基于DDPG的风电场动态参数智能校核知识学习模型.pdfVIP

第 55 卷 第 5 期 中国电力 Vol. 55, No. 5 2022 年 5 月 ELECTRIC POWER May 2022   基于DDPG 的风电场动态参数智能 校核知识学习模型 周庆锋 ，王思淳 ，李德鑫 ，刘佳琪 ，李同1 1 2 1 2 (1. 东北电力大学 电气工程学院，吉林 吉林　132012；2. 国网吉林省电力有限公司 电力科学研究院，吉林 长春　130000)     摘　要： 随着风电渗透率的增加，电力电子化元件大量接入，风电场表现出的动态特性愈发复杂，传统的 基于少量案例、解析的仿真验证方法面临挑战。以深度强化学习为代表的新一代人工智能在多领域的成功 应用，为风电场动态参数智能校核提供了借鉴。在双馈风电场等值模型的基础上，基于深度确定性策略梯 度（deep deterministic policy gradient，DDPG）算法提出了风电场动态参数智能校核知识学习模型。该模型通 过大量的仿真探索并逐步得到风电场动态参数智能校正知识，实现了基于 “知识”的风电场动态参数校 核。最后，基于某地风电机组实测扰动数据，利用智能体习得的参数校核知识修正风电场动态行为主导参 数，并与传统启发式算法进行对比，验证了所提模型的有效性。 关键词： 风电场；主导参数；参数智能校正；深度强化学习 DOI ：10.11930/j.issn.1004-9649.202102071       0 引言 显著。文献 [15]运用人工智能技术分析电力系统 暂态问题出现的新特点。文献 [16]将一些人工智 随着风电渗透率不断增加，电力系统在线安 能方法用于电力调度场景中，但精确度不足。 全分析对电力系统的动态行为有着不容忽视的影 综上，已有的发电机参数校正方法存在求解 [1-3] 响 。动态行为愈发复杂是多数可再生能源接入 维数受限、需要辨识主导参数等问题，利用人工智 [4-5] 电力系统后的必然结果 。对于传统仿真验证方 能新方法解决复杂高维的参数校正问题的研究还 法而言，其仿真轨迹和实测轨迹往往存在较大偏 不够深入。本文提出了一种基于深度确定性策略梯 差，会影响在线安全分析的可信度，对电网安全 度（deep deterministic policy gradient，D