摘要
本发明提供一种基于图注意力网络和强化学习决策的电网线损优化方法及系统,该方法首先,收集电网实时测量和历史运行数据,并对数据进行预处理和标注划分,并基于全局图注意力网络和深度自动编码器,构建新能源高渗透电网的智能感知模型;然后,使用历史数据训练智能感知模型,实现高比例新能源接入下电网的线损智能在线感知;其次,基于全局图注意力网络模型和近端策略优化算法,构建新能源高渗透电网智能决策模型;最后,将新能源高渗透电网的线损优化问题转化为一个马尔科夫决策过程,并训练降损智能决策模型得到电网的自适应在线降损策略。本发明能够基于当前电网状态做出最优决策,最大化线路损耗的减少,实现自适应在线降损策略。
技术关键词
深度自动编码器
智能决策模型
注意力
一维卷积神经网络
线损
节点特征
历史运行数据
有功功率
PV逆变器
高比例新能源
线路
策略
损耗
参数
智能体交互
在线
系统为您推荐了相关专利信息
分级预警方法
多模态协同
智能雷电
大气电场数据
局域
语义特征
构建系统
像素
深度图数据
三维点云数据
数据异常检测方法
数据采集系统
微服务系统
多模态数据融合
数据异常检测技术
滑坡易发性评价方法
滑坡灾害
节点特征
构建知识图谱
岩土体