APP下载

基于深度学习和蒙特卡洛树搜索的机组恢复在线决策

2018-07-26孙润稼刘玉田

电力系统自动化 2018年14期
关键词:方法

孙润稼, 刘玉田

(电网智能化调度与控制教育部重点实验室(山东大学), 山东省济南市 250061)

0 引言

大停电后,机组恢复是整个电力系统恢复的基础和保障,机组的快速恢复能够加快系统恢复进程,缩短负荷停电时间[1]。机组恢复过程中,调度员通过选取所需投入的输电线路建立从黑启动电源向重要非黑启动机组的供电路径,实现机组的逐台恢复[2]。合理的机组恢复策略对于调度员具有很大的指导作用,能够有效提高恢复效率。在系统恢复初期,由于停电区域和停电原因等的不确定性,电力系统的初始网架形态难以预测[3]。恢复过程中,受环境因素和人为因素等的影响,输电线路的恢复时间和可用性也可能与预想不符[4]。因此,机组恢复策略需要根据电力系统恢复情况,考虑恢复过程中的不确定性,实时决策所需采取的恢复措施。

国内外许多学者采用不同的思路,对于机组恢复优化决策问题进行了大量研究。在早期,将基于知识库的专家系统用于电力系统恢复中[5],但对于大规模电力系统难以建立一个完美的知识库。作为专家系统的扩展,在电力系统恢复中引入了决策支持系统[6],该方法可以对备选恢复方案进行排序,但难以获得足够多的备选方案。为了获得最优的机组恢复方案,一些优化算法被引入机组恢复中。文献[7]以一段时间内机组发电能力最大化为目标,采用回溯算法进行求解。文献[8]采用同样的目标函数,并将机组恢复问题转化为混合整数线性规划问题进行求解。……

登录APP查看全文

猜你喜欢

方法
中医特有的急救方法
高中数学教学改革的方法
化学反应多变幻 “虚拟”方法帮大忙
变快的方法
学习方法
用对方法才能瘦
最有效的简单方法
四大方法 教你不再“坐以待病”!
赚钱方法
捕鱼