基于安全强化学习与分层滚动优化的离散型幅相均可控移相器控制方法

本发明属于电力系统运行控制与新能源消纳，具体涉及一种基于安全强化学习与分层滚动优化的离散型幅相均可控移相器控制方法。

背景技术：

1、随着风电和光伏接入规模持续增加，电力系统日内运行状态随新能源出力和负荷变化而不断改变。新能源富集区域与负荷中心之间通常存在空间差异，即使系统总发电能力能够满足负荷需求，局部输电线路或关键断面仍可能因潮流分布不均而接近传输上限，进而限制风电和光伏并网功率。新能源消纳能力不仅取决于电源侧的可调节能力，还受到输电网络能否为未来功率变化保留足够传输空间的影响。

2、在日内运行过程中，控制中心能够获得当前时段的实际运行状态，并持续更新未来若干时段的风电、光伏和负荷预测。若仅依据当前运行点消除越限或降低运行成本，所得方案可能使部分线路在后续预测时段接近额定容量。当未来净负荷发生较大变化时，机组爬坡、备用调用和新能源并网调整会进一步改变网络潮流，导致新能源送出空间不足。因此，需要在形成当前控制指令时同时考虑当前实际状态和未来滚动预测。

3、幅相均可控移相器能够通过改变线路幅值变比和移相角重新分配有功、无功潮流，并影响节点电压和线路视在功率。该装置采用有限离散档位，实际运行还受到相邻时段最大调档步数、总切换次数和最短保持时间等限制。移相器档位属于网侧离散控制量，但不能单独构成完整运行方案；其作用需要与常规机组有功和无功出力、向上和向下备用容量、风电和光伏并网功率以及未来时段运行计划共同协调。

4、现有部分方法在调度完成后以线路负载率或线路额定容量与计划潮流之间的差值评价线路安全余量，未先量化净负荷变化和预测误差形成的节点灵活性需求，也未说明所述需求经网络分配后由哪些线路承担。部分潮流调控方法主要优化移相器或其他facts装置参数，未将机组出力、备用容量、新能源并网和无功电压变量纳入同一源网运行模型；若备用容量仅设置上下界和成本而未与预测误差形成的备用需求建立覆盖关系，优化结果会使备用安排失去实际作用。另有方法将新能源消纳、线路裕量和运行成本直接加权求和，结果容易受到权重选择影响。强化学习虽可学习离散调档规律，但若由策略网络直接给出完整控制方案，难以严格保证功率平衡、备用覆盖、线路容量、电压和移相器运行约束。

5、名词解释

6、安全强化学习(safe reinforcement learning，srl)算法，智能体通过与环境的交互学习策略，在最大化长期积累回报以确保系统性能的同时，智能体的行为满足一定的安全约束。

技术实现思路

1、本发明的目的是提供一种基于安全强化学习与分层滚动优化的离散型幅相均可控移相器控制方法，解决学习策略输出与电网物理可行域不一致的问题，实现学习策略与交流物理约束协同，提高新能源消纳和线路传输适应能力。

2、本发明采用的技术方案如下。

3、一方面，本发明提供一种基于安全强化学习与分层滚动优化的离散型幅相均可控移相器控制方法，包括，在对应各滚动时刻的滚动优化周期内，执行以下操作：

4、获取电网基本参数数据、电网运行状态数据以及源荷预测数据；

5、基于所获取的数据，利用预先构建的交流潮流运行模型，计算滚动时域内各时段的节点灵活性需求及其对应的线路灵活性传输裕量；

6、基于所述电网运行状态数据、源荷预测数据以及节点灵活性需求和节点灵活性需求线路分配量，构建包括当前运行状态子向量、预测状态子向量、节点灵活性需求向量、节点灵活性需求线路分配量向量和当前移相器状态子向量的策略网络输入状态向量，使策略网络基于输入状态向量在预设动作掩码约束下，生成滚动时域内当前首时段的候选移相器调档动作；

