一种多风电场协同抑制宽频振荡的方法与流程

本发明涉及一种抑制宽频振荡的方法，尤其是多风电场协同抑制宽频振荡的方法

背景技术：

1、新能源发电比例的提高以及灵活负荷和电力电子设备的广泛接入提高了电力系统的复杂度和不确定性。传统的控制和优化方法通常依赖于精确的物理模型，而日趋复杂的电力系统使得传统机理建模的精度难以满足要求。同时，传统方法的计算量和响应时间难以应对新能源发电的高度不确定性。现有的振荡保护是通过切除风电机组来抑制宽频振荡，灵活性较差，没有考虑风电场的功率输出和经济性，因此不适用于多风电场系统这种存在多重不确定因素及大扰动的系统。

技术实现思路

1、发明目的：本发明的目的是提供一种保证风电场较大功率的情况下，对系统宽频振荡进行快速有效抑制的多风电场协同抑制宽频振荡的方法。

2、技术方案：本发明所述的一种多风电场协同抑制宽频振荡的方法，当发生宽频振荡时计算风电场功率，利用深度q网络对各风电场的功率进行控制以抑制振荡；

3、所述深度q网络的奖励包括各风电场的功率总和，所述深度q网络的动作包括各风电场需要减小的功率量。

4、进一步地，所述深度q网络的状态包括最大振荡功率、最大振荡电压及最大振荡电流三者的振荡幅值，发生宽频振荡时的系统阻抗的实部，以及各风电场功率之和。

5、进一步地，所述深度q网络的奖励函数为：

6、

7、其中，δpmax为最大振荡功率的振荡幅值，δumax为最大振荡电压振荡幅值，δimax为最大振荡电流的振荡幅值，r发生宽频振荡时的系统阻抗的实部，∑p为各风电场功率之和，λ1、λ2、λ3和μ为奖励函数中各部分权衡的系数，-k为惩罚项，λ1、λ2、λ3、μ和k为正数。

8、进一步地，所述利用深度q网络对各风电场的功率进行控制，包括利用深度q网络对振荡抑制进行动作策略探索，采用最小化损失函数进行参数更新。

9、进一步地，在训练所述深度q网络时，每次训练获取的经验储存在经验池中，每次学习时从经验池中抽取一部分数据进行学习。

10、进一步地，在训练所述深度q网络时，利用蒙特卡洛法设置各风电场的初始功率。

11、进一步地，所述当发生宽频振荡时计算风电场功率为：当振荡频率小于300hz时，根据风电场宽频量测装置测量值得到风电场功率；当振荡频率不小于300hz时，根据风电场电压和风电场电流计算风电场功率。

12、进一步地，利用深度q网络对各风电场的功率进行控制未能抑制振荡时，根据风电场功率大小，从大至小切除风电机组，直至振荡平息。

13、基于同样的发明构思，本发明所述的电子设备，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，所述计算机程序被加载至处理器时实现所述的多风电场协同抑制宽频振荡的方法。

14、基于同样的发明构思，本发明所述的计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述的多风电场协同抑制宽频振荡的方法。

15、有益效果：与现有技术相比，本发明的优点在于：采用了深度q网络算法对风电场的功率进行控制，在不改变系统控制器参数的情况下，能够更好地在宽频域内对风电场的振荡进行有效抑制；在训练智能体时，将风电场总功率考虑在内，在抑制振荡的基础上保证风电场还能有较大的功率输出.保证了风电场的经济。同时，采用了蒙特卡洛抽样对各风电场初始功率进行随机配置，达到训练样本的多样性，训练好的智能体可以根据系统实时的状态给出决策，具有较好的灵活性，可以为风电场系统提供更好的动态响应。

技术特征：

1.一种多风电场协同抑制宽频振荡的方法，其特征在于，当发生宽频振荡时计算风电场功率，利用深度q网络对各风电场的功率进行控制以抑制振荡；

2.根据权利要求1所述的多风电场协同抑制宽频振荡的方法，其特征在于，所述深度q网络的状态包括最大振荡功率、最大振荡电压及最大振荡电流三者的振荡幅值，发生宽频振荡时的系统阻抗的实部，以及各风电场功率之和。

3.根据权利要求1所述的多风电场协同抑制宽频振荡的方法，其特征在于，所述深度q网络的奖励函数为：

4.根据权利要求1所述的多风电场协同抑制宽频振荡的方法，其特征在于，所述利用深度q网络对各风电场的功率进行控制，包括利用深度q网络对振荡抑制进行动作策略探索，采用最小化损失函数进行参数更新。

5.根据权利要求1所述的多风电场协同抑制宽频振荡的方法，其特征在于，在训练所述深度q网络时，每次训练获取的经验储存在经验池中，每次学习时从经验池中抽取一部分数据进行学习。

6.根据权利要求1所述的多风电场协同抑制宽频振荡的方法，其特征在于，在训练所述深度q网络时，利用蒙特卡洛法设置各风电场的初始功率。

7.根据权利要求1所述的多风电场协同抑制宽频振荡的方法，其特征在于，所述当发生宽频振荡时计算风电场功率为：当振荡频率小于300hz时，根据风电场宽频量测装置测量值得到风电场功率；当振荡频率不小于300hz时，根据风电场电压和风电场电流计算风电场功率。

8.根据权利要求1所述的多风电场协同抑制宽频振荡的方法，其特征在于，利用深度q网络对各风电场的功率进行控制未能抑制振荡时，根据风电场功率大小，从大至小切除风电机组，直至振荡平息。

9.一种电子设备，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，其特征在于，所述计算机程序被加载至处理器时实现根据权利要求1-8任一项所述的多风电场协同抑制宽频振荡的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现根据权利要求1-8任一项所述的多风电场协同抑制宽频振荡的方法。

技术总结
本发明公开了一种多风电场协同抑制宽频振荡的方法，当发生宽频振荡时计算风电场功率，利用深度Q网络对各风电场的功率进行控制以抑制振荡；深度Q网络的奖励包括各风电场的功率总和，动作包括各风电场需要减小的功率量；本发明采用深度Q网络算法对风电场的功率进行控制，在训练智能体时，将风电场总功率考虑在内，在抑制振荡的基础上保证风电场还能有较大的功率输出，保证了风电场的经济，同时采用了蒙特卡洛抽样对各风电场初始功率进行随机配置，达到训练样本的多样性，提高灵活性。

技术研发人员：李雷,闪鑫,刘栋,庞腊成,谈振宁,刘硕夫,王波,刘泽世,刘湛湛,李俊,黄胜,滕书宇,孙晨
受保护的技术使用者：国电南瑞科技股份有限公司
技术研发日：
技术公布日：2024/1/12