CN109818352A - 一种基于近似动态规划算法的配电网应急电源车调度方法 - Google Patents
一种基于近似动态规划算法的配电网应急电源车调度方法 Download PDFInfo
- Publication number
- CN109818352A CN109818352A CN201910235024.8A CN201910235024A CN109818352A CN 109818352 A CN109818352 A CN 109818352A CN 201910235024 A CN201910235024 A CN 201910235024A CN 109818352 A CN109818352 A CN 109818352A
- Authority
- CN
- China
- Prior art keywords
- power supply
- meet
- emergency
- supply vehicle
- power
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000006870 function Effects 0.000 claims abstract description 15
- 230000008901 benefit Effects 0.000 claims abstract description 3
- 230000005540 biological transmission Effects 0.000 claims description 9
- 230000035945 sensitivity Effects 0.000 claims description 9
- 238000013178 mathematical model Methods 0.000 claims description 6
- 230000007423 decrease Effects 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000013632 homeostatic process Effects 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims 1
- 238000011156 evaluation Methods 0.000 claims 1
- 238000005728 strengthening Methods 0.000 abstract description 2
- 230000004044 response Effects 0.000 description 2
- 241000580063 Ipomopsis rubra Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于近似动态规划算法的配电网应急电源车调度方法，该方法获取应急电源车在配电网中一个完整调度周期的当前状态数据，辨识应急电源车负荷高峰数据特征，在应急电源车的供电***中设置直流***，则启动应急电源车的紧急控制措施或发电机切除措施，最终获取应急电源车的最优直流***供电方法。本发明的有益技术效果是：利用近似动态规划算法对配电网应急电源车进行优化控制，该方法可以检测应急电源车控制***的输入和输出，包含强化学习的值函数迭代策略，能在***运行过程中，根据***的反馈在线对应急电源车控的在线调度进行优化调整，加强了应急电源车的调度能力，优化了配电网的整体运行能力。
Description
技术领域
本发明涉及一种应急电源车调度方法，尤其涉及一种基于近似动态规划算法的配电网应急电源车调度方法。
背景技术
目前的电力***应急电源车调度基本上是滞后调后，其前提是先有电源应急需求而后调度，但在实际电网中往往缺乏对于某些负荷变化较大、持续周期较长时间段的监控和预测，即使控制决策正确但仍会因为应急响应能力或响应速率的不足致使应急电源车难以在第一时间发挥作用，尤其是在负荷陡升和陡降和负荷攀峰过程中，调度员面临的压力很大，然而在平时应急电源车的使用频率低，可能一个月或者几个月都未被利用，又造成了资源的浪费。
发明内容
本发明的目的在于提供一种基于近似动态规划算法的配电网应急电源车调度方法，解决现有技术存在的缺憾。
本发明采用如下技术方案实现：
一种基于近似动态规划算法的配电网应急电源车调度方法，其特征在于，该方法包括如下步骤：
步骤1：获取应急电源车在配电网中一个完整调度周期的当前状态数据，辨识应急电源车负荷高峰数据特征，根据超短期负荷预测结果，得到未来三小时至五小时内的配电网电力负荷，通过记录得到根据时间滚动更新的负荷数值、电压稳定约束值和/或无功输出约束值；
步骤2：在应急电源车的供电***中设置直流***，若检测到直流***输送功率对过载最严重的监控设备的有功灵敏度大于有功灵敏度设定门槛值，则对该直流***功率采取紧急下降措施，将可下降的功率增量最大值加入到有效可控措施集中，然后判断直流***的输送功率的灵敏度是否小于预设值，如果小于预设值，则输出衡定的直流功率，如果大于或等于预设值，则启动应急电源车的紧急控制措施或发电机切除措施；