7、基于所述当前首时段的候选移相器调档动作，对预先构建的分层滚动优化模型求解源网变量和未来时段移相器调档动作，所述源网变量包括常规机组出力、备用容量、新能源并网功率、节点电压、线路潮流以及未来时段移相器档位：

8、若有解，则根据所述候选移相器调档动作确定当前首时段的移相器最终执行动作；

9、若无解，则丢弃所述候选移相器调档动作后重新求解分层滚动优化模型，得到最优解中滚动时域内各时段的移相器调档动作，进而计算当前首时段的移相器最终执行动作；

10、基于所述移相器最终执行动作对应的分层滚动优化模型最优解进行交流潮流复核，若交流潮流复核通过，则下发相应的控制指令。

11、可选的，所述电网基本参数数据至少包括电网拓扑、线路参数、常规机组参数数据；所述电网运行状态数据至少包括电网节点、支路、常规机组、风电场、光伏电站及幅相均可控移相器的运行参数，如负荷、风电可用功率、光伏可用功率、机组出力、节点电压、线路潮流和移相器当前档位等数据；所述源荷预测数据至少包括未来多个时段的风电预测、光伏预测、负荷预测数据。

12、可选的，各滚动时刻对应的滚动时域包括多个连续时段，表示为：

13、，

14、其中，表示从滚动时刻开始的滚动时域；表示滚动时域包含的时段数；表示除当前首时段以外的未来时段集合；

15、任一滚动优化周期内，所需获取的数据中，对应当前首时段采用当前实测值，对于未来时段采用相应时段的预测值。

16、本发明中，在每个滚动优化周期，方法决策当前时刻起未来h个时段的运行计划，但实际仅执行当前首时段决策结果。在进入下一时段后，滚动时域更新，上一滚动优化周期的滚动时域内未来首时段转化为新的当前首时段，所获取的数据随实时值与更新的预测值而更新，从而实现滚动优化求解。

17、可选的，本发明基于所获取的数据，利用预先构建的交流潮流运行模型，计算各时段的节点灵活性需求及其对应的线路灵活性传输裕量，包括：

18、对于各时段，根据其与相邻未来时段的净负荷变化量，和负荷与新能源的预测误差，计算得到相应时段的节点灵活性需求；

19、根据电网基本参数计算功率传输分布因子，根据功率传输分布因子将节点灵活性需求映射为各线路承担的线路分配量；其中用于计算功率传输分布因子的电网基本参数主要涉及网络拓扑、线路参数和参考节点，具体计算方式参考现有技术；

20、根据节点灵活性需求的线路分配量、线路有功功率和线路有功传输功率上限，确定所述线路灵活性传输裕量。

21、上述计算过程所依据的数学模型皆为预先构建，在一些实施例中，节点灵活性需求作为交流潮流运行模型的约束之一。

22、可选的，所述分层滚动优化模型为三层滚动优化模型，各层对应的源网优化变量相同，按照优化目标依次顺序求解；其中：

23、所述三层滚动优化模型的第一层优化目标为弃风弃光电量最小，目标函数表示为：

24、，

25、式中，表示滚动时刻的优化变量，包括常规机组有功与无功出力、向上与向下备用容量、风电\光伏并网有功和无功并网功率及弃风\弃光功率、移相器幅值与相角档位和切换状态；表示由所述交流潮流运行模型限定的混合整数可行域；表示第一层优化后的最小弃风弃光电量；表示滚动时域内滚动时刻的弃风弃光电量，表示为：

26、，

27、式中，表示从滚动时刻开始的滚动时域，表示滚动时域内一个时段的持续时间；表示风电场集合，表示光伏电站集合，表示风电场在时段的弃风功率，表示光伏电站在时段的弃光功率；在第一层的优化求解中，节点电压、相角、线路有功无功与视在功率以及线路灵活性传输裕量属于由模型约束共同确定的运行状态或辅助变量；

