买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江大学

摘要：基于注意力机制和深度强化学习的电网潮流调整方法。本发明基于注意力机制构建深度强化学习模型，能够自动学习并解决电网潮流调整任务。首先基于马尔可夫决策过程和潮流仿真程序构建强化学习交互环境，基于注意力机制构建神经网络模型作为智能体；之后随机初始化电网潮流状态，随机选择需要进行潮流调整的电网线路或断面并随机设定合理范围内的目标功率；随后智能体与环境交互采集数据存入经验池，使用双竞争深度Q网络算法训练更新智能体参数。本发明的优点在于，通过智能体自主与环境交互来学习发电机调度策略，实现了断面功率控制的自动化，相比基于专家知识的人工调整方法具有更强的自适应性；引入注意力机制，建模捕获调整目标和全局电气特征的关系，提高了算法的准确度。

主权项：1.基于注意力机制和深度强化学习的电网潮流调整方法，其特征在于基本步骤如下：1基于马尔可夫决策过程和潮流仿真程序构建强化学习交互环境，基于注意力机制构建神经网络模型作为智能体；所述强化学习交互环境构建过程如下：基于潮流调整问题定义强化学习基本要素，包括观测状态、奖励函数、动作值；观测状态包括全网支路、母线节点的电气特征和位置特征以及待调整支路或断面的目标电气特征和位置特征；所述母线节点的电气特征包括有功功率、无功功率数值；所述位置特征为离散编号；奖励函数定义为当前潮流调整目标值和当前值的距离函数；动作值定义为发电机的离散调整量，对于G台可调发电机，当每台发电机具有C种调整措施时，动作空间大小为C×G；所述基于注意力机制构建神经网络模型作为智能体的过程如下：1.1为每个观测状态设置W个可学习的参数，与原始数值相乘后每个观测状态可得到长度为W的嵌入向量；将同一电气对象即支路或母线节点的有功功率、无功功率、位置特征对应的嵌入向量进行拼接，得到长度为3W的嵌入向量，将不同嵌入向量叠加，得到维度大小为M+N,3W的观测特征输入矩阵，行数M代表不同电气对象的数量，N代表预设待调整对象的数量，待调整对象数量少于N时，不足的行全部置0；1.2构建注意力机制模块，输入分别经过维度三个大小为3W,W的线性变换矩阵得到查询向量矩阵Q，键向量矩阵K，值向量矩阵V；然后经过注意力运算，输出值向量矩阵的加权表示，运算公式如下： 其中softmaxt函数公式为t代表向量；1.3设置T组并排的注意力机制模块，将观测特征矩阵分别输入每组注意力机制模块，学习不同隐式空间下的嵌入向量表达，分别得到维度大小为M+N,W的输出矩阵；1.4将T个输出矩阵拼接得到维度大小为M+N,T·W的矩阵，经过一个维度大小为T·W,O的信息提取矩阵后，展平为一维向量后再经过若干层全连接网络层及ReLU激活函数得到动作价值预估向量；2随机初始化电网潮流状态，随机选择需要进行潮流调整的电网线路或断面并随机设定合理范围内的目标功率；3智能体与环境交互采集数据存入经验池，使用双竞争深度Q网络D3QN算法训练更新智能体参数；4使用训练完成的智能体在给定潮流和目标下输出调度序列进行潮流调整。

全文数据：

权利要求：

百度查询： 浙江大学 基于注意力机制和深度强化学习的电网潮流调整方法