(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210843996.7 (22)申请日 2022.07.18 (71)申请人 合肥工业大 学 地址 230000 安徽省合肥市屯溪路193号 申请人 中国电力科 学研究院有限公司 　 国网安徽省电力有限公司电力科 学 研究院 (72)发明人 唐昊　刘天伟　余佩遥　秦卫民　 方道宏　姚建国　严嘉豪　杨胜春　 李压平　成梁成　李远松　 (74)专利代理 机构 合肥汇融专利代理有限公司 34141 专利代理师 王秀芳 (51)Int.Cl. H02J 3/46(2006.01)H02J 3/00(2006.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于LSTM的电网前瞻调度方法及其系 统 (57)摘要 本发明涉及电力系统技术领域， 尤其涉及一 种基于LSTM的电网前瞻调度方法， 包括以下步 骤： S1、 定义电网下一调度时刻至未来一段时间 内的调度时刻的区间为前瞻调度窗口， 其中包括 定义调度决策周期时长、 日内前瞻调度窗口数 量、 单个前瞻窗口内调度时刻数量； S2、 获取电网 支路物理参数、 节点拓扑结构信息、 节点物理参 数、 节点上对应机组物理参数。 本发明能够实现 对电网未来一段时间内的调度做出快速、 有效的 决策， 为调度员提供调度控制的辅助决策手段， 利用长短期记忆网络与电网模型进行交互， 解决 了长期依赖问题， 利用奖励约束策略优化方法对 智能体进行训练， 将约束作为惩罚信号引入奖励 函数中， 解决了强化学习寻找奖励函数漏洞的问 题。 权利要求书3页 说明书9页 附图4页 CN 115276115 A 2022.11.01 CN 115276115 A 1.一种基于LSTM的电网前瞻调度方法， 其特 征在于， 包括以下步骤： S1、 定义电网下一调度时刻至未来一段时间内的调度时刻的区间为前瞻调度窗口， 其 中包括定义调度决策周期时长、 日内前瞻调度窗口数量、 单个前瞻 窗口内调度时刻数量； S2、 获取电网支路物理参数、 节点拓扑结构信息、 节点物理参数、 节点上对应机组物理 参数； S3、 获取上一时刻前瞻窗口的前瞻调度计划、 当前时刻前瞻窗口的母线负荷预测序列 和风电预测序列参数； S4、 将上一时刻前瞻窗口的前瞻调度计划、 当前时刻前瞻窗口的母线负荷预测序列和 风电预测序列参数按照电网节点拓扑 结构关系构造前瞻 窗口状态 矩阵； S5、 通过电网支路物 理参数、 节点拓扑结构信 息、 节点物 理参数和节点上对应机组物理 参数建立电网调度模型； S6、 以电网调度模型和LSTM构建作为算法框架的深度强化学习的调度智能体， 其中包 括以卷积神经网络、 LSTM层以及全连接层作为网络结构建立网络； S7、 将前瞻窗口的状态矩阵输入到调度智能体中， 得到下一时刻前瞻窗口的机组输出 功率序列。 2.根据权利要求1所述的电网前瞻调度方法， 其特 征在于： 在步骤S2中， 电网支路物理参数包括支路的起始节点、 终止节点、 电阻、 电抗、 电纳、 长期允许功率、 变比和运行状态； 节点拓扑 结构信息包括节点母线编号和节点类型； 节点物理参数包括节点母线注入负荷的有功功率、 与节点母线并联的 电导、 与节点母 线并联的电纳和节点母线的基准电压； 节点上对应机组物理参数包括节点上机组输出功率上限、 输出功率下限、 机组最大上 爬坡功率和最大 下爬坡功率以及线路功率上限。 3.根据权利要求1所述的 电网前瞻调度方法， 其特征在于： 在步骤S6中， 所述网络包括 一个Actor网络和一个Critic网络， Actor网络和Critic网络均为两个二维卷积层、 一个LSTM层和一个全连接层， 卷积层对 输入数据进行卷积操作， LSTM层对前瞻窗口和网络进行处理， LSTM层的输出作为全连接层 的输入， Actor网络的全连接层输出动作的概率分布， Cr itic网络的全 连接层输出状态的价 值。 