智能配电网电压安全控制方法、装置、设备及其介质

1.本发明涉及人工智能以及深度强化学习技术领域，具体涉及智能配电网电压安全控制方法、装置、设备及其介质。


背景技术：

2.随着各种新兴技术的发展，大量可再生分布式新能源和智能电力电子设备接入电网，促进了智能电网的快速发展，但这也同时导致电网更加复杂，运行中随机波动性增强。由于可再生能源的不确定性导致稳定运行条件更加多变，因此需要更加快速稳定的电压调控手段来保证突发故障情况下的局部稳定，以免引发大面积连锁故障。
3.在实施本发明的过程中发现，针对智能配电网电压安全评估和智能自主控制这一复杂的决策问题，现有技术中仍存在一定的缺陷，未充分考虑智能配电网在突发故障下的安全性运行问题。


技术实现要素：

4.鉴于上述问题，本发明提供了一种智能配电网电压安全控制方法、装置、设备及其介质。
5.根据本发明的第一个方面，提供了一种智能配电网电压安全控制方法，包括：从智能配电网中实时获取各个发电节点的观测量，其中，智能配电网包括n个发电节点，n为大于等于2的整数，观测量包括：节点电压值、有功功率值以及无功功率值；针对每个发电节点，重复执行下述操作：在确定节点电压值不在预设区间内的情况下，利用智能体，对电压值进行调控，得到目标调控策略，以使智能配电网的电压安全稳定运行，其中，智能体是由具有单调约束的策略网络、评估网络和目标评估网络组成的，策略网络用于生成初始调控策略，评估网络和目标评估网络均用于对初始调控策略进行优化，得到目标调控策略。
6.根据本发明的实施例，智能体是基于全连接神经网络构建的，全连接神经网络包括：输入层、隐藏层以及输出层；智能配电网电压安全控制方法还包括：根据预设区间和无功补偿的约束条件，确定掩膜层，其中，掩膜层用于控制策略网络的输入与输出之间的单调性；依次根据输入层、掩膜层、隐藏层以及输出层，构建策略网络；依次根据输入层、隐藏层以及输出层，分别构建评估网络以及目标评估网络。
7.根据本发明的实施例，智能体是根据优化目标函数预先训练得到的；智能配电网电压安全控制方法还包括：根据发电节点的电压情况以及输电线的线路损耗情况，确定第一目标函数；根据电压值与预设区间的电压情况，确定第二目标函数；基于第一目标函数和第二目标函数，确定优化目标函数。
8.根据本发明的实施例，根据发电节点的电压情况以及输电线的线路损耗情况，确
定第一目标函数，包括：根据电压值与电压幅值波动范围，确定第一子目标函数；根据输电线的线路损耗，确定第二子目标函数；根据第一子目标函数和第二子目标函数，确定第一目标函数。
9.根据本发明的实施例，第一子目标函数为式（1）所示：（1）其中，表示根据第一子目标函数得到的奖励值，表示电压幅值波动范围的下限值，表示电压幅值波动范围的上限值，表示第i个发电节点的电压值；第二子目标函数为式（2）所示：（2）其中，表示根据第二子目标函数得到的奖励值，表示输电线的线路损耗函数，l表示智能配电网各发电节点对应的拉普拉斯矩阵，与输电线的线路阻抗大小相关联，表示接入智能体的机端电压，t表示转置；第一目标函数为式（3）所示：（3）其中，表示根据第一目标函数得到的总的奖励值，和分别表示第一子目标函数和第二子目标函数的系数，且,,[0,1]。
[0010]
根据本发明的实施例，预先训练的方法包括：初始化策略网络、评估网络以及目标评估网络对应的参数；通过模拟智能配电网的电压违规运行场景，确定训练样本；基于深度强化学习算法，确定策略网络、评估网络以及目标评估网络对应的损失函数；基于训练样本以及损失函数，分别更新策略网络、评估网络以及目标评估网络对应的参数；在确定迭代次数满足预设次数的情况下，得到训练好的智能体。
[0011]
根据本发明的实施例，训练样本包括多个四元数组，四元数组是由当前时刻的样本观测量、当前时刻的样本无功补偿量、当前时刻的样本目标数值、以及下一时刻的样本观测量组成的；其中，通过模拟智能配电网的电压违规运行场景，确定训练样本，包括：通过模拟智能配电网的电压违规运行场景，确定当前时刻的样本观测量；根据当前时刻的样本观测量，确定当前时刻的样本无功补偿量；根据当前时刻的样本无功补偿量以及第一目标函数，确定样本目标数值；根据样本目标数值，对当前时刻的样本观测量进行调控，得到下一时刻的样本观测量。
[0012]
本发明的第二方面提供了一种智能配电网电压安全控制装置，包括：获取模块，用于从智能配电网中实时获取各个发电节点的观测量，其中，智能配电网包括n个发电节点，n为大于等于2的整数，观测量包括：节点电压值、有功功率值以及无功功率值；处理模块，用于针对每个发电节点，重复执行下述操作：在确定节点电压值不在预设区间内的情况下，利用智能体，对电压值进行调控，得到目标调控策略，以使智能配电网的电压安全稳定运行，其中，智能体是由具有单调约束的策略网络、评估网络和目标评估网络组成的，策略网络用于生成初始调控策略，评估网络和目标评估网络均用于对初始调控策略进行优化，得到目标调控策略。
[0013]
本发明的第三方面提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器执行上述方法。
[0014]
本发明的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述方法。
[0015]
本发明的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述方法。
[0016]