28、所述三层滚动优化模型的第二层优化目标为，在第一层优化所得弃风弃光电量最小值的容差范围内，使滚动时域内线路灵活性传输裕量最大，其目标函数表示为：

29、，

30、式中，表示第二层优化后的最大线路灵活性传输裕量，表示滚动时域内关键线路灵活性传输裕量的最小值；表示允许的弃电量数值容差；第二层在第一层最优值容差范围内优化线路灵活性传输裕量，避免非凸交流模型和离散变量求解误差造成下一层不可行；

31、所述三层滚动优化模型的第三层优化目标为，在满足第一层优化所得弃风弃光电量最小值的容差范围，以及第二层优化所得线路灵活性传输裕量最大值的裕度容差范围内，使得运行和调档成本最小，其目标函数表示为：

32、，

33、式中，表示第三层优化后的最小运行与调档成本；表示允许的线路灵活性传输裕量数值容差；为滚动时刻的运行与调档成本，表示为：

34、，

35、其中：

36、，

37、，

38、，

39、式中，表示滚动时刻的机组运行成本；表示常规机组在时段的有功出力；、和分别表示常规机组运行成本二次函数的二次项系数、一次项系数和常数项系数；表示滚动时刻的备用容量成本；和分别表示向上备用单位成本、向下备用单位成本；、分别表示常规机组在时段的向上备用容量、向下备用容量；表示滚动时刻的移相器调档成本；表示离散型幅相均可控移相器集合，和分别表示移相器幅值档位和相角档位的单位调档成本；、分别表示移相器在相邻的时段与上一时段的移相器幅值档位；和分别表示移相器在相邻的时段与上一时段的移相器相角档位。

40、可选的，所述交流潮流运行模型的构建包括：构建离散型幅相均可控移相器模型，其采用离散变量定义移相器档位组合关系，档位对应的幅值变比、移相角和等效导纳，并建立档位变化和切换次数约束、最短保持时间约束；其中：

41、所述移相器档位组合关系表示为：

42、，

43、式中，表示离散型幅相均可控移相器集合；表示移相器编号；和分别表示幅值档位集合和相角档位集合；和分别表示对应档位编号；表示时段是否选择档位组合，表示选择，表示不选择；和分别表示幅值档位序号和相角档位序号；

44、所述档位对应的幅值变比、移相角和等效导纳表示为：

45、，

46、式中，和分别表示移相器在时段的幅值变比和移相角；和分别表示移相器对应幅值档位的幅值变比和对应相角档位的移相角；和分别表示移相器在时段的等效电导和电纳；和分别表示档位组合下含线路与移相器等效阻抗的电导和电纳；

47、所述档位变化和切换次数约束表示为：

48、，

49、式中，、分别表示移相器在相邻的时段与上一时段的移相器幅值档位；和分别表示移相器在相邻的时段与上一时段的移相器相角档位；和分别表示移相器的幅值和相位的相邻时段最大调档步数；为移相器的档位变化量上界常数；为移相器在时段的切换状态；表示从滚动时刻开始的滚动时域；表示滚动时刻的剩余允许切换次数；

50、所述最短保持时间约束表示为：

51、，

52、式中，表示移相器的最短保持时段数；表示移相器在滚动时刻已连续保持当前档位的时段数；表示求和时段编号。该最短保持时间约束公式同时限制了滚动时域内部切换间隔和由上一滚动时刻延续到当前时域的剩余保持时间。

53、可选的，所述交流潮流运行模型的构建还包括：

54、将移相器幅值变比、移相角和等效导纳，通过安装线路映射写入对应交流支路，表示为：

55、，

56、、表示移相器的安装线路；表示安装移相器的线路集合；分别表示线路在时段的幅值变比、移相角、等效电导、等效电纳；分别表示安装移相器的线路在时段的幅值变比、移相角、等效电导、等效电纳；未安装移相器的线路在时段的幅值变比、移相角、电导、电纳采用固定线路参数；

