CN119171440B 基于强化学习的电力配电网故障恢复方法及系统 （南京载元自动化科技有限公司）

基于强化学习的电力配电网故障恢复方法本发明公开了一种基于强化学习的电力配典混合架构的数据传输协议和结果接收解析方获取故障后状态数据并编码传输给量子计算部2基于电力配电网的加权有向图模型，设计用于电力配电网故障恢将经典计算处理后的电力配电网的电力配电网状态数据编码为量子比特的概率幅传输给合架构的量子计算部分，建立量子比特与电力配电网的电力配电网元素之间的映射关系，用量子态表示电力配电网的电力配电网状态，通过量子门操作模拟电力配电网状态的演基于电力配电网的加权有向图模型，设计用于电力配电网故障状态和动作，利用量子门操作实现量子强化学习算法的策略网络和价值网络的构建及更通过量子计算部分利用设计好的量子强化学习算法计算电力配电网的最优故障恢复经典计算部分按照预先设计的数据传输协议，将故障后的电力所述通过量子计算部分利用设计好的量子强化学习算法计算电力配电网的最优故障量子计算部分接收到故障后的电力配电网状态数据后，基于通过价值网络v(IS);p)评估每个状态一动作对的价值；其中，价值网络的哈密顿量3H(p)包含电力配电网的各种运行指标和奖励因素，通过对量子态应用哈密从当前状态采取某个动作后转移到下一个状量子计算部分将计算得到的最优故障恢复策略反馈给经典计算部的负荷用有功功率pi,和无功功率表示，它们代表了该节点所连接的用户或设备的用计算处理后的电力配电网的电力配电网状态数据编码为量子比特的概率幅传输给量子计4基于电力配电网的加权有向图模型的节点信息和数据传输协议设计：将经典计算部分处理后的电力配电网状态量子计算结果接收与解析：量子计算部分返回的量子态通过量子测量得到测量结果；αi表示节点i的电力配电网状态数据处于正常范围内的预定区间的概率幅，βi表示节点i的电力配电网状态数据处于另一个处于正常范围内的预定区间的5于闭合开关操作，将开关对应的量子寄存器状态设置为对于断开开基于电力配电网的加权有向图模型的节点信息和子比特组成的量子寄存器表示，其中k是表示该动作所ij61l门的组合来构建复杂的量子态变换，对于一个由n个量子比特组成的系统，策略网络表示换保证了量子态的演化是可逆的，并且保持量子态的归一化性质；然后，通过对量子态|是价值网络中量子门的参数；价值网络的哈密顿量表示为H(),其中是权重系数；wv用于衡量节点的电力配电其中J(θ)是策略的目标函数，7是将归一化处理后的历史运行数据分为训练集和验证集；训练集使用训练集对设计好的量子强化学习算法进行训练，并使用验6.一种基于强化学习的电力配电网故障恢复系统，其第一设计模块，用于基于电力配电网的加权有向图模型，8第二设计模块，用于基于电力配电网的加权有向图模型，力配电网状态数据编码为量子比特的概率幅传输给量故障恢复模块，用于通过量子计算部分利用设计好的计算机程序时实现如权利要求1至5中任意一项所述的基于强化学习的电力配电网故障恢9混合架构的量子计算部分，建立量子比特与电力配电网的电力配电网元素之间的映射关状态数据编码为量子比特的概率幅传输给量子[0010]通过量子计算部分利用设计好的量子强化学习算法计算电力配电网的最优故障的电力配电网状态数据编码为量子比特的概率幅传处理器执行所述计算机程序时实现上述发明实施例所述的基于强化学习的电力配电网故为实际的控制指令或决策结果；量子计算部分则利用量子比特与配电网元素的映射关系，[0020]图1是本发明一实施例提供的一种基于强化学习的电力配电网故障恢复方法的流[0021]图2是本发明一实施例提供的一种基于强化学习的电力配电网故障恢复系统的结[0022]图3是本发明另一实施例提供的一种基于强化学习的电力配电网故障恢复系统的[0024]参见图1，是本发明一实施例提供的一种基于强化学习的电力配电网故障恢复方[0029]S14，通过量子计算部分利用设计好的量子强化学习算法计算电力配电网的最优为实际的控制指令或决策结果；量子计算部分则利用量子比特与配电网元素的映射关系，播和设备动作。