步骤3：将上述步骤的直流***输送功率的变量的连续决策空间离散化，利用近似动态规划算法的多目标静态Pareto最优解表示值函数，在此基础上结合配电网应急电源车的时段耦合动态约束，从而将多目标动态最优取值问题的数学模型表示为传统动态规划模型。
步骤4：将传统动态规划问题进一步转化成近似动态规划问题，采用策略迭代近似动态规划求解，用近似值函数代替精确计算值函数，通过迭代过程更新各状态的近似值函数，最终获取应急电源车的最优直流***供电方法。
进一步的，在步骤3中，将近似值函数的数学模型转化为动态规划模型，将其中的时段决策空间离散化，生成优化的近似动态规划模型。
进一步的，在步骤3中，通过获取多时段累加近似动态规划最大的路径来求取多目标动态的最优解。
本发明的有益技术效果是：利用近似动态规划算法对配电网应急电源车进行优化控制，该方法可以检测应急电源车控制***的输入和输出，包含强化学习的值函数迭代策略，能在***运行过程中，根据***的反馈在线对应急电源车控的在线调度进行优化调整，加强了应急电源车的调度能力，优化了配电网的整体运行能力。
附图说明
图1是本发明的流程处理图。
具体实施方式
通过下面对实施例的描述，将更加有助于公众理解本发明，但不能也不应当将申请人所给出的具体的实施例视为对本发明技术方案的限制，任何对部件或技术特征的定义进行改变和/或对整体结构作形式的而非实质的变换都应视为本发明的技术方案所限定的保护范围。
如图1所示的基于近似动态规划算法的配电网应急电源车调度方法，该方法包括如下步骤：
步骤1：获取应急电源车在配电网中一个完整调度周期的当前状态数据，辨识应急电源车负荷高峰数据特征，根据超短期负荷预测结果，得到未来三小时至五小时内的配电网电力负荷，通过记录得到根据时间滚动更新的负荷数值、电压稳定约束值和/或无功输出约束值；
步骤2：在应急电源车的供电***中设置直流***，若检测到直流***输送功率对过载最严重的监控设备有功的灵敏度大于有功灵敏度设定门槛值，则对该直流***功率采取紧急下降措施，将可下降的功率增量最大值加入到有效可控措施集中，然后判断直流***的输送功率的灵敏度是否小于预设值，如果小于预设值，则输出衡定的直流功率，如果大于或等于预设值，则启动应急电源车的紧急控制措施或发电机切除措施；
步骤3：将上述步骤的直流***输送功率的变量的连续决策空间离散化，利用近似动态规划算法的多目标静态Pareto最优解表示值函数，在此基础上结合配电网应急电源车的时段耦合动态约束，从而将多目标动态最优取值问题的数学模型表示为传统动态规划模型。
步骤4：将传统动态规划问题进一步转化成近似动态规划问题，采用策略迭代近似动态规划求解，用近似值函数代替精确计算值函数，通过迭代过程更新各状态的近似值函数，最终获取应急电源车的最优直流***供电方法。在本实施例的步骤3中，将近似值函数的数学模型转化为动态规划模型，将其中的时段决策空间离散化，生成优化的近似动态规划模型，通过获取多时段累加满意度最大的路径来求取多目标动态最优取值问题的最优解。
本实施例通过配电网调转的数据采集模块，判断实时的配电网频率偏差是否越过频率死区，若越过频率死区后，启动应急电源车，将频率偏差值转换成对应的功率偏差值，得到的电网在时刻的功率差额，通过近似动态规划算法，得出应急电源车的优化调度方案，利用不同的控制指令，校正配电网的供需平衡，能够在很大程度上掏频率波动的加剧，维持电网频率稳定，尤其是能够在很大程度上减少***进入紧急控制区的次数，及时启动应急电源车可以减负荷，提高配电网的整体工作效率。
在上述实施例的基础之上还可以做出进一步的改进，在配电网中设置评估感知模块和执行处理模块两个部分，这两个部分通过上位机与应急电源车相连，利用数据接口对应急电源车进行控制，评估感知模块记录配电网的实时数据状态，提供配电网的实际动作环节，执行处理模块通过传输和处理控制信号反馈给的配电***，实现输入信息和输出信息的双向反馈。
当然，本发明还可以有其他多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员可以根据本发明做出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (3)
1.一种基于近似动态规划算法的配电网应急电源车调度方法，其特征在于，该方法包括如下步骤：
步骤1：获取应急电源车在配电网中一个完整调度周期的当前状态数据，辨识应急电源车负荷高峰数据特征，根据超短期负荷预测结果，得到未来三小时至五小时内的配电网电力负荷，通过记录得到根据时间滚动更新的负荷数值、电压稳定约束值和/或无功输出约束值；
步骤2：在应急电源车的供电***中设置直流***，若检测到直流***输送功率对过载最严重的监控设备的有功灵敏度大于有功灵敏度设定门槛值，则对该直流***功率采取紧急下降措施，将可下降的功率增量最大值加入到有效可控措施集中，然后判断直流***的输送功率的灵敏度是否小于预设值，如果小于预设值，则输出衡定的直流功率，如果大于或等于预设值，则启动应急电源车的紧急控制措施或发电机切除措施；
步骤3：将上述步骤的直流***输送功率的变量输送进连续决策空间，进行离散化，利用近似动态规划算法的多目标静态Pareto最优解表示值函数，在此基础上结合配电网应急电源车的时段耦合动态约束，从而将多目标动态最优取值问题的数学模型表示为传统动态规划模型。
