本發明涉及電力系統，具體涉及一種電網電壓快速調節和穩定控制方法。
背景技術：
1、隨著可再生能源大規模接入電網，電網的電壓穩定性問題變得日益復雜。傳統的電壓穩定裕度分析方法，主要依賴靜態模型，無法有效應對電網中動態擾動的影響，尤其是在風力發電波動較大的情況下。這些方法在快速變化的負荷和可再生能源波動面前往往表現出較差的適應性，無法提供實時、精確的電網穩定性優化控制策略。
2、現有的基于經典優化算法和模型控制的方法雖然能夠進行電網控制優化，但這些方法的計算復雜度較高，且對于大規模電網系統，實時計算和控制的能力有限。更重要的是，傳統算法在面對大規模風能等可再生能源的波動時，通常無法快速響應并調整控制策略，從而導致電網的電壓穩定性無法得到有效保證。
技術實現思路
1、為了解決現有技術在面對大規模風能等可再生能源的波動時，通常無法快速響應并調整控制策略的技術問題，本發明基于時空信息增益構建電網節點之間的時空依賴關系圖，并通過圖注意力網絡提取電網節點的時空特征。然后，采用長短期記憶網絡對電壓穩定性指數（vsi）進行時間序列優化，最終通過強化學習的優化控制算法，實時調整電網的無功功率補償，以保證電網的電壓穩定性，實現了在電網擾動等動態條件下電網電壓穩定性的精準優化控制。
2、一種電網電壓快速調節和穩定控制方法，包括：
3、s1：實時采集數據，構建電網狀態向量，并計算電網節點的電壓穩定裕度；
4、s2：設計初始節點特征矩陣表示電網系統狀態，其中每一行表示每一個節點的物理狀態；計算每對節點間的互相關信息確定節點間的信息增益，構建基于時空信息增益的時空關系矩陣；
5、s3：基于初始節點特征矩陣和時空關系矩陣構建基于時空信息增益的節點特征矩陣；
6、s4：搭建強化學習算法的電壓穩定性優化控制模型，所述模型的狀態空間中包括將基于時空信息增益的節點特征矩陣，利用該模型輸出本輪電網優化控制的最優動作；
7、s5：根據最優動作進行電網電壓穩定性控制。
8、進一步地，s2包括：基于節點的物理狀態計算每個節點的特征向量和延遲電壓均值，基于特征向量和延遲電壓均值計算兩兩節點間的互相關信息，并選擇每對節點間最大的互相關信息值確定節點間的信息增益，基于節點間的信息增益確定矩陣元素構建鄰接矩陣作為時空關系矩陣。
9、進一步地，s3包括：將時空關系矩陣和節點特征矩陣輸入到圖神經網絡，計算每對節點的相似度，得到每對節點的注意力系數；利用注意力系數對每個節點的鄰居節點進行加權求和得到該節點的新特征向量；將所有節點的新特征向量組合為基于時空信息增益的特征矩陣。
10、進一步地，所述s4包括：
11、構建馬爾科夫決策過程，包括狀態空間、動作空間和獎勵函數；
12、構建主執行網絡和目標執行網絡用于實現節點狀態到確定性動作；構建主評價網絡以及目標評價網絡用于評估在一個確定節點狀態下執行一個確定性動作的無功補償函數；
13、設置訓練超參數與初始化，進行主執行網絡和目標執行網絡的訓練，訓練結束后輸出并保存最優的的控制動作，作為本輪電網優化控制的最優動作并更新節點狀態。
14、進一步地，所述訓練包括：開始新一輪訓練回合，從動作空間中獲取最優動作策略作為本輪訓練回合的初始動作；判斷當前時間步是否小于最大時間步數，若否則本輪訓練回合結束，若是則制作訓練樣本放入經驗回放緩沖區；
15、從經驗回放緩沖區中隨機抽取小批量b個樣本，計算目標值；通過最小化損失函數更新主評價網絡的參數結合；而后判斷當前時間步是否滿足延遲更新條件，若是則執行主執行網絡和目標網絡的更新，若否則時間步加1并返回時間步判斷；
16、本訓練回合結束，回合計數器加1，判斷當前回合數是否大于總訓練回合數，若是則訓練過程結束，迭代停止，若否則對時間步重置為1并開始新一輪訓練回合。
17、進一步地，所述制作訓練樣本包括：
18、根據當前狀態，通過主執行網絡選擇基礎動作并加高斯噪聲得到探索動作；
