摘要
本发明涉及配电网控制相关技术领域,具体包括一种基于决策导向学习的配电网规划方法,所述方法包括:获取配电网规划数据集;训练场景生成模型,内层优化连接层对于配电网规划数据集进行特征解析与约束嵌入,外层优化连接层以薄弱边界区域为优先导向域;输出配电网规划方案。解决了无法充分应对新能源出力波动与负荷时空变化的不确定性,难以适配新型电力系统的复杂需求的技术问题,实现了通过特征解析与约束嵌入实现数据与电气约束的深度耦合,以薄弱边界区域为优先导向域强化高风险区域场景覆盖,提升对新能源波动、负荷变化等不确定性的应对能力,以最小化期望决策损失为目标,动态优化规划策略,提升配电网规划方案的可靠性的技术效果。
技术关键词
配电网规划方法
配电网规划数据
决策
电网拓扑模型
负荷预测误差
TVS二极管
电气
新型电力系统
关系
训练场景
动态
策略
分布特征
偏差
系统为您推荐了相关专利信息
分类系统
多模态特征
三元组
生成关联图像
多模态分类器
关键点
布点方法
探测设备
进化算法
拉丁超立方抽样方法
智能决策方法
智能决策模型
遗传算法优化
全局资源分配
鲍鱼
潮流断面
决策树模型
电力系统潮流
节点
强化学习模型
参数优化算法
锚杆预应力
决策算法
增效方法
隧洞