57、将移相器复变比、线路串联导纳和充电电纳代入交流支路模型，建立线路两端有功、无功、视在功率约束，其中：

58、考虑移相器复变比的线路相角差和电压乘积系数表示为：

59、，

60、式中，、分别表示线路的首端节点、末端节点；表示在时段计及移相角后的线路电气相角差；、分别为线路两端在时段的电气相角；表示线路在时段的电压乘积系数，即电压幅值乘积与幅值变比之比，分别表示线路两端在时段的电压幅值，表示线路在时段的移相器幅值变比；

61、线路两端有功和无功潮流约束表示为：

62、，

63、式中，、、、分别表示线路的两端在时段流入线路的有功功率、无功功率；表示线路的总充电电纳；

64、线路两端视在功率约束表示为：

65、，

66、式中，表示线路的端在时段的视在功率；表示线路的端在时段的视在功率；表示线路的额定视在功率，线路存在损耗时两端视在功率可能不同，因此需要分别进行容量校核并设置相应的约束。

67、进一步的，所述交流潮流运行模型的构建还包括：建立机组出力约束、备用容量约束、机组爬坡约束、风电\光伏并网功率和弃风\弃光约束、节点有功和无功功率平衡约束、节点电压和线路相角差约束、节点灵活性需求模型及线路灵活性传输裕量约束，其中：

68、所述机组出力约束和备用容量约束表示为：

69、，

70、式中，表示常规机组集合，、分别表示常规机组在时段的有功出力、无功出力；和分别表示常规机组有功出力下限和上限；和分别表示常规机组的无功出力下限和上限；、分别表示常规机组在时段的向上备用容量、向下备用容量；、分别表示常规机组的单位时间向上爬坡能力、单位时间向下爬坡能力；表示滚动时域内一个时段的持续时间；表示滚动时域中除最后一个时段以外的时段集合；、分别表示滚动时刻对应的时段的向上备用需求、向下备用需求；备用容量用于覆盖预测误差修正形成的额外功率不平衡，避免将同一净负荷变化重复计入计划出力和备用需求；

71、所述机组爬坡约束表示为：

72、，

73、该约束用于限制机组相邻时段的有功出力变化；

74、所述风电\光伏并网功率和弃风\弃光约束表示为：

75、，

76、式中，表示风电场在时段的实际并网有功功率；表示风电场在时段的弃风功率；表示光伏电站在时段的实际并网有功功率；表示光伏电站在时段的弃光功率；表示风电场在时段的无功出力；表示光伏电站在时段的无功出力；表示风电场的变流器额定视在容量；表示光伏电站的变流器额定视在容量；

77、所述节点有功和无功功率平衡约束表示为：

78、，

79、式中，为节点集合，、和分别表示节点的常规机组、风电场和光伏电站集合；表示与节点相连的线路集合；、分别表示节点在时段内滚动时刻的有功负荷、无功负荷；结合前述的线路两端有功和无功潮流约束，节点有功和无功、按节点所在的线路端部取相应首端或末端的注入功率；

80、所述节点电压和线路相角差约束表示为：

81、，

82、式中，和分别表示节点的电压幅值的下限和上限；表示参考节点的电压相角；表示在时段的线路电气相角差；和分别表示线路电气相角差的下限和上限。

83、节点净负荷与所述节点灵活性需求模型表示为：

84、，

85、式中，表示节点在滚动时刻对应的时段的预测净负荷；表示节点在滚动时刻对应的时段的灵活性需求；表示风电场在滚动时刻对应的时段的可用有功功率；表示光伏电站在滚动时刻对应的时段的可用有功功率；和分别表示节点在时段的负荷预测误差修正量与新能源预测误差修正量；表示滚动时刻对应的时段的系统净预测误差；