根据本发明的实施例，通过观测智能配电网各个发电节点电压是否保持在预设区间，能够确定智能配电网各个发电节点电压是否稳定运行，在超出预设区间也即不能保持稳定运行的情况下，调用智能体输出稳定控制策略，使各发电节点电压恢复到预设区间内。通过本发明提出的智能配电网电压安全控制方法，对电压实时优化控制，能够适应智能电网结构的多变性、源端和负荷的波动性等特征，经过训练的智能体能在亚秒时间内给出安全优化策略，极大的提升了智能电网安全运行能力。能够在可再生能源和负载波动或者危险故障情况下，快速准确的进行在线控制，协调不同分布式能源之间的资产并控制电压稳定。
附图说明
[0017]
通过以下参照附图对本发明实施例的描述，本发明的上述内容以及其他目的、特征和优点将更为清楚，在附图中：图1（a）示出了根据本发明实施例的智能配电网物理架构图；图1（b）示出了根据本发明实施例的智能配电网信息物理模型架构图；图2示出了根据本发明实施例的智能配电网电压安全控制方法的流程图；图3示出了根据本发明另一实施例的智能配电网电压安全控制方法的流程图；图4示出了根据本发明实施例的分布式智能体训练架构图；图5（a）示出了根据本发明实施例的umsac算法与sac算法奖励值对比图；图5（b）示出了根据本发明实施例的umsac算法与sac算法电压稳定性对比图；图6示出了根据本发明实施例的智能配电网电压安全控制装置的结构框图；以及图7示出了根据本发明实施例的适于实现智能配电网电压安全控制方法的电子设备的方框图。
具体实施方式
[0018]
以下，将参照附图来描述本发明的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本发明的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本发明实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
[0019]
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本发明。在此使用的术语“包括”、“包含”等表明了特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
[0020]
在此使用的所有术语（包括技术和科学术语）具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
[0021]
在使用类似于“a、b和c等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释（例如，“具有a、b和c中至少一个的系统”应包括但不限于单独具有a、单独具有b、单独具有c、具有a和b、具有a和c、具有b和c、和/或具有a、b、c的系统等）。
[0022]
在本发明的技术方案中，所涉及的数据（如包括但不限于用户个人信息）的收集、存储、使用、加工、传输、提供、公开和应用等处理，均符合相关法律法规的规定，且不违背公序良俗。
[0023]
在本发明实施例的技术方案中，在获取或采集用户个人信息之前，均获取了用户的授权或同意。
[0024]
在实施本发明的过程中发现，智能电网发展迅速，大规模的风力，光伏以及各种分布式能源集成在配电网中，可再生能源发电之间的交互更加复杂，电压波动更加频繁，各种故障引发的延迟电压恢复等问题也更加突出，电压稳定性控制方案也产生了重大转变，需要进一步协调来保证电压稳定。
[0025]
由于智能配电网存在高维度、高非线性、高时变性的特点，导致针对智能配电网的优化控制方法和控制决策较困难。针对智能配电网电压安全评估和智能自主控制这一复杂的决策问题，现有技术中仍存在一定的缺陷，未充分考虑智能配电网在突发故障下的安全性运行问题。
[0026]
考虑到深度强化学习（deep reinforcement learning，drl）技术在自动驾驶、工业自动化、医疗保健、自然语言处理等多个领域的应用。深度强化学习将深度学习（deep learning，dl）的感知能力和强化学习（reinforcement learning，rl）的决策能力相结合，基于实时输入数据进行控制，dl通过表征学习平台，学习样本数据的内在规律和表示层次，使用深度神经网络描述复杂智能配电网系统的输入、输出关系，可以自主智能地提取大量观测数据样本中有效的样本特征。基于此，提出了本发明智能配电网电压安全控制方法。
[0027]
本发明的实施例提供了一种智能配电网电压安全控制方法，包括：从智能配电网中实时获取各个发电节点的观测量，其中，智能配电网包括n个发电节点，n为大于等于2的整数，观测量包括：节点电压值、有功功率值以及无功功率值；针对每个发电节点，重复执行下述操作：在确定节点电压值不在预设区间内的情况下，利用智能体，对电压值进行调控，
得到目标调控策略，以使智能配电网的电压安全稳定运行，其中，智能体是由具有单调约束的策略网络、评估网络和目标评估网络组成的，策略网络用于生成初始调控策略，评估网络和目标评估网络均用于对初始调控策略进行优化，得到目标调控策略。
[0028]
图1（a）示出了根据本发明实施例的智能配电网物理架构图；图1（b）示出了根据本发明实施例的智能配电网信息物理模型架构图。
[0029]
传统的无源配电网没有主动供电的能力，随着光伏、风电等分布式能源的不断发展，智能配电网的建设逐渐趋于完善，如图1（a）所示。与传统的无源配电网相比，智能配电网能有效抵御不可抗力，供电可靠性高，避免大规模停电，保障用户用电。
[0030]