这使得量子计算能够在量子态层面上对配电网的复杂动态进行建模和分[0033]此外，步骤S10中电力配电网建模为加权有向图模型在其他步骤中的应用的具体在量子态层面上反映了加权有向图中配电网[0036]状态和动作表示：量子态表示强化学习中的状态和动作是基于加权有向图模型使得强化学习算法能够学习到不同动作对配电对配电网状态价值的评估也需要基于加权有向图中的各种计算出的最优策略转换为实际的控制指令，执行相应的开关操作和分布式电源功率调整，表电力配电网中的一个电气连接点；E={ejli,jev}表示线路集合，每条线路eij=(ui,vj)连接两个节点和vj；每条线路都具有电阻、电抗xy、电导Gj和电纳BY的电气参数，这些参数反映了线路的电气特性；节点i的负荷用有功功率关状态用二进制变量sije(0,1}表示，sij=1表示开关闭合，电流可以通过该线sij=0表示开关断开，线路处于断开状态；功率之间的关系，对于节点，功率表示为其D负荷有功功率为ps.z，无功功率为，而节点D的分布式电源输出有功功率为出节点A的注入功率。假设节点A的电压为va=vra+jva，与节点A相连的,可以计算出节点的注入功率。如果在某子经典混合架构的经典计算部分，将经典计算处理后的电力配电网的电力配电网状态数发态表示电力配电网状态数据在正常范围内的上限，而叠加态则表示量子比特的状态表示为，其中和是复数系数，满足ai表示节点i的电力配电网状态数据处于正常范围内的预定区间的概率幅，B;表示节点i的电力配电网状态数据处于另一个处于正常范围内的预定区使用量子控制非门来实现；设节点i的故障电流要传播到节点j，将节点i的量子比特作功率为p时，对应的量子比特状态表示为[pnin,pmna]，从而通过调整量子比特的概应的量子比特状态，其中对于闭合开关操作，将开关对应的量子寄存器状态设置为[0072]量子比特与电力配电网元素的映射关系：将节点电压状流从节点A向节点B的传播，将节点A的量子比特作为控制比特，节点B的量子比特作配电网故障恢复的量子强化学习算法与策略优化，并使用电力配电网的训练数据进行训量子比特的状态表示为，其中Qi和B;是复数系数，满足；设节点的电力配电网状态数据在正常范围内有三个不同的区电力配电网状态数据处于中区间的概率幅；多个量子旋转门的组合来构建复杂的量子态变换，对于一个由个量子比特组成的系统，[0089]构建量子价值网络v(IS);p)，用于评估当前电力配电网状态的价值；其中是价值网络中量子门的参数；价值网络的哈密顿量表示为[0090]哈密顿量H(p)设计为包含电力配电网各种运行指标和奖励因素的函数是权重系数；wv用于衡量节点的电力配电网与额定电压偏差的重是;是量子奖励函数，它综合考虑了电力配电网在当前状态下采取动作后的各表示考虑到状态转移概率后，未[0097]停电损失其中是节点S;是表示节点i是否停电的二进制变量，S;=1表示未停电，S;=0表[0098]电压质量其中是节点的实际电压，配电网故障后的电力配电网状态数据编码为量子比特的概率幅传输给量子计算部分，包权有向图模型收集电力配电网故障后的电力配电网状态数[0117]根据量子策略网络m(la)ls);0)计算在当前电力配电网状态下采取每个动顿量H(p)包含电力配电网的各种运行指标和奖励因素，通过对量子态应用哈密顿量并的重要性，状态转移概率则反映了从当前状态采取某个动作后转移到下一个状态的可能典计算部分会生成相应的开关闭合指令；如果策略要求调整某个分布式电源的输出功率，[0124]参见图2，是本发明一实施例提供的一种基于强化学习的电力配电网故障恢复系后的电力配电网状态数据编码为量子比特的概率幅传输给量子计相关方案细节可以对应参考上述的基于强化学习的电力配电网故障恢复方法的相关实施[0133]参见图3，是本发明一实施例提供的基于强化学习的电力配电网故障恢复系统的习的电力配电网故障恢复程序。所述处理器100执行所述计算机程序时实现上述各个基于机程序时实现上述各装置实施例中各模块/单元其他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(Ap