一种灾后耦合电力-交通系统车网互动协同恢复方法及系统

摘要: 本发明属于电力系统韧性恢复、车网互动控制和智能优化,特别涉及一种灾后耦合电力-交通系统车网互动协同恢复方法。背景技术:1、极端自然灾害会同时破坏电力系统与交通系...
一种灾后耦合电力-交通系统车网互动协同恢复方法及系统

本发明属于电力系统韧性恢复、车网互动控制和智能优化,特别涉及一种灾后耦合电力-交通系统车网互动协同恢复方法。

背景技术:

1、极端自然灾害会同时破坏电力系统与交通系统,造成线路故障、变压器容量下降、道路通行能力下降、充电设施不可用和大范围停电。随着电动汽车数量增长,电动汽车能够通过车网互动作为移动储能资源参与灾后恢复,因此如何在受损电网与受损交通网络的耦合条件下协调电动汽车移动、充电和放电,已成为灾后韧性恢复中的关键问题。

2、现有耦合电力-交通恢复研究已经考虑电动汽车路径规划、无线车网互动、配电网重构和移动储能支援,也有研究将交通网络与配电网联合建模,用于分析灾害条件下车网互动资源的时空可用性。强化学习方法也已被用于电网恢复、频率调节和灾后控制,以处理复杂的序贯决策问题。

3、但是,现有方法仍存在两类突出问题。第一,传统交通分配模型主要聚焦空间路径分配,通常以静态方式或时间聚合方式描述出行需求与充电行为,难以描述灾后条件下电动汽车用户对出发时刻、拥堵规避、充电排队以及充放电行为的联动调整。第二,现有强化学习方法多在单一场景或固定环境中训练,容易对特定损伤模式过拟合,在新的灾害场景中泛化能力不足,而灾后环境又不适合大规模在线探索,因此难以直接满足多灾害场景下的快速恢复要求。

4、因此,需要一种能够统一描述电动汽车时空移动与能量交互、同时能够利用离线数据完成跨灾害任务迁移的灾后协同恢复方法。

技术实现思路

1、本发明所要解决的技术问题是:在灾后耦合电力-交通系统协同恢复中,如何对电动汽车移动能量资源进行交通-电力一体化建模,完成电力-交通灾后协同恢复。

2、为解决上述技术问题,本发明提供一种灾后耦合电力-交通系统车网互动协同恢复方法,包括:

3、s1:构建灾害任务,将每个灾害场景表述为任务参数,所述任务参数包括扩展起讫需求集合、交通网络受损条件、配电网受损条件以及时变可再生能源出力;

4、s2:构建时空能量交通均衡模型,在交通网络受损条件下,将交通网络建模为有向图,并以所述扩展起讫需求为输入,通过主问题与路径子问题求解扩展路径流量、实际出发需求与各充电站聚合充放电功率;

5、s3:构建配电网运行模型,在配电网受损条件和时变可再生能源出力约束下,基于配电潮流模型求解最优潮流,并将所述充电站聚合充放电功率作为时变节点功率输入至配电网运行模型;

6、s4:构建任务条件马尔可夫决策过程,以快充和慢充电价为动作输入,对时空能量交通均衡模型与配电网运行模型进行耦合求解,形成状态转移与奖励反馈;

7、s51:基于离线的转移数据,学习表征不同灾害任务特征的低维向量表示,采用转移级编码器与任务级聚合模块对每个灾害任务的转移序列编码,得到任务嵌入;

8、s6、将所述任务嵌入分别输入至策略网络与价值网络,对策略网络与价值网络进行任务条件离线强化学习,策略网络输出电价动作,价值网络评估所输入电价动作的价值;

9、s7、在线状态下,对当前任务从上下文转移数据中推断任务嵌入,再由训练后的策略网络在任务嵌入条件下输出各时段各站点的快充与慢充价格控制信号,以及影响电动汽车出发、路径与充放电的决策方案,并通过车网互动完成配电网恢复。