如图1（b）所示，根据该实施例的智能配电网电压安全控制方法，主要优化智能配电网节点电压的瞬态性能，将智能配电网构建为一个呈径向分布的智能配电网的电压控制系统，对应该系统的物理层的物理结构由输电线、变压器、负载、分布式电源等组成，该系统的信息层则将智能配电网抽象为一个拓扑结构，将智能配电网中的分布式电源这种有功输出统一抽象为信息节点，将信息处理、信息传输等环节抽象为信息支路，将无功功率补偿器嵌入分布式电源逆变器控制回路中，将每个对信息节点进行无功调压的节点视为智能体，并假设智能配电网智能体间具有支持区域内邻域通信的能力。
[0031]
应该理解，图1（b）中的输电线、变压器、负载、分布式电源和智能体的数目仅仅是示意性的。根据实现需要，可以具有任意数目的输电线、变压器、负载、分布式电源和智能体。
[0032]
以下将基于上述描述的场景，通过图2~图5对发明实施例的智能配电网电压安全控制方法进行详细描述。
[0033]
图2示出了根据本发明实施例的智能配电网电压安全控制方法的流程图。
[0034]
如图2所示，该实施例的智能配电网电压安全控制方法200包括操作s210~操作s220。
[0035]
在操作s210，从智能配电网中实时获取各个发电节点的观测量，其中，智能配电网包括n个发电节点，n为大于等于2的整数，观测量包括：节点电压值、有功功率值以及无功功率值。
[0036]
根据本发明的实施例，可以将无功功率补偿器嵌入逆变器控制回路中，对电压值进行调控。智能配电网中发电节点可以用1, 2
…
,i
…
n表示，节点总数为n。可以根据发电节点的节点电压与视在功率之间的关系以及有功功率、无功功率与视在功率的关系，确定无功电压与发电节点的关系。
[0037]
在操作s220，针对每个发电节点，重复执行下述操作：在确定节点电压值不在预设区间内的情况下，利用智能体，对节点电压值进行调控，得到目标调控策略，以使智能配电网的电压安全稳定运行，其中，智能体是由具有单调约束的策略网络、评估网络和目标评估网络组成的，策略网络用于生成初始调控策略，评估网络和目标评估网络均用于对初始调控策略进行优化，得到目标调控策略。
[0038]
根据本发明的实施例，预设区间可以根据发电节点的电压幅值波动范围而确定。例如，当可以为0.95，可以为1.05时，预设区间可以为[0.9，1.05]。
[0039]
根据本发明的实施例，可以利用智能体进行无功补偿，使得电压值保持在预设区间内，智能配电网的电压安全稳定运行。其中，可以将节点电压值输入策略网络，输出初始
无功补偿量。将节点电压值和初始无功补偿量分别输入评估网络和目标评估网络，分别输出评价指标值，也即初始无功补偿量对应的q值。在确定评价指标满足阈值的情况下，确定目标无功补偿量。根据目标无功补偿量，生成目标调控策略。
[0040]
根据本发明实施例，通过观测智能配电网各个发电节点电压是否保持在预设区间，能够确定智能配电网各个发电节点电压是否稳定运行，在超出预设区间也即不能保持稳定运行的情况下，调用智能体输出稳定控制策略，使各发电节点电压恢复到预设区间内。通过本发明提出的智能配电网电压安全控制方法，对电压实时优化控制，能够适应智能电网结构的多变性、源端和负荷的波动性等特征，经过训练的智能体能在亚秒时间内给出安全优化策略，极大的提升了智能电网安全运行能力。能够在可再生能源和负载波动或者危险故障情况下，快速准确的进行在线控制，协调不同分布式能源之间的资产并控制电压稳定。
[0041]
根据本发明实施例，基于单调神经网络设计的安全优化控制策略，充分考虑了智能配电网在面临突发故障时的安全性和鲁棒性问题。还考虑了电压与无功补偿之间的物理相关性，保证了闭环系统的稳定性。
[0042]
根据本发明的实施例，智能体是基于全连接神经网络构建的，全连接神经网络可以包括：输入层、隐藏层以及输出层。
[0043]
其中，智能配电网电压安全控制方法还可以包括：根据预设区间和无功补偿的约束条件，确定掩膜层，其中，掩膜层用于控制策略网络的输入与输出之间的单调性；依次根据输入层、掩膜层、隐藏层以及输出层，构建策略网络；依次根据输入层、隐藏层以及输出层，分别构建评估网络以及目标评估网络。
[0044]
根据本发明的实施例，无功补偿的约束条件可以看作是一个输入—输出单调问题的约束。构建的策略网络中隐藏层之间可以采用常用的卷积网络连接。隐藏层可以使得全连接神经网络具有更好的表达能力。在输入层和隐藏层之间加入掩膜层，可以保证输入和输出之间单调递增的规律。评估网络以及目标评估网络可以采用常用的全连接神经网络。
[0045]
例如，策略网络的输入节点电压和输出动作量（也即无功补偿量）的关系可以为如下式（4）所示：（4）其中，表示根据全连接神经网络拟合的策略网络的函数，表示策略网络需要学习的参数。
[0046]
根据本发明实施例，在策略网络的结构设计中考虑加入了无功补偿领域的知识，基于电压预设区间以及和无功补偿之间的逻辑约束，指导策略网络结构的设计，构建具有单调约束的神经网络，模拟电压无功补偿的物理行为，减少参数的搜索空间，提高模型的可用性。
[0047]
根据本发明的实施例，智能体是根据优化目标函数预先训练得到的。
[0048]
其中，智能配电网电压安全控制方法还可以包括：根据发电节点的电压情况以及输电线的线路损耗情况，确定第一目标函数；根据电压值与预设区间的电压情况，确定第二目标函数；基于第一目标函数和第二目标函数，确定优化目标函数。
[0049]
