎng)供電恢復開關狀態(tài),開關狀態(tài)改 變?yōu)?,不改變?yōu)?, Q為對角矩陣,R為單位矩陣;
[0043] 所述基于BP神經(jīng)網(wǎng)絡的評論模型為,
[0044]
[0045]其中,艮為未知的評論網(wǎng)權值^的近似,巾。為評論網(wǎng)的激活函數(shù);
[0046] 所述基于BP神經(jīng)網(wǎng)絡的控制模型為,
[0047]
[0048] 其中,虼為目標權值Wai的近似,巾3為控制網(wǎng)的激活函數(shù)。
[0049] 可選地,所述基于遞歸神經(jīng)網(wǎng)絡辨識配電網(wǎng)模型為:
[0050]
[0051] 其中,yk為配電網(wǎng)供電恢復開關狀態(tài),開關狀態(tài)改變?yōu)?,不改變?yōu)?, Xk為評論 網(wǎng)的節(jié)點負荷量,Mi和和為評估目標權值,巾JfTXk)和(i>2(V #TXk)為單調(diào)遞增的激活函 數(shù),V#T為最優(yōu)恢復函數(shù)V #的轉置。
[0052] 可選地,所述建立基于黑板模型的MAS協(xié)作機制,具體為:
[0053] 將骨干恢復Agent、局部配網(wǎng)恢復Agent、區(qū)域聯(lián)網(wǎng)Agent作為黑板模型的知識源, 將全局優(yōu)化Agent作為黑板模型的黑板用于交互控制所述知識源,將校驗Agent作為黑板 模型的控制機制。
[0054] 可選地,所述采用結合蟻群算法與Q學習的方法進行優(yōu)化協(xié)調(diào)所述配電網(wǎng)恢復的 各個階段的優(yōu)解恢復方案,得到恢復結果,包括:
[0055] S1、初始化系統(tǒng)的Q值% (s,a) = 0和蟻群算法各參數(shù);
[0056] S2、計算不同恢復路徑概率,根據(jù)所述路徑恢復概率,選擇所述配電網(wǎng)恢復的各個 階段的優(yōu)解恢復方案;
[0057] S3、根據(jù)選擇的優(yōu)解恢復方案,計算配網(wǎng)應災恢復策略
[0058]S4、判斷是否滿足|\+1 _\|<£,若是則得到恢復結果,否則執(zhí)行步驟S2;
[0059] 所述恢復路徑概率通過下式計算,
[0060]
[0061] 其中,為t時刻智能體k選擇路徑ij的恢復概率,tabu(k)為禁忌表, 為t時刻路徑ij上標記信息量的大小,1為智能體k下一時刻所允許轉移的相鄰節(jié)點,a 為反映標記信息作用的強弱指數(shù)因子,0為反映恢復通道信息作用的強弱指數(shù)因子,rUj 為路徑ij的路徑信息;
[0062] 所述配網(wǎng)應災恢復策略通過下式計算,
[0063]
[0064] 其中,pss,為執(zhí)行動作從狀態(tài)s到狀態(tài)s'的預設轉移概率,Y'為折扣因子,tu 為恢復通道上標記的信息量,通過下式計算,
[0065]
恢復系統(tǒng)經(jīng)過路徑ij
[0066] 其中, ,P為恢復通道上標記信息 其他 丟失因子,m為總共的智能體個數(shù),fk(x)為恢復通道k的目標函數(shù)值;
[0067] Qt (s,a)為智能體在所處狀態(tài)s時采取行為a時的匯報值,通過下式計算,
[0068] Qt+1(s, a) = (1-a t) Qt (s, a) + a t [rt+y tmax Qt(sr ,a')]
[0069]其中,at為學習因子,Y t為折扣因子,r$t時刻的回饋信息,在s狀態(tài)下,智能 體執(zhí)行動作a = (&1,a2,,,a)后的狀態(tài)為s',a'為在新狀態(tài)s'下的動作。
[0070] 另一方面,本發(fā)明提供一種基于多智能體的配網(wǎng)應災恢復協(xié)調(diào)控制裝置,包括:目 標函數(shù)與約束條件確定單元、配電網(wǎng)恢復階段劃分單元、MAS協(xié)作機制建立單元、恢復結果 獲取單元、校驗單元、輸出單元;
[0071] 所述目標函數(shù)與約束條件確定單元,用于確定配網(wǎng)應災恢復的目標函數(shù)與約束條 件,所述目標函數(shù)包括優(yōu)先恢復重要負荷、最少開關操作次數(shù)、最多恢復失電負荷,所述約 束條件包括線路容量約束和支點電壓約束;
[0072] 所述配電網(wǎng)恢復階段劃分單元,用于根據(jù)配電網(wǎng)的恢復特點,將配電網(wǎng)恢復階段 劃分為骨干通道恢復階段、局部配網(wǎng)恢復階段和區(qū)域聯(lián)網(wǎng)恢復階段,得到所述配電網(wǎng)恢復 的各個階段的優(yōu)解恢復方案;
[0073] 所述MAS協(xié)作機制建立單元,用于將所述配電網(wǎng)恢復的各個階段分別設置為骨干 恢復Agent、局部配網(wǎng)恢復Agent、區(qū)域聯(lián)網(wǎng)恢復Agent,建立基于黑板模型的MAS協(xié)作機 制;
[0074] 所述恢復結果獲取單元,用于根據(jù)所述基于黑板模型的MAS協(xié)作機制,建立基于 MAS的配網(wǎng)恢復控制決策體系,采用結合蟻群算法與Q學習的方法進行優(yōu)化協(xié)調(diào)所述配電 網(wǎng)恢復的各個階段的優(yōu)解恢復方案,得到恢復結果;