城市电网在发生N-1故障后,极可能新增运行风险,导致N-1-1时出现大面积停电事故。为管控城市电网N-1后运行风险,该文提出一种改进双智能体竞争双深度Q网络(dueling double deep Q network,D3QN)的城市电网N-1风险管控转供策略。根据风险...城市电网在发生N-1故障后,极可能新增运行风险,导致N-1-1时出现大面积停电事故。为管控城市电网N-1后运行风险,该文提出一种改进双智能体竞争双深度Q网络(dueling double deep Q network,D3QN)的城市电网N-1风险管控转供策略。根据风险管控原则,提出一种无需额外历史数据、考虑备自投装置、单供变电站风险和单供负荷母线风险的N-1场景指标;建立计及动作次序、指标间关系的负荷转供三阶段求解模型。以含预动作-变化探索值选择策略的改进双智能体D3QN方法,将负荷转供分为多个子转供环节学习,使转供思路清晰化,对动作空间进行降维,提高训练寻优效果,得到管控N-1风险的负荷转供策略。通过城市电网多场景算例分析,验证该文模型和方法的有效性。展开更多
大容量电池储能电站功率分配的决策变量多,且策略需考虑多个优化目标及能自动适应场景的不确定性。为此,提出了一种基于多智能体深度强化学习(multi-agent deep reinforcement learning,MADRL)的电池储能电站功率分配决策方法。首先,基...大容量电池储能电站功率分配的决策变量多,且策略需考虑多个优化目标及能自动适应场景的不确定性。为此,提出了一种基于多智能体深度强化学习(multi-agent deep reinforcement learning,MADRL)的电池储能电站功率分配决策方法。首先,基于大容量电池储能电站结构及其功率分配特性构建基于MADRL的功率分配决策框架,每个储能单元设置一个功率分配智能体,多个智能体构成合作关系;然后,设计考虑储能电站有功功率损耗、荷电状态(state of charge,SOC)一致性和健康状态损失最小优化目标的功率分配智能体模型,采用深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法去中心化训练各智能体网络参数,算法收敛后得到储能子系统充放电功率值。最后,算例验证了所提方法的有效性,能在有效提高储能子系统SOC均衡性的同时降低有功功率损耗、健康状态损失和充放电切换次数。展开更多
为提高电网频率波动条件下并联型有源电力滤波器(shunt active power filters,SAPF)的补偿电流跟踪控制精度,有效抑制电网的谐波污染,提出一种具有变频适应性的重复控制策略。采用可调整采样频率的选择性重复控制器构建多采样率重复控...为提高电网频率波动条件下并联型有源电力滤波器(shunt active power filters,SAPF)的补偿电流跟踪控制精度,有效抑制电网的谐波污染,提出一种具有变频适应性的重复控制策略。采用可调整采样频率的选择性重复控制器构建多采样率重复控制系统,利用基于拉格朗日线性插值法的有限脉冲响应(FIR)滤波器将多采样率重复控制系统转换成具有统一采样频率的重复控制系统(frequency-adaptive uniform-rate selective repetitive control system,FUSRCS),通过跟随电网频率调整重复控制器延迟环节近似表达式系数的方法使FUSRCS能适应电网频率波动,设计了FUSRCS的补偿器,分析了FUSRCS的稳定性、收敛性和稳态误差,建立了三相SAPF的数学模型,依据实际数据设计了基于FUSRCS的补偿电流复合重复控制系统。仿真和实验结果表明:基于FUSRCS的SAPF能够在电网频率存在稳态偏差、电网频率动态变化和负载切换等情况下,保持较高的补偿电流跟踪精度和较好的补偿效果。与经典重复控制相比,FUSRCS在具有变频适应性的同时,减少了控制系统的计算负担,提高了系统的动态响应速度,解决了多采样率重复控制系统带来的问题。展开更多
文摘城市电网在发生N-1故障后,极可能新增运行风险,导致N-1-1时出现大面积停电事故。为管控城市电网N-1后运行风险,该文提出一种改进双智能体竞争双深度Q网络(dueling double deep Q network,D3QN)的城市电网N-1风险管控转供策略。根据风险管控原则,提出一种无需额外历史数据、考虑备自投装置、单供变电站风险和单供负荷母线风险的N-1场景指标;建立计及动作次序、指标间关系的负荷转供三阶段求解模型。以含预动作-变化探索值选择策略的改进双智能体D3QN方法,将负荷转供分为多个子转供环节学习,使转供思路清晰化,对动作空间进行降维,提高训练寻优效果,得到管控N-1风险的负荷转供策略。通过城市电网多场景算例分析,验证该文模型和方法的有效性。
文摘大容量电池储能电站功率分配的决策变量多,且策略需考虑多个优化目标及能自动适应场景的不确定性。为此,提出了一种基于多智能体深度强化学习(multi-agent deep reinforcement learning,MADRL)的电池储能电站功率分配决策方法。首先,基于大容量电池储能电站结构及其功率分配特性构建基于MADRL的功率分配决策框架,每个储能单元设置一个功率分配智能体,多个智能体构成合作关系;然后,设计考虑储能电站有功功率损耗、荷电状态(state of charge,SOC)一致性和健康状态损失最小优化目标的功率分配智能体模型,采用深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法去中心化训练各智能体网络参数,算法收敛后得到储能子系统充放电功率值。最后,算例验证了所提方法的有效性,能在有效提高储能子系统SOC均衡性的同时降低有功功率损耗、健康状态损失和充放电切换次数。
文摘为提高电网频率波动条件下并联型有源电力滤波器(shunt active power filters,SAPF)的补偿电流跟踪控制精度,有效抑制电网的谐波污染,提出一种具有变频适应性的重复控制策略。采用可调整采样频率的选择性重复控制器构建多采样率重复控制系统,利用基于拉格朗日线性插值法的有限脉冲响应(FIR)滤波器将多采样率重复控制系统转换成具有统一采样频率的重复控制系统(frequency-adaptive uniform-rate selective repetitive control system,FUSRCS),通过跟随电网频率调整重复控制器延迟环节近似表达式系数的方法使FUSRCS能适应电网频率波动,设计了FUSRCS的补偿器,分析了FUSRCS的稳定性、收敛性和稳态误差,建立了三相SAPF的数学模型,依据实际数据设计了基于FUSRCS的补偿电流复合重复控制系统。仿真和实验结果表明:基于FUSRCS的SAPF能够在电网频率存在稳态偏差、电网频率动态变化和负载切换等情况下,保持较高的补偿电流跟踪精度和较好的补偿效果。与经典重复控制相比,FUSRCS在具有变频适应性的同时,减少了控制系统的计算负担,提高了系统的动态响应速度,解决了多采样率重复控制系统带来的问题。