根据本发明的实施例，可以将智能配电网电压安全控制问题建模为马尔科夫决策过程，可以用四维元组描述，s表示智能配电网各个发电节点的观测量，可以将每个发电单元都当作分散的智能体，选择节点电压、有功功率和无功功率为观测量，其中表示发电节点i处发电机母线电压矢量，为主要观测量，分别为节点i的有功功率和无功功率，可以根据优化计算获得，用于智能配电网环境中潮流计算，保证智能体采取动作后智能配电网潮流收敛。表示动作量，本发明中通过无功补偿来保证电压稳定，节点电压产生偏差时，智能体可以采取动作，产生动作量，也即无功补偿量。表示状态转移概率。表示与智能配电网环境交互所获得的奖励值，也即第一目标函数的值。其中，奖励值可以为智能配电网环境反馈给智能体的信息，其值越大性能越好。
[0050]
第一目标函数的优化目标可以是使输电线上的配电损耗最小化，并保证电压幅值和无功功率注入保持在约束区间内。
[0051]
第二目标函数的优化目标可以是最大化鼓励随机探索新调度策略的程度后引起的节点电压的熵值变化，最小化节点电压超限的惩罚。可以将第一目标函数和第二目标函数叠加后，得到优化目标函数。
[0052]
根据本发明实施例，在进行训练智能体时，将发电节点的电压情况以及输电线的线路损耗情况，并且将智能配电网中实时获取的各个发电节点的节点电压值情况均考虑在内，能够使智能体学习到较优策略。
[0053]
根据本发明的实施例，根据发电节点的电压情况以及输电线的线路损耗情况，确定第一目标函数，可以包括：根据电压值与电压幅值波动范围，确定第一子目标函数；根据输电线的线路损耗，确定第二子目标函数；根据第一子目标函数和第二子目标函数，确定第一目标函数。
[0054]
根据本发明的实施例，第一子目标函数可以用于计算节点电压的奖励值。第二子目标函数可以用于计算在考虑线路损耗的情况下的奖励值。
[0055]
根据本发明实施例，通过发电节点的电压情况，确定电压偏差情况下的奖励机制；根据输电线的线路损耗，确定线路损耗情况下的奖励机制，通过这两种奖励机制，用于训练智能体，有助于智能体学习到较优策略。
[0056]
根据本发明的实施例，第一子目标函数为式（1）所示：（1）；其中，表示根据第一子目标函数得到的奖励值，表示电压幅值波动范围的下限值，表示电压幅值波动范围的上限值，表示第i个发电节点的电压值。
[0057]
第二子目标函数为式（2）所示：（2）；其中，表示根据第二子目标函数得到的奖励值，表示输电线的线路损耗
函数，l表示智能配电网各发电节点对应的拉普拉斯矩阵，与输电线的线路阻抗大小相关联，表示接入智能体的机端电压，t表示转置。
[0058]
第一目标函数为式（3）所示：（3）；其中，表示根据第一目标函数得到的总的奖励值，和分别表示第一子目标函数和第二子目标函数的系数，且,,[0,1]。
[0059]
根据本发明实施例，根据电压幅值波动范围的上、下限值和节点电压值，确定第一子目标函数；根据输电线的线路损耗函数，确定第二子目标函数，最终得到第一目标函数，能够利用该函数确定与智能配电网环境交互所获得的奖励值，有助于训练智能体，得到较优的调控策略，使智能配电网的电压安全稳定运行。
[0060]
根据本发明的实施例，本发明的优化目标函数与其他深度强化学习不同的是，优化目标包括最大化预期奖励值并追求信息熵值的最大化，这种方法可以使得智能体能够充分探索观测空间，同时探索更多可行方案避免陷入局部最优，提高抗干扰能力。
[0061]
例如，优化目标函数j(π)可以如下式（5）所示：（5）；其中，表示t时刻处于观测量时，智能体采取动作产生动作量后获得的奖励值，表示根据优化调度策略π选择动作后，后续能获得的奖励总和的期望值，表示t时刻处于观测量时，智能体采取动作产生动作量服从优化调度策略π的分布，可以对每个智能体获取的奖励值取平均值；表示t时刻处于观测量时，智能体优化调度策略π的熵值；表示温度系数，可以表示鼓励随机探索新策略的程度；为优化目标函数中的惩罚项，表示在t时刻智能体采取动作产生动作量后各节点电压超限的惩罚值；表示惩罚系数；π表示优化调度策略。
[0062]
基于上述式（5），最优优化调度策略可以表示为如下式（6）所示：（6）。
[0063]
根据本发明的实施例，预先训练的方法可以包括：初始化策略网络、评估网络以及目标评估网络对应的参数；通过模拟智能配电网的电压违规运行场景，确定训练样本；基于深度强化学习算法，确定策略网络、评估网络以及目标评估网络对应的损失函数；基于训练样本以及损失函数，分别更新策略网络、评估网络以及目标评估网络对应的参数；在确定迭代次数满足预设次数的情况下，得到训练好的智能体。
[0064]
根据本发明的实施例，可以将训练样本输入策略网络，输出样本策略；将样本策略分别输入评估网络和目标评估网络，分别输出评估结果和目标评估结果；基于评估结果、目标评估结果以及评估损失函数，利用随机梯度法对评估网络和目标评估网络的参数进行更新，其中，评估损失函数是根据深度强化学习算法确定的。
[0065]
其中，策略网络的参数可以表示为；评估网络以及目标评估网络对应的参数可以表示为。深度强化学习算法可以包括sac算法。可以根据sac算法，确定策略网络、评估网络以及目标评估网络对应的损失函数。sac算法采用软值函数评估策略π，对软q函数使用函数逼近器更新参数，其中，表示在t时刻处于观测量时，智能体采取动作产生动作量且后续按照最佳策略，能够获得的最佳值，是用于对动作量好坏程度评估的评估值。软q函数通过最小化贝尔曼残差进行更新，如下式（7）所示：（7）；其中，表示训练过程中在经验池d中随机选取获得的奖励总和的期望值；表示在t+1时刻处于观测量时，智能体满足概率p的状态的期望值；为值函数，表示在t+1时刻处于观测量时，按照最佳策略，能够获得的值，通过软q函数参数隐式参数化，基于随机梯度法进行参数更新，如下式（8）所示：（8）；其中，表示折扣因子；表示t+1时刻的软q函数。