86、上述负荷预测误差修正量和新能源预测误差修正量分别依据相应的历史预测残差确定，历史预测残差按照预测提前量分别统计，正、负分位数用于形成对应方向的预测误差修正量，使不同未来时段采用与其预测精度相匹配的修正范围；为正时对应向上灵活性需求，为负时对应向下灵活性需求。前述的备用容量约束中，向上、向下备用需求根据负荷与新能源预测误差修正量确定，节点净负荷与所述节点灵活性需求模型公式中将各节点预测误差修正量汇总为系统净预测误差，并取其正、负部分分别形成向上、向下备用需求；

87、所述线路灵活性传输裕量约束表示为：

88、，

89、其中，表示在滚动时刻对应的时段的线路承担的节点灵活性需求线路分配量，表示为：

90、，

91、式中，表示线路在滚动时刻对应的时段内线路灵活性传输裕量；表示线路  按照首端节点  指向末端节点  的参考正方向在时段  的有功功率，取线路首端有功功率 ，>0表示有功功率沿所述参考正方向传输，<0表示有功功率沿反方向传输；表示线路的有功传输功率上限；表示关键线路集合，为全部线路集合，当对全部线路进行评价时取；表示滚动时域内关键线路灵活性传输裕量的最小值；表示在滚动时刻对应的时段的网架结构和线路参数下，节点的单位有功注入变化对线路有功潮流的功率传输分布因子；当与同向时，线路分配量占用既有潮流方向的剩余传输能力；当二者反向时，既有潮流先为反向传输释放空间；表示该线路在相应方向上的传输能力不足以承担节点灵活性需求的线路分配量。

92、可选的，所述策略网络包括共享特征提取层、与各移相器分别对应的幅值动作分支和相角动作分支以及状态价值分支；所述共享特征提取层用于接收所述输入状态向量并提取状态特征，所述输入状态向量包括归一化处理后的电网预测状态、当前运行状态、节点灵活性需求、线路分配量和移相器跨时域状态等；各动作分支用于基于所述状态特征在预设的动作掩码约束下输出对应档位增量概率，状态价值分支用于输出当前状态价值；

93、所述策略网络经离线训练得到，训练方法包括：

94、基于电网基本参数数据、历史电网运行状态数据以及同期源荷预测数据，构建多组滚动时域数据样本；

95、基于所述滚动时域数据样本，在各滚动时刻，求解所述分层滚动优化模型，得到的最优解及其对应的优化目标值，作为参考基准；

96、基于所述滚动时域数据样本构建对应各滚动时刻的策略网络输入状态向量，使所述策略网络基于输入状态向量在预设动作掩码约束下，生成当前滚动时域内当前首时段的候选移相器调档动作，并通过所述状态价值分支得到相应的状态价值；

97、基于所述当前首时段的候选移相器调档动作求解所述分层滚动优化模型，根据模型求解可行性以及模型可行时所得优化目标值与所述参考基准的比较结果计算即时奖励，并基于多组滚动时域数据样本对应的即时奖励和状态价值获得用于策略更新的优势估计；

98、基于所述优势估计，采用近端策略优化算法反馈更新所述策略网络，直至达到设定的迭代终止条件。

99、可选的，所述策略网络的输入状态向量表示为：

100、，

101、式中，表示滚动时刻的输入状态向量；表示滚动时刻对应的滚动时域内由负荷、风电和光伏预测数据组成的预测状态子向量，分别表示滚动时刻对应的滚动时域内滚动时刻到滚动时刻的有功负荷向量、无功负荷向量、风电场可用有功功率向量、光伏电站可用有功功率向量，其中当前首时段采用实测值，未来时段采用预测值；、分别表示滚动时刻对应的节点灵活性需求向量和节点灵活性需求线路分配量向量，两者分别包括滚动时刻对应的滚动时域内根据各相邻时段净负荷之差和预测误差修正量求得的节点灵活性需求数据和节点灵活性需求线路分配量数据，其中，节点灵活性需求根据相邻时段净负荷变化及预测误差修正量计算得到，节点灵活性需求线路分配量根据功率传输分布因子将节点灵活性需求映射至各线路得到；表示由滚动时刻的当前实测节点电压、相角、机组有功出力和线路视在功率组成的运行状态子向量；、分别表示各移相器上一滚动时刻的幅值档位向量和相角档位向量，表示滚动时刻各移相器的剩余允许切换次数向量，表示滚动时刻各移相器已连续保持当前档位的时段数向量，三者组成所述当前移相器状态子向量；

