一种基于强化学和自适应序贯重点抽样的电力系统充裕度评估方法

摘要

本发明公开了一种基于强化学算法和自适应序贯重点抽样的电力系统充裕度评估方法，属于电力系统及其自动化领域。本发明首先对随机变量进行分类，初始化各个随机变量的重要性矩阵，然后基于各个随机变量的重要性矩阵，计算各个随机变量的重点抽样概率分布密度函数，抽取所有随机变量的样本集根据偏置系数进行筛选，若本次抽取的样本集通过筛选，则进行确定性的充裕度指标计算，否则重复抽样，反复进行充裕度指标计算，直至指标计算结果收敛。本发明解决了高维不确定变量重点抽样密度不易构建的问题，可以大大提高抽样效率，为电力系统充裕指标的快速评估提供高效、可靠的仿真计算方法。

主权项

基于强化学习和自适应序贯重点抽样的电力系统充裕度评估方法，其特征在于，包括如下步骤：1)对随机变量进行分类，采用电力系统负荷水平作为反映当前电力系统状态的“状态”变量s；将反映参与者状态或决策的随机变量划归为“行动”变量；电力系统负荷水平为连续随机变量，“行动”变量包括连续随机变量和离散随机变量，将各个“行动”变量记为a_i，1＜＜i＜＜N_A，N_A为“行动”变量的个数；2)对电力系统负荷水平以及“行动”变量中的连续随机变量进行分层离散化形成各个随机变量的重要性矩阵，以及对“行动”变量中的离散随机变量形成重要性矩阵，然后对所有随机变量的重要性矩阵赋予统一的初值；3)基于各个随机变量的重要性矩阵，以Boltzmann函数的形式，计算各个随机变量的重点抽样概率分布密度函数；4)基于步骤3)计算所得的各个随机变量的重点抽样概率分布密度函数，进行序贯重点抽样，首先对“状态”变量进行重点抽样，而后基于所抽取的“状态”变量样本值，根据重点抽样条件概率，抽取所有“行动”变量的样本；5)序贯重点抽样后，获得所有随机变量的样本集，根据随机变量的原有概率分布和重点抽样概率分布，进行偏置系数计算，并采用舍取控制对偏置系数进行筛选，去除偏置系数过小的样本以提高仿真效率；若本次抽取的样本集通过舍取控制的筛选，则继续至步骤6)，否则返回步骤4)；6)基于通过筛选的样本集进行充裕度指标计算，基于指标计算结果，采用强化学习算法更新各个随机变量的重要性矩阵；7)根据充裕度指标的计算结果，以及每个计算结果的偏置系数，对电力系统充裕度进行评估，并判断结果的收敛性，若收敛，则计算结束，否则返回步骤3)。