[0066]
策略网络参数通过最小化kl散度进行学习更新，如下式（9）所示：（9）；其中，式（9）中表示在t时刻智能体采取动作产生动作量，且根据策略网络的参数选取所有可能的优化调度策略后能获得的奖励总和的期望值；表示智能配电网各个发电节点的观测量在下输出的动作量为时的优化调度策略。
[0067]
上式（9）中的优化求解由下式（10）中的概率梯度进行计算：（10）；其中，表示在t时刻处于观测量时，智能体采取动作产生动作量且后续按照最佳策略，能够获得的最佳值，是用于对动作量好坏程度评估的评估值；
ϵ
表示输入噪声，基于估量动作量，实现无偏梯度估计。
[0068]
需要说明的是，在训练开始时优化目标函数中的两个超参数和是随机获取的，但是随着调度策略的改进，两个超参数会产生不可预测的改变，为了找到一个期望收益最大，且满足最小期望熵约束和最小惩罚的随机调度策略，将熵项和惩罚项作为约束条件，由于t时刻的调度策略只会影响未来的目标值，将最大化期望收益转化为对偶问题，从最后一步进行倒推到，递归优化有熵项约束的目标函数，可获得自动调节的温度系数和惩罚系数，如下式（11）~（12）所示：（11）；（12）；
其中，、表示自动更新的超参数最优解，超参数变量的最优目标与优化目标相同；表示在t时刻智能体采取动作产生动作量，且选取最优优化调度策略后能获得的奖励总和的期望值；表示在t时刻智能配电网各个发电节点的观测量在s
t
下输出的动作量为时的优化调度策略；和分别为给定的一个初始熵值和初始惩罚值，在训练过程中可以根据实际情况和经验人为给定；表示t时刻对应的温度系数、表示t时刻对应的惩罚系数，可以作为超参数。
[0069]
根据本发明实施例，本发明将无约束单调深度神经网络架构纳入深度强化学习算法中，能有效模拟无功功率和电压之间的连续单调特性，并提升训练速度。
[0070]
根据本发明的实施例，训练样本可以包括多个四元数组，四元数组是由当前时刻的样本观测量、当前时刻的样本无功补偿量、当前时刻的样本目标数值、以及下一时刻的样本观测量组成的。
[0071]
其中，通过模拟智能配电网的电压违规运行场景，确定训练样本，可以包括：通过模拟智能配电网的电压违规运行场景，确定当前时刻的样本观测量；根据当前时刻的样本观测量，确定当前时刻的样本无功补偿量；根据当前时刻的样本无功补偿量以及第一目标函数，确定样本目标数值；根据样本目标数值，对当前时刻的样本观测量进行调控，得到下一时刻的样本观测量。
[0072]
根据本发明的实施例，电压违规运行场景可以包括分布式能源产生大量电力而负载不足和重负荷供电等场景。可以将当前时刻的样本观测量输入策略网络进行贪婪学习，输出当前时刻的样本无功补偿量。可以将确定的训练样本存储于经验池中，用于智能体的训练。
[0073]
根据本发明实施例，可以对构建的智能体进行训练，通过模拟仿真，在训练过程中随机加入干扰，使得智能配电网能迅速生成电压安全调控决策。同时可以对训练好的智能体进行测试，智能体在测试过程中可以输出实时决策方案，实现智能配电网电压安全稳定运行。
[0074]
图3示出了根据本发明另一实施例的智能配电网电压安全控制方法的流程图；图4示出了根据本发明实施例的分布式智能体训练架构图。
[0075]
如图3所示，该实施例的智能配电网电压安全控制方法可以包括：通过对仿真模拟的智能配电网环境加入新能源、负载波动的场景，实时获取各个发电节点的观测量，模拟实际运行情况。可以根据观测量计算潮流，计算潮流是否收敛。在潮流收敛的情况下，判断各个节点电压是否满足。在满足的情况下，不执行任何动作。在不满足的情况下，利用智能体进行调控，生成决策。根据决策，进行无功补偿，如，静态无功补偿器(svg补偿器)和电容调节，可以改变电容值和静态无功补偿器实时出力值，保障智能电网安全稳定运行。
[0076]
其中，可以基于单调策略网络的稳定电压训练方案训练智能体。如图3中可以模拟电压违规场景，通过神经网络的贪婪学习，生成训练样本，并存储于经验池。可以将历史电压违规场景和无功优化调度策略生成先验知识，利用这些数据训练智能体，对智能体进行
连续的离线迭代训练以保证智能体能够在一个决策周期内得到最大的奖励值，并将训练好的智能体应用到模拟仿真智能配电网环境中，实时地输出电网安全运行观测量和相应的无功优化调度策略。
[0077]
由于考虑每个智能配电网的智能体数量可以为智能配电网中接入分布式电源的数量，随着智能配电网节点数和接入分布式能源的数量增多，会增加大量的数据量并延长训练时间。因此，可以考虑采用如图4所示的分布式智能体训练架构进行训练智能体。需要说明的是，图4中模型学习可以看作是智能体学习。可以使每个智能体基于学习最优调度策略，在每个智能体将自己的本地调度策略更新为最新的学习策略，并在其环境中运行k步，并存入经验池中，运行k步后将训练样本传递给智能体进行学习。
[0078]
根据本发明实施例，本发明采用分布式智能体解决连接在同一智能配电网上的节点电压稳定问题，提升数据利用率和训练效率。采用真实智能配电网场景，每次训练都会进行潮流收敛测试，充分模拟了真实的智能配电网环境，仿真测试结果可信度高。
[0079]
需要说明的是，本发明所设计的模拟智能配电网环境运行过程中，出现以下两种情况时，智能电网运行立即终止，第一种情况如图3中电网功率不平衡，导致潮流计算无法收敛；第二种情况，如由于智能体执行的动作导致电压超出可控范围。