10、前述的一种灾后耦合电力-交通系统车网互动协同恢复方法,在步骤s5之后还包括:

11、s52、构造奖励扰动负样本,并对所述转移级编码器进行对比表征学习,使同一任务中的转移表示在表示空间中保持一致,使奖励扰动负样本对应的转移表示与原任务表示在表示空间中相互分离;所述对比表征学习是指通过构造正样本和负样本,使模型学习区分相同任务与不同任务的表示特征。

12、前述的一种灾后耦合电力-交通系统车网互动协同恢复方法,在步骤s1中,将灾害场景统一抽象为任务参数,表示为:

13、(1)

14、其中,为所有扩展起讫对的集合;为扩展起讫需求集合,每个分量为起讫对在恢复时域内的总出行需求,单位为辆;为交通网络受损参数集合,用于表征受损道路的通行能力降级与故障关闭情况;为配电网受损参数集合,用于表征受损支路阻抗调高与变压器容量降级;为配电网节点集合,为离散时段集合,时段长度为;为节点在时段的可再生能源出力;任务参数作为后续交通分配主问题、路径子问题与配电网运行模型的输入。

15、前述的一种灾后耦合电力-交通系统车网互动协同恢复方法,在步骤s2中,将交通网络建模为有向图,节点表示位置在离散时段的状态,道路弧用于表示车辆在道路上的移动,时间弧用于表示车辆驻留、等待、充电或放电;扩展起讫需求表示为;针对扩展路径流量与路径诱导流量,主问题包括以下约束关系:

16、(2)

17、(3)

18、(4)

19、其中,在式(2)-(4)中:为时空有向图的节点集合,为弧集合,含道路行驶弧与驻留时间弧,均为集合;扩展起讫向量中为起点节点、为期望出发时刻,为标量、为终点节点、为初始荷电状态;为全部扩展起讫对集合;为起讫对的可行扩展路径集合,每条扩展路径对应一种出发时刻、空间路径与充放电方案的组合,为起讫对的空间路径集合;为离散时段集合;为扩展路径上的流量;为时段在空间路径上的诱导流量;为起讫对的总出行需求;为二值指示参数,用于指示扩展路径是否在时段对应空间路径;快充站排队时间与道路行驶时间分别满足:

20、(5)

21、(6)

22、其中,在式(5)-(6)中:为快充站节点集合,为道路弧集合;为快充站在时段的排队时间,为道路在时段的行驶时间;为快充站的自由排队时间,为道路的自由流行驶时间;为时段进入快充站的车辆数,为时段道路上的车流量;为快充站的服务能力,为道路的通行能力;为m/m/1排队系数;式(6)中的0.15与4为标准bpr函数常数;

23、扩展路径上的广义出行成本表示为:

24、(7)

25、(8)

26、其中,在式(7)-(8)中:为扩展路径的广义出行成本,为扩展路径的能量交换与时差成本部分;为慢充站节点集合;为二值访问指示参数,表征扩展路径是否在时段访问充电站;为二值通行指示参数,表征扩展路径是否在时段经过道路;为时间价值系数,用于把行驶时间与排队时间折算为货币成本;与分别为快充站、慢充站在时段的电价;与分别为快充、慢充站在时段的聚合交换能量,慢充取负值表示车网互动放电,与状态向量中聚合功率,满足;为出发时间偏离惩罚,用户均衡条件为:

27、(9)

28、用户均衡下的总系统出行成本为:

29、(10)

30、其中,在式(9)-(10)中:为起讫对的均衡广义出行成本,等价于均衡解下该起讫对的最低广义出行成本;式(9)表示仅最低成本扩展路径能够承载非零流量;

31、在路径子问题中,通过最小化广义出行成本求取最小代价时空能量扩展路径,其中决策变量为弧选择二值变量:

32、(11)

33、并满足荷电状态平衡与充电约束:

34、(12)

35、(13)

36、(14)

37、(15)

38、(16)