步骤4：将传统动态规划问题进一步转化成近似动态规划问题，采用策略迭代近似动态规划求解，用近似值函数代替精确计算值函数，通过迭代过程更新各状态的近似值函数，最终获取应急电源车的最优直流***供电方法。
2.根据权利要求1所述的基于近似动态规划算法的配电网应急电源车调度方法，其特征在于，在步骤3中，将近似值函数的数学模型转化为动态规划模型，将其中的时段决策空间离散化，生成优化的近似动态规划模型。
3.根据权利要求1所述的基于近似动态规划算法的配电网应急电源车调度方法，其特征在于，在步骤3中，通过获取多时段累加近似动态规划最大的路径来求取多目标动态的最优解。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910235024.8A CN109818352B (zh) | 2019-03-26 | 2019-03-26 | 一种基于近似动态规划算法的配电网应急电源车调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910235024.8A CN109818352B (zh) | 2019-03-26 | 2019-03-26 | 一种基于近似动态规划算法的配电网应急电源车调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109818352A true CN109818352A (zh) | 2019-05-28 |
| CN109818352B CN109818352B (zh) | 2023-06-30 |
Family
ID=66610468
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910235024.8A Active CN109818352B (zh) | 2019-03-26 | 2019-03-26 | 一种基于近似动态规划算法的配电网应急电源车调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109818352B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113111476A (zh) * | 2021-04-29 | 2021-07-13 | 华北电力大学 | 一种提高电网韧性的人-车-物应急资源优化调度方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130054050A1 (en) * | 2011-08-24 | 2013-02-28 | Dimitar Petrov Filev | Methods and apparatus for a vehicle to cloud to vehicle control system |
| US20150268643A1 (en) * | 2014-01-08 | 2015-09-24 | Nec Laboratories America, Inc. | Quantifying the Impact of Constraints on a Grid-Tied Microgrid Using Optimal Control |
| CN107368991A (zh) * | 2017-08-01 | 2017-11-21 | 大连理工大学 | 一种基于α‑可靠度平均超出后悔值的应急物流选址‑路径安排方法 |
| CN107453356A (zh) * | 2017-08-21 | 2017-12-08 | 南京邮电大学 | 基于自适应动态规划的用户侧柔性负荷调度方法 |
| CN109103936A (zh) * | 2018-09-30 | 2018-12-28 | 南京铭越创信电气有限公司 | 一种电力***大停电后最优机组启动次序计算方法 |
-
2019
- 2019-03-26 CN CN201910235024.8A patent/CN109818352B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130054050A1 (en) * | 2011-08-24 | 2013-02-28 | Dimitar Petrov Filev | Methods and apparatus for a vehicle to cloud to vehicle control system |
| US20150268643A1 (en) * | 2014-01-08 | 2015-09-24 | Nec Laboratories America, Inc. | Quantifying the Impact of Constraints on a Grid-Tied Microgrid Using Optimal Control |
| CN107368991A (zh) * | 2017-08-01 | 2017-11-21 | 大连理工大学 | 一种基于α‑可靠度平均超出后悔值的应急物流选址‑路径安排方法 |
| CN107453356A (zh) * | 2017-08-21 | 2017-12-08 | 南京邮电大学 | 基于自适应动态规划的用户侧柔性负荷调度方法 |