[0080]
图5（a）示出了根据本发明实施例的umsac算法与sac算法奖励值对比图；图5（b）示出了根据本发明实施例的umsac算法与sac算法电压稳定性对比图。
[0081]
根据本发明的实施例，涉及的智能体可以看作是无约束单调柔性动作-评估算法，简称umsac。在智能体的训练过程中可以设置200个回合，每个训练回合的最高步数可以为60个时间步，每个时间步对应5分钟采样时间，保证电压在一天不同时刻保持稳定运行。在此基础上，本发明可以进行分组随机测试，随机选取故障场景输入各个智能体，计算不同智能体在不同场景下的平均奖励值大小、电压稳定性能、动作成本等。
[0082]
其中，奖励值可以为智能配电网环境反馈给智能体的信息，其值越大性能越好。动作成本可以为对电压进行无功补偿时，调整无功补偿器等给整个电网系统带来的资产。电压性能保持率则可以充分体现不同算法下智能配电网供电质量。
[0083]
图5（a）为智能体训练获得的奖励值，由于奖励值越大，节点电压偏差值和智能配电网线路损耗越小，umsac算法明显较sac算法更优。图5（b）为对训练好的智能体进行测试，测试过程中随机加入电压违规场景，智能体能在亚秒级内给出控制策略，测试结果表明umsac算法在智能配电网电压安全调控时，可以很好的保障电网的安全稳定运行。
[0084]
根据本发明实施例，针对大量接入分布式能源的智能配电网系统在运行过程中出现的可再生能源波动、负荷需求变化而导致的电压偏差问题，提出了一种基于深度强化学习的分布式智能配电网电压安全优化控制技术，以减少电压违规，同时最小化网络损耗。其中，各节点分布式能源可以根据日前最优有功调度结果进行有功调度，各节点基于调度结果观测机端电压，针对电压稳定问题构造智能配电网仿真环境和交互智能体。基于umsac算法对智能体进行训练，学习最优电压控制策略，通过对本地电压进行检测和调节逆变器端的无功功率，使违规电压快速恢复。通过模拟仿真，智能体可与智能电网环境实时交互，并在亚秒内给出电压补偿决策，保证电压稳定具有良好的控制效果。
[0085]
基于上述智能配电网电压安全控制方法，本发明还提供了一种智能配电网电压安
全控制装置。以下将结合图6对该装置进行详细描述。
[0086]
图6示出了根据本发明实施例的智能配电网电压安全控制装置的结构框图。
[0087]
如图6所示，该实施例的智能配电网电压安全控制装置600包括获取模块610和处理模块620。
[0088]
获取模块610用于从智能配电网中实时获取各个发电节点的观测量，其中，智能配电网包括n个发电节点，n为大于等于2的整数，观测量包括：节点电压值、有功功率值以及无功功率值。在一实施例中，获取模块610可以用于执行前文描述的操作s210，在此不再赘述。
[0089]
处理模块620用于针对每个发电节点，重复执行下述操作：在确定节点电压值不在预设区间内的情况下，利用智能体，对电压值进行调控，得到目标调控策略，以使智能配电网的电压安全稳定运行，其中，智能体是由具有单调约束的策略网络、评估网络和目标评估网络组成的，策略网络用于生成初始调控策略，评估网络和目标评估网络均用于对初始调控策略进行优化，得到目标调控策略。在一实施例中，处理模块620可以用于执行前文描述的操作s220，在此不再赘述。
[0090]
根据本发明的实施例，智能体是基于全连接神经网络构建的得到的，全连接神经网络包括：输入层、隐藏层以及输出层。
[0091]
其中，智能配电网电压安全控制装置600还可以包括：第一确定模块、第一构建模块和第二构建模块。
[0092]
第一确定模块用于根据预设区间和无功补偿的约束条件，确定掩膜层，其中，掩膜层用于控制策略网络的输入与输出之间的单调性。
[0093]
第一构建模块用于依次根据输入层、掩膜层、隐藏层以及输出层，构建策略网络。
[0094]
第二构建模块用于依次根据输入层、隐藏层以及输出层，分别构建评估网络以及目标评估网络。
[0095]
根据本发明的实施例，智能体是根据优化目标函数预先训练得到的。
[0096]
其中，智能配电网电压安全控制装置600还可以包括：第二确定模块、第三确定模块和第四确定模块。
[0097]
第二确定模块用于根据发电节点的电压情况以及输电线的线路损耗情况，确定第一目标函数。
[0098]
第三确定模块用于根据电压值与预设区间的电压情况，确定第二目标函数。
[0099]
第四确定模块用于基于第一目标函数和第二目标函数，确定优化目标函数。
[0100]
根据本发明的实施例，获取模块610和处理模块620中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本发明的实施例，获取模块610和处理模块620中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列（fpga）、可编程逻辑阵列（pla）、片上系统、基板上的系统、封装上的系统、专用集成电路（asic），或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，获取模块610和处理模块620中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
[0101]
图7示出了根据本发明实施例的适于实现智能配电网电压安全控制方法的电子设
备的方框图。
[0102]