39、为起讫对对应路径子问题的广义出行成本;为起讫对在弧头节点到达时刻对应的荷电状态;为起讫对在弧尾节点出发时刻对应的荷电状态;为起讫对在节点、时段的荷电状态;表示节点在时段的慢充交换能量;为节点在弧出发时刻对应的快充交换能量;

40、其中,在式(12)-(16)中:为时空网络的弧集合,为弧元素,为道路行驶弧或驻留-充放电弧 ,端点分别为弧的尾节点与头节点;为弧选择二值变量,表示起讫对的扩展路径选择弧;为二值指示参数,表征弧在时段是否经过道路;为快充使用指示变量,并通过式(15)与快充交换能量关联;为荷电状态平衡的辅助松弛变量;与为外层迭代固定的道路流量与快充流量;为实际出发时段,其中行驶弧两端点的具体时刻分别记为弧尾出发时刻与弧头到达时刻,为期望出发时段;为起讫对在节点、时段的荷电状态,与分别为初始荷电状态变量与初始荷电状态参数,为电池容量上限,为最低安全荷电状态比例;为弧的两端节点对应的物理距离,为单位距离能耗系数;与分别为节点在时段的快充与慢充交换能量,慢充取负值表示车网互动放电;为节点的快充功率上限,与分别为节点在时段的慢充功率下限与上限,下限取负值时表示允许放电;为单个时段长度;为正数。

41、前述的一种灾后耦合电力-交通系统车网互动协同恢复方法,在步骤s3中,基于distflow最优潮流模型表征灾后径向配电网运行,径向是指配电网呈树状或辐射状拓扑结构运行,表示考虑支路潮流约束、电压幅值约束、负荷削减决策和电动汽车功率削减决策;线路故障通过提高对应支路阻抗实现等效断开,变压器受损通过降低容量上限表征;将由步骤s2交通侧的时空能量交通均衡模型输出的各充电站聚合充放电功率作为时变节点注入量输入配电网运行模型,从而将交通侧的均衡求解结果耦合到电力侧。

42、前述的一种灾后耦合电力-交通系统车网互动协同恢复方法,在步骤s4中,对于每个灾害任务,将恢复过程表述为任务条件马尔可夫决策过程:

43、(17)

44、其中,为任务对应的马尔可夫决策过程;为状态空间,为动作空间,为状态转移核,为奖励函数,映射为,是实数集,为折扣因子;

45、状态定义为:

46、(18)

47、实际出发需求由下式确定:

48、(19)

49、动作定义为:

50、(20)

51、并满足:

52、(21)

53、状态转移满足:

54、(22)

55、即时奖励为:

56、(23)

57、其中,交通网络成本和配电网成本分别为:

58、(24)

59、(25)

60、其中,在式(18)-(25)中:为时段的状态向量,,为相邻三个时段的需求维数、充放电功率维数及当前时段配电网潮流-电压维数总和,索引为状态窗口偏移;为时段的动作向量,,按先快充后慢充顺序拼接,其中、,与为归一化价格控制分量,取值区间为;为时段起讫对的实际出发需求;与分别为快充、慢充站在时段的聚合功率,与能量交换满足;为支路在时段的有功潮流,为节点在时段的电压幅值;与为反归一化后的快充与慢充实际电价;为全部充电站集合,与分别为快充和慢充站集合的基数;为指示函数,为扩展路径对应的实际出发时段;为任务下的状态转移条件概率,由交通均衡与配电网潮流联立求解隐式给出;为时段的即时奖励,归一化负成本之和;与分别为配电网与交通网络成本的归一化基准值,用于将两类成本量级对齐;为时段的交通网络成本,即为该时段总出行成本;为时段的配电网成本,为配电网节点集合,为非电动汽车负荷分级集合;与分别为负荷削减惩罚权重和电动汽车功率削减惩罚权重;为第级负荷重要度系数;为节点第级负荷的削减量,为站点在时段的电动汽车功率削减量,所述任务条件马尔可夫决策过程以价格控制为动作输入,以交通均衡与配电网运行联立求解形成状态转移与奖励反馈。