102、策略网络的幅值动作分支和相角动作分支基于滚动时刻的输入状态向量决策输出的当前首时段动作向量表示为：

103、 ，

104、式中，分别表示当前首时段移相器的幅值档位增量和相角档位增量；表示在滚动时刻根据预设动作掩码约束筛选后的联合可选动作集合，其中所述预设动作掩码约束定义有档位边界、调档步数、剩余切换次数和跨时域保持状态；

105、经动作掩码约束筛选后的策略概率表示为：

106、，

107、式中，表示策略网络参数；表示任一幅值动作分支或相角动作分支；表示策略网络基于输入状态向量在动作掩码约束下进行决策后输出动作向量的联合策略概率，联合策略概率由各移相器的幅值分支和相角分支概率乘积得到；和分别为对应的幅值动作分支输出和相角动作分支输出；表示移相器对应幅值动作分支或相角动作分支基于输入状态向量在动作掩码约束下输出幅值动作或相角动作的策略概率；表示移相器对应幅值动作分支或相角动作分支的原始策略概率；表示在滚动时刻移相器的幅值动作分支或相角动作分支对应的分支动作集合，为其中的分支动作变量；表示在滚动时刻移相器的幅值动作分支或相角动作分支对动作*进行动作掩码约束判定所得的动作掩码，通过对相应分支的每个候选动作按档位边界、最大调档步数、剩余切换次数及最短保持时间等动作掩码约束进行判定而得到，若动作满足约束则动作掩码为1，否则为0。用于限定各动作分支至少保留不调档动作，使归一化分母始终大于0；

108、各滚动时刻的即时奖励表示为：

109、，

110、式中，表示滚动时刻的即时奖励；表示在滚动时刻固定候选移相器调档动作后，由交流潮流运行模型及分层滚动优化模型各项约束共同限定的可行域，表示固定候选动作后分层滚动优化模型不可行；、和分别表示基于策略网络决策的候选移相器调档动作求解分层滚动优化模型所得优化目标值，相对于所述参考基准的归一化弃电量差距、线路灵活性传输裕量差距和成本差距，且均限制在0至1之间；、、分别表示基于动作求解分层滚动模型得到的滚动时刻的弃风弃光电量、线路灵活性传输裕量、运行和调档成本；表示用于运行与调档成本差距尺度归一化的正参考值；表示用于弃风弃光电量差距尺度归一化的正参考值；表示候选动作造成第一层弃风弃光电量劣化时的惩罚常数，表示在第一层优化目标未发生超容差劣化的条件下，第二层优化目标线路灵活性传输裕量发生劣化时的惩罚常数，表示候选动作导致分层滚动优化模型不可行时的惩罚常数，且满足、和；

111、本发明在执行各滚动时刻即时奖励的评价前首先判定固定候选动作对应的分层优化模型是否可行即存在最优解，再依次评价弃电量、线路灵活性传输裕量和运行成本，任一层优化目标不可行则终止分层优化模型的求解，使后一层改善不能补偿前一层劣化，同时提升策略网络训练的效率。

112、所述基于多组滚动时域数据样本对应的即时奖励和状态价值获得用于策略更新的优势估计，公式表示为：

113、，

114、式中，表示滚动时刻对应的用于策略更新的优势估计；表示对应滚动时刻的训练轮次的时序差分残差；表示优势估计长度；表示折扣系数；表示优势估计衰减系数；表示状态价值分支参数为的状态价值函数；

