基于深度学习和蒙特卡洛树搜索的机组恢复在线决策-电力系统自动化.PDF

第 卷 第 期 年 月 日 , 42 14 2018 7 25 Vol.42No.14Jul252018 y : / DOI10.7500AEPS20170930011 基于深度学习和蒙特卡洛树搜索的机组恢复在线决策 , 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 : , 摘要 针对大停电后电力系统初始状态和恢复过程中线路恢复状况的不确定性 提出一种基于深 ( ) 。 ——— 度学习和蒙特卡洛树搜索 MCTS的机组恢复在线决策方法 采用一种深度学习算法 稀疏自 ( ) , ; , 动编码器 SAE对自动生成的训练集进行训练 建立估值网络 根据系统状态 利用改进的上限置 ( ) 、 ; 信区间 UCT 算法 支路修剪技术和估值网络对机组恢复措施进行 MCTS汇总并行的多次 , 。 结果 以加权机组发电量为决策指标确定最终的恢复措施 以新英格兰 机 节点系统 MCTS 10 39 ; , 和山东西部电网为例验证了所提方法的可行性和有效性 相比于传统方法 所提方法能够获得具有 , 。 较高鲁棒性的恢复方案 并有效应对机组恢复过程中的多种不确定性状况 : ; ; ; ; 关键词 电力系统恢复 机组恢复 深度学习 蒙特卡洛树搜索 在线决策 , 0 引言 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 文献 应用网络流理论建立停电路 9 , 大停电后 机组恢复是整个电力系统恢复的基 。 径混合整数线性优化模型求解最优恢复路径 为了 , , 础和保障 机组的快速恢复能够加快系统恢复进程