如图7所示，根据本发明实施例的电子设备700包括处理器701，其可以根据存储在只读存储器（rom）702中的程序或者从存储部分708加载到随机访问存储器（ram）703中的程序而执行各种适当的动作和处理。处理器701例如可以包括通用微处理器（例如cpu）、指令集处理器和/或相关芯片组和/或专用微处理器（例如，专用集成电路（asic））等等。处理器701还可以包括用于缓存用途的板载存储器。处理器701可以包括用于执行根据本发明实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
[0103]
在ram 703中，存储有电子设备700操作所需的各种程序和数据。处理器 701、rom 702以及ram 703通过总线704彼此相连。处理器701通过执行rom 702和/或ram 703中的程序来执行根据本发明实施例的方法流程的各种操作。需要注意，程序也可以存储在除rom 702和ram 703以外的一个或多个存储器中。处理器701也可以通过执行存储在一个或多个存储器中的程序来执行根据本发明实施例的方法流程的各种操作。
[0104]
根据本发明的实施例，电子设备700还可以包括输入/输出（i/o）接口705，输入/输出（i/o）接口705也连接至总线704。电子设备700还可以包括连接至i/o接口705的以下部件中的一项或多项：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管（crt）、液晶显示器（lcd）等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至i/o接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。
[0105]
本发明还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本发明实施例的方法。
[0106]
根据本发明的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器（ram）、只读存储器（rom）、可擦式可编程只读存储器（eprom或闪存）、便携式紧凑磁盘只读存储器（cd-rom）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本发明的实施例，计算机可读存储介质可以包括上文描述的rom 702和/或ram 703和/或rom 702和ram 703以外的一个或多个存储器。
[0107]
本发明的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本发明实施例所提供的方法。
[0108]
在该计算机程序被处理器701执行时执行本发明实施例的系统/装置中限定的上述功能。根据本发明的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
[0109]
在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分
发，并通过通信部分709被下载和安装，和/或从可拆卸介质711被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
[0110]
在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被处理器701执行时，执行本发明实施例的系统中限定的上述功能。根据本发明的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
[0111]
根据本发明的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如java，c++，python，“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（lan）或广域网（wan），连接到用户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。
[0112]
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0113]
本领域技术人员可以理解，本发明的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本发明中。特别地，在不脱离本发明精神和教导的情况下，本发明的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本发明的范围。
[0114]
以上对本发明的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本发明的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本发明的范围由所附权利要求及其等同物限定。不脱离本发明的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本发明的范围之内。

技术特征：