19、在電網環境中執行探索動作并觀測環境反饋的即時獎勵和轉移到的下一時刻狀態；
20、將探索動作和執行所得相關信息構建為原始信息，作為樣本存儲到經驗回放緩沖區，然后更新當前狀態；
21、判斷經驗回放緩沖區中的樣本數量是否大于批次大小，若是則開始網絡訓練，若否則將時間步加1并返回之前的時間步判斷。
22、進一步地，所述s5包括：根據電網優化控制的最優動作，電網狀態向量，重新構建電網的新節點特征矩陣，比較新節點特征矩陣與s3確定的基于時空信息增益的節點特征矩陣，保持節點的電壓，有功功率不變，調節無功功率，返回s1計算電網電壓穩定裕度，從而得到含實時輸出動作控制后的電壓穩定裕度結果，實現電網電壓穩定性的優化控制。
23、本發明的有益效果包括：
24、（1）、提高電壓穩定性精度：通過時空信息增益構建的電網節點時空依賴圖與圖注意力網絡的結合，能夠準確提取電網節點間的時空依賴特征，提高了電壓穩定裕度（vsi）控制精度。
25、（2）、實時優化控制：基于強化學習算法，能夠根據實時電網狀態和電壓值自適應調整無功功率補償。智能體通過與電網環境的交互不斷優化控制策略，確保電網在不同的負荷和擾動下保持電壓穩定。
26、（3）、適應復雜動態環境：本發明的系統能夠適應電網存在擾動、負荷變化等復雜動態環境下的實時變化。強化學習算法的引入，使得控制系統具有較強的自適應能力，能夠應對不同場景中的電壓穩定性挑戰。
27、（4）、降低人工干預：本發明通過智能體的自動學習與優化控制，減少了傳統電網控制中對人工調節的依賴。智能體通過學習電網的歷史數據，能夠在沒有人工干預的情況下完成電壓穩定性控制任務，提高了電網的自動化管理水平。
28、（5）、提升電網安全性和可靠性：本發明能夠在實時調控電網無功狀態并進行電壓優化控制的基礎上，確保電網的穩定運行，避免因電壓波動引發的電力系統故障，提升了電網的安全性和可靠性。
1.一種電網電壓快速調節和穩定控制方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的電網電壓快速調節和穩定控制方法，其特征在于，s2包括：基于節點的物理狀態計算每個節點的特征向量和延遲電壓均值，基于特征向量和延遲電壓均值計算兩兩節點間的互相關信息，并選擇每對節點間最大的互相關信息值確定節點間的信息增益，基于節點間的信息增益確定矩陣元素構建鄰接矩陣作為時空關系矩陣。
3.根據權利要求1所述的電網電壓快速調節和穩定控制方法，其特征在于，s3包括：將時空關系矩陣和節點特征矩陣輸入到圖神經網絡，計算每對節點的相似度，得到每對節點的注意力系數；利用注意力系數對每個節點的鄰居節點進行加權求和得到該節點的新特征向量；將所有節點的新特征向量組合為基于時空信息增益的節點特征矩陣。
4.根據權利要求1所述的電網電壓快速調節和穩定控制方法，其特征在于，所述s4包括：
5.根據權利要求4所述的電網電壓快速調節和穩定控制方法，其特征在于，狀態空間定義為電網的實時運行特征向量，包括基于時空信息增益的節點特征矩陣，實時的節點電壓、有功功率、無功功率和電壓穩定裕度；狀態向量表示為：
6.根據權利要求5所述的電網電壓快速調節和穩定控制方法，其特征在于，所述訓練包括：開始新一輪訓練回合，從動作空間中獲取最優動作策略作為本輪訓練回合的初始動作；判斷當前時間步是否小于最大時間步數，若否則本輪訓練回合結束，若是則制作訓練樣本放入經驗回放緩沖區；
7.根據權利要求6所述的電網電壓快速調節和穩定控制方法，其特征在于，所述制作訓練樣本包括：
8.根據權利要求1所述的電網電壓快速調節和穩定控制方法，其特征在于，所述s5包括：根據電網優化控制的最優動作，電網狀態向量，重新構建電網的新節點特征矩陣，比較新節點特征矩陣與原節點特征矩陣，保持節點的電壓，有功功率不變，調節無功功率，返回s1計算電網電壓穩定裕度，從而得到含實時輸出動作控制后的電壓穩定裕度結果，實現電網電壓穩定性的優化控制。