61、前述的一种灾后耦合电力-交通系统车网互动协同恢复方法,在步骤s51中,利用离线数据学习任务表示过程中,对于任务的离线数据集表示为:

62、(26)

63、其中,单个转移记为,所述转移级编码器与任务级聚合模块分别表示为和,转移级编码器满足:

64、(27)

65、任务嵌入满足:

66、(28)

67、采用注意力池化进行任务级聚合,表示为:

68、(29)

69、其中,在式(26)-(29)中:为任务的离线转移数据集,为单个转移样本;为转移级编码器,为任务级聚合模块;为任务第个转移的转移级嵌入,维度为编码器输出维度,为任务的任务级嵌入;为上下文长度,与式(4)中的全局时段集合区分;为注意力权重矩阵,为注意力查询向量,为注意力隐层维度;为任务中第个转移在任务嵌入中的注意力权重,且。

70、前述的一种灾后耦合电力-交通系统车网互动协同恢复方法,在步骤s52中,构造奖励扰动负样本并进行对比表征学习,对于原始转移,通过在奖励维度叠加高斯噪声构造任务不一致转移:

71、(30)

72、(31)

73、原始转移和奖励扰动转移经共享转移级编码器处理后得到:

74、(32)

75、定义归一化项为:

76、(33)

77、其中,在式(30)-(33)中:为原始即时奖励,为扰动后奖励;为独立同分布高斯扰动,方差为扰动方差超参数;为奖励扰动后构造的任务不一致转移;为同一任务中另一原始转移的正样本表示,为奖励扰动转移的第个负样本表示;为余弦相似度,取值);为对比学习温度系数;为infonce损失的归一化分母项;

78、转移级编码器的infonce损失定义如下:

79、(34)

80、其中,为对比学习损失。

81、前述的一种灾后耦合电力-交通系统车网互动协同恢复方法,在步骤s6中,进行任务条件离线强化学习;令所有任务离线数据的并集为,将任务嵌入输入策略网络和价值网络:

82、(35)

83、离线强化学习目标定义为:

84、(36)

85、动作价值网络通过最小化bellman训练误差,表示为:

86、(37)

87、保守q学习正则项表示为:

88、(38)

89、其中,式(35)-式(38)中的符号定义如下:表示所有任务离线数据集的并集;表示由策略网络参数表征的任务条件策略网络,用于在给定状态和任务嵌入时输出动作的条件概率密度;表示由价值网络参数表征的任务条件动作价值网络,输出为累积奖励的估计值,表示离线强化学习总损失,表示软演员-评论家损失,表示保守q学习正则项,表示价值网络的bellman误差损失;为保守q学习正则系数;表示离线样本对应的目标价值,为即时奖励和目标网络估计的折扣未来价值总和;表示离线数据集在状态处诱导的行为策略经验条件分布;表示由当前策略采样动作与动作空间均匀采样动作共同构成的有限动作集合。

90、前述的一种灾后耦合电力-交通系统车网互动协同恢复方法,在步骤s7中,对于当前灾害任务,先从上下文转移数据经转移级编码器与任务级聚合模块推断任务嵌入,再由任务条件策略网络输出各时段各站点的快充和慢充价格控制信号;所述价格控制信号通过控制电动汽车用户的出发时刻、路径选择和充放电决策,调整时空能量扩展交通分配用户均衡求解结果,并将聚合充放电功率注入配电网运行模型,从而通过车网互动支援配电网恢复。

91、一种计算机系统,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行所述计算机程序以实现如上所述方法的步骤。

92、本发明达到的有益效果:本发明的方法通过时空能量扩展交通分配用户均衡模型,将电动汽车的出发时刻选择、路径选择和充放电行为统一纳入灾后耦合恢复过程,能够同时反映交通可达性和电力约束对移动能量资源可用性的影响;通过将灾害场景建模为相关但分布不同的任务,并利用双层任务编码与奖励扰动对比学习提取任务嵌入,能够提升恢复策略对未见灾害场景的适应能力。