4.根据权利要求1所述的 电网前瞻调度方法， 其特征在于： 在步骤S3中， 获取上一时刻 前瞻窗口的前瞻调 度计划、 当前时刻前瞻窗口的母线负荷预测序列和风电预测序列参数包 括以下步骤： S31、 令初始时段t0＝0， 则记第k个决策时段tk的前瞻窗口为Tk； t0 S32、 获取当前 前瞻窗口Tk内前瞻时段kn的母线负荷预测序列； S33、 Tk内所有前瞻时段的母线负荷预测向量构成Tk的母线负荷预测序列； S34、 获取当前 前瞻窗口Tk内前瞻时段kn的风电预测序列； S35、 Tk内所有前瞻时段的风电预测向量构成Tk的风电预测序列。 5.根据权利要求1所述的 电网前瞻调度方法， 其特征在于： 在步骤S3中， 获取上一时刻 前瞻窗口的前瞻调度计划包括：权　利　要　求　书 1/3 页 2 CN 115276115 A 2S311、 获取上一时刻前瞻 窗口Tk‑1内首个前瞻时段的机组计划向量 S312、 根据Tk对应的母线负荷预测序列、 风电预测序列以及机组当前 实际执行计划计算 上一时刻前瞻 窗口Tk的前瞻调度计划。 6.根据权利要求5所述的电网前瞻调度方法， 其特征在于： 所述上一时刻前瞻窗口Tk的 前瞻调度计划包括实际执 行调度计划的制定及超前调度计划的制定 。 7.根据权利要求1所述的 电网前瞻调度方法， 其特征在于： 在步骤S6中， 调度智能体的 深度强化学习包括以下步骤： S61、 初始化Actor网络和Critic网络的参数θ和 θv， Actor网络更新步长α 以及Critic网 络更新步长β； S62、 重置网络中Actor网络和Critic网络的参数梯度； S63、 记录网络当前时间步数； S64、 将前瞻 窗口状态 矩阵作为网络 输入状态； t0 S65、 采用策略分布得到 输出动作向量； S66、 计算第n+1个调度 时刻可能的机组输出功率上 限和可能的输出功率下 限， 并获取 下一时刻前瞻 窗口状态 矩阵； S67、 网络时间步数； S68、 如果网络输入状态是终止状态， 或者当t ‑tstart＝tupdate时， 进入步骤S 69， 否则返回 步骤S65； S69、 计算当前时间步的累计奖励； S610、 当t＝Tmax时， 训练结束。 8.根据权利要求7 所述的电网前瞻调度方法， 其特 征在于： 在步骤S6 6中， 第n+1个调度时刻可能的机组输出功率上限和可能的输出功率下限的计算是通过节点 i机组输出功率上限、 输出功率下限、 最大上爬坡功率、 最大下爬坡功率以及下一时刻前瞻 窗口Tk+1中第n个调度时刻节点 i上机组的输出功率完成的。 9.根据权利要求1所述的一种基于LSTM的电网前瞻调度方法及其系统， 其特征在于： 所 述计算当前时间步的累计奖励包括以下 过程： S691、 累计Actor网络的梯度更新； S692、 累计Critic网络的梯度更新； S693、 采用累计Actor网络和Critic网络的梯度更新dθ和dθv以及更新步长α、 β 更新网络 参数θ和 θv。 10.一种用于实现上述权利要求1 ‑9任一项所述的电网前瞻调度方法的系统， 其特征在 于， 包括： 前瞻调度窗口定义模块(100)， 所述前 瞻调度窗口定义模块(100)用于定义电网下一调 度时刻至未来一段时间内的调 度时刻的区间为前瞻调度窗口， 其中包括定义调 度决策周期 时长、 日内前瞻调度窗口数量、 单个前瞻 窗口内调度时刻数量； 第一获取模块(200)， 所述获取模块(200)用于获取电网支路物理参数、 节点拓扑结构 信息、 节点物理参数、 节点上对应机组物理参数； 第二获取模块(300)， 所述第二获取模块(300)用于获取上一时刻 前瞻窗口的前 瞻调度 计划、 当前时刻前瞻 窗口的母线负荷预测序列和风电预测序列参数；权　利　要　求　书 2/3 页 3 CN 115276115 A 3