115、所述采用近端策略优化算法反馈更新所述策略网络，其中近端策略优化目标表示为：

116、，

117、式中，表示当前待更新的策略网络参数，为策略网络参数为所对应的近端策略优化目标函数，表示取期望值；表示新策略与旧策略对联合向量动作的概率比；表示更新前的策略网络参数；为截断函数，表示概率比截断系数，表示联合掩码策略熵，表示策略熵系数。

118、可选的，所述基于所述移相器最终执行动作对应的分层滚动优化模型最优解进行交流潮流复核，包括，判断是否满足以下交流潮流复核条件：

119、，

120、式中，和分别表示节点在时段的有功平衡残差、无功平衡残差；、分别表示允许的最大有功平衡残差、最大无功平衡残差；分别表示线路的端和端在时段的视在功率，表示线路的额定视在功率；和分别表示节点在时段的电压幅值的下限和上限；表示在时段的线路电气相角差；和分别表示线路电气相角差的下限和上限；分别表示移相器在时段的幅值档位、相角档位；和分别表示幅值档位集合和相角档位集合；表示移相器在时段的切换状态；表示从滚动时刻开始的滚动时域，表示滚动时域包含的时段数；表示滚动时刻的剩余允许切换次数；表示移相器的最短保持时段数。

121、上述交流潮流复核条件的公式可用于复核滚动时域内各时段的节点功率平衡、线路两端容量、节点电压、线路电气相角差以及移相器档位、剩余切换次数和最短保持时间。

122、在一些可能的实施例中，移相器档位只是当前首时段源网控制指令的一部分；同一时段还同步下发常规机组有功与无功出力、向上与向下备用容量以及风电和光伏有功与无功并网等指令。节点电压和线路潮流为执行上述控制指令后形成的运行状态，不作为独立下发指令。

123、第二方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现如第一方面所提供的基于安全强化学习与分层滚动优化的离散型幅相均可控移相器控制方法的步骤。

124、有益效果

125、与现有技术相比，本发明具有以下优点和进步：

126、（1）采用当前实际运行状态与未来滚动预测共同构成优化输入，使决策所得当前控制指令能够兼顾当前运行条件、后续预测时段的新能源送出需求以及预测误差引起的调节需求；

127、（2）将常规机组有功与无功出力、向上与向下备用容量、新能源有功与无功并网、弃风弃光以及移相器离散档位纳入同一源网优化模型，并以备用覆盖约束保证有成本的备用容量对应实际预测误差需求，避免仅优化移相器档位或设置无实际作用的备用变量；

128、（3）根据相邻预测时段净负荷变化和历史预测误差计算节点灵活性需求，采用功率传输分布因子获得节点灵活性需求的线路分配量，并按照所述线路分配量与既有潮流方向的关系构建线路灵活性传输裕量，使该指标能够反映线路完成源荷波动传输任务后的剩余能力；

129、（4）采用完整交流支路模型描述移相器幅值变比、移相角和等效导纳对线路有功、无功和电压的共同作用，同时设置离散档位、调档步数、剩余切换次数和跨滚动时域保持时间约束，使所得方案符合装置实际运行特性；

130、（5）安全强化学习策略仅生成当前首时段移相器候选调档动作，完整分层滚动优化模型负责机组、新能源、备用和未来移相器方案；动作掩码、优化可行性校正以及备用覆盖、交流潮流和装置约束复核共同保证最终执行指令的可行性。

131、（6）按照新能源消纳、线路灵活性传输裕量和运行成本的先后顺序依次求解三层模型，避免将不同量纲目标直接加权导致的权重敏感性，并使各层优化结果和控制优先关系清晰可解释。

132、（7）训练参考基准生成、候选动作评价和在线不可行校正均采用同一含完整交流潮流约束的分层滚动优化模型，使策略学习目标、在线动作评价和实际执行约束保持一致，减少因训练模型与运行模型不一致而产生的不可执行调档动作。