1.一种智能配电网电压安全控制方法，其特征在于，所述方法包括：从智能配电网中实时获取各个发电节点的观测量，其中，所述智能配电网包括n个发电节点，n为大于等于2的整数，所述观测量包括：节点电压值、有功功率值以及无功功率值；针对每个所述发电节点，重复执行下述操作：在确定所述节点电压值不在预设区间内的情况下，利用智能体，对所述节点电压值进行调控，得到目标调控策略，以使所述智能配电网的电压安全稳定运行，其中，所述智能体是由具有单调约束的策略网络、评估网络和目标评估网络组成的，所述策略网络用于生成初始调控策略，所述评估网络和所述目标评估网络均用于对所述初始调控策略进行优化，得到所述目标调控策略。2.根据权利要求1所述的方法，其特征在于，所述智能体是基于全连接神经网络构建的，所述全连接神经网络包括：输入层、隐藏层以及输出层；所述方法还包括：根据所述预设区间和无功补偿的约束条件，确定掩膜层，其中，所述掩膜层用于控制所述策略网络的输入与输出之间的单调性；依次根据所述输入层、所述掩膜层、所述隐藏层以及所述输出层，构建所述策略网络；依次根据所述输入层、所述隐藏层以及所述输出层，分别构建所述评估网络以及所述目标评估网络。3.根据权利要求1所述的方法，其特征在于，所述智能体是根据优化目标函数预先训练得到的；所述方法还包括：根据所述发电节点的电压情况以及输电线的线路损耗情况，确定第一目标函数；根据所述电压值与所述预设区间的电压情况，确定第二目标函数；基于所述第一目标函数和所述第二目标函数，确定所述优化目标函数。4.根据权利要求3所述的方法，其特征在于，所述根据所述发电节点的电压情况以及输电线的线路损耗情况，确定第一目标函数，包括：根据所述电压值与电压幅值波动范围，确定第一子目标函数；根据输电线的线路损耗，确定第二子目标函数；根据所述第一子目标函数和所述第二子目标函数，确定所述第一目标函数。5.根据权利要求4所述的方法，其特征在于，所述第一子目标函数为式（1）所示：（1）其中，表示根据所述第一子目标函数得到的奖励值，表示所述电压幅值波动范围的下限值，表示所述电压幅值波动范围的上限值，表示第i个所述发电节点的所述
电压值；所述第二子目标函数为式（2）所示：（2）其中，表示根据所述第二子目标函数得到的奖励值，表示输电线的线路损耗函数，l表示所述智能配电网各发电节点对应的拉普拉斯矩阵，与所述输电线的线路阻抗大小相关联，表示接入所述智能体的机端电压，t表示转置；所述第一目标函数为式（3）所示：（3）其中，表示根据所述第一目标函数得到的总的奖励值，和分别表示所述第一子目标函数和所述第二子目标函数的系数，且,,[0,1]。6.根据权利要求3所述的方法，其特征在于，所述预先训练的方法包括：初始化所述策略网络、所述评估网络以及所述目标评估网络对应的参数；通过模拟所述智能配电网的电压违规运行场景，确定训练样本；基于深度强化学习算法，确定所述策略网络、所述评估网络以及所述目标评估网络对应的损失函数；基于所述训练样本以及所述损失函数，分别更新所述策略网络、所述评估网络以及所述目标评估网络对应的参数；在确定迭代次数满足预设次数的情况下，得到训练好的所述智能体。7.根据权利要求6所述的方法，其特征在于，所述训练样本包括多个四元数组，所述四元数组是由当前时刻的样本观测量、所述当前时刻的样本无功补偿量、所述当前时刻的样本目标数值、以及下一时刻的样本观测量组成的；其中，所述通过模拟所述智能配电网的电压违规运行场景，确定训练样本，包括：通过模拟所述智能配电网的所述电压违规运行场景，确定所述当前时刻的样本观测量；根据所述当前时刻的样本观测量，确定所述当前时刻的样本无功补偿量；根据所述当前时刻的样本无功补偿量以及所述第一目标函数，确定所述样本目标数值；根据所述样本目标数值，对所述当前时刻的样本观测量进行调控，得到所述下一时刻的样本观测量。8.一种智能配电网电压安全控制装置，其特征在于，所述装置包括：获取模块，用于从智能配电网中实时获取各个发电节点的观测量，其中，所述智能配电网包括n个发电节点，n为大于等于2的整数，所述观测量包括：节点电压值、有功功率值以及无功功率值；处理模块，用于针对每个所述发电节点，重复执行下述操作：在确定所述节点电压值不在预设区间内的情况下，利用智能体，对所述电压值进行调控，得到目标调控策略，以使所述智能配电网的电压安全稳定运行，其中，所述智能体是由具有单调约束的策略网络、评估网络和目标评估网络组成的，所述策略网络用于生成初始调控策略，所述评估网络和所述目标评估网络均用于对所述初始调控策略进行优化，得到
所述目标调控策略。9.一种电子设备，其特征在于，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1~7中任一项所述的方法。10.一种计算机可读存储介质，其特征在于，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1~7中任一项所述的方法。

技术总结
本发明提供了一种智能配电网电压安全控制方法、装置、设备及其介质。该方法包括：从智能配电网中实时获取各个发电节点的观测量，其中，智能配电网包括n个发电节点，n为大于等于2的整数，观测量包括：节点电压值、有功功率值以及无功功率值；针对每个发电节点，重复执行下述操作：在确定节点电压值不在预设区间内的情况下，利用智能体，对节点电压值进行调控，得到目标调控策略，以使智能配电网的电压安全稳定运行，其中，智能体是由具有单调约束的策略网络、评估网络和目标评估网络组成的，策略网络用于生成初始调控策略，评估网络和目标评估网络均用于对初始调控策略进行优化，得到目标调控策略。控策略。控策略。


技术研发人员：穆朝絮 徐娜 史亚坤 张勇
受保护的技术使用者：天津大学
技术研发日：2023.08.29
技术公布日：2023/10/5