| CN109103936A (zh) * | 2018-09-30 | 2018-12-28 | 南京铭越创信电气有限公司 | 一种电力***大停电后最优机组启动次序计算方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113111476A (zh) * | 2021-04-29 | 2021-07-13 | 华北电力大学 | 一种提高电网韧性的人-车-物应急资源优化调度方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109818352B (zh) | 2023-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mansoor et al. | Comparison of echo state network and feed-forward neural networks in electrical load forecasting for demand response programs | |
| CN106532769B (zh) | 基于光伏并网不确定性的需求侧分时电价的优化方法 | |
| EP1907996B1 (en) | Load prediction based on-line and off-line training of neural networks | |
| US11036250B2 (en) | Datacenter stabilization of regional power grids | |
| JP2020501491A (ja) | 動的エネルギーストレージシステム制御のためのシステムおよび方法 | |
| EP2388883A1 (en) | Power demand-supply management server and power demand-supply management system | |
| Tabandeh et al. | Reliability constrained congestion management with uncertain negawatt demand response firms considering repairable advanced metering infrastructures | |
| US20160055507A1 (en) | Forecasting market prices for management of grid-scale energy storage systems | |
| CN103972896A (zh) | 一种基于需求响应的负荷建模和优化控制方法 | |
| CN104299031A (zh) | Bp神经网络超短期负荷预测方法 | |
| CN111738529B (zh) | 基于强化学习的综合能源***需求响应方法、***及设备 | |
| CN114372360A (zh) | 用于电力负荷预测的方法、终端及存储介质 | |
| CN111680841A (zh) | 基于主成分分析的短期负荷预测方法、***及终端设备 | |
| KR20210026447A (ko) | 심층 신경망 기반 전력 수요 예측 장치 및 방법 | |
| CN104299043A (zh) | 极限学习机超短期负荷预测方法 | |
| Lee et al. | Non-intrusive load management under forecast uncertainty in energy constrained microgrids | |
| CN109818352A (zh) | 一种基于近似动态规划算法的配电网应急电源车调度方法 | |
| CN104156785A (zh) | 一种考虑火电机组启停磨的发电计划优化方法 | |
| CN108539799B (zh) | 一种电网中风电的调度方法及装置 | |
| CN114936460B (zh) | 一种用户用电时序优化方法和*** | |
| JPH06106009B2 (ja) | ニューラルネットワークによる最適電力負荷配分システム | |
| CN115864461A (zh) | 一种电力储能***的控制方法 | |
| CN112001522B (zh) | 一种基于stn状态网络的专变用户用能优化方法 | |
| Salazar et al. | Demand response model: A cooperative-competitive multi-agent reinforcement learning approach | |
| CN113408795A (zh) | 一种基于灰色理论的电力负荷预测***及其方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| DD01 | Delivery of document by public notice |
Addressee: NANJING MINGYUE CHUANGXIN ELECTRIC Co.,Ltd. Person in charge of patents Document name: payment instructions |