本發(fā)明涉及人工智能，尤其涉及一種基于強化學習的電力配電網故障恢復方法及系統(tǒng)。

背景技術：

1、在電力配電網故障恢復領域，傳統(tǒng)的方法主要基于固定的規(guī)則和人工經驗。首先，通過對電力配電網進行建模，通常使用簡單的電路模型來表示配電網的拓撲結構和元件特性。在這種模型中，配電網被視為由節(jié)點、線路和電源等組成的線性電路系統(tǒng)，節(jié)點之間的連接關系和線路參數被明確確定。對于故障檢測，通常采用過流保護、距離保護等繼電保護裝置。這些保護裝置根據預設的電流或電壓閾值來判斷是否發(fā)生故障。一旦檢測到故障，根據預先制定的故障隔離策略，通過斷開特定的開關來隔離故障區(qū)域。在故障恢復階段，基于人工設定的規(guī)則和經驗，選擇合適的恢復路徑和操作開關。例如，優(yōu)先恢復重要負荷的供電，或者按照預設的優(yōu)先級順序逐步恢復供電?；謴瓦^程中，通常僅考慮一些簡單的因素，如線路容量、電壓約束等，而忽略了配電網的復雜動態(tài)特性和不確定性。

2、然而，這種傳統(tǒng)的電力配電網故障恢復方法在面對日益復雜的電力系統(tǒng)時，基于固定規(guī)則和人工經驗的方法忽略了配電網的復雜動態(tài)特性和不確定性，缺乏靈活性和適應性，難以應對電力配電網的電力負荷多樣化發(fā)展所帶來的配電網復雜性和不確定性，從而難以實現電力配電網故障的高效且可靠恢復。

技術實現思路

1、本發(fā)明實施例提供一種基于強化學習的電力配電網故障恢復方法及系統(tǒng)，能夠有效應對電力配電網的電力負荷多樣化發(fā)展所帶來的配電網復雜性和不確定性，從而實現電力配電網故障的高效且可靠恢復。

2、本發(fā)明一實施例提供一種基于強化學習的電力配電網故障恢復方法，包括以下步驟：

3、對電力配電網進行建模，將電力配電網建模為加權有向圖模型；

4、基于電力配電網的加權有向圖模型，設計用于電力配電網故障恢復的量子-經典混合架構的數據傳輸協議和結果接收解析方式；其中，在量子-經典混合架構的經典計算部分，將經典計算處理后的電力配電網的電力配電網狀態(tài)數據編碼為量子比特的概率幅傳輸給量子計算部分，并將量子計算部分的計算結果轉換為控制指令或決策結果；在量子-經典混合架構的量子計算部分，建立量子比特與電力配電網的電力配電網元素之間的映射關系，用量子態(tài)表示電力配電網的電力配電網狀態(tài)，通過量子門操作模擬電力配電網狀態(tài)的演化；

5、基于電力配電網的加權有向圖模型，設計用于電力配電網故障恢復的量子強化學習算法與策略優(yōu)化，并使用電力配電網的訓練數據進行訓練；其中，以量子態(tài)表示強化學習中的狀態(tài)和動作，利用量子門操作實現量子強化學習算法的策略網絡和價值網絡的構建及更新，并設計量子獎勵函數；

6、當檢測到電力配電網發(fā)生故障時，通過量子-經典混合架構的經典計算部分根據加權有向圖模型獲取故障后的電力配電網狀態(tài)數據，并將電力配電網故障后的電力配電網狀態(tài)數據編碼為量子比特的概率幅傳輸給量子計算部分；

7、通過量子計算部分利用設計好的量子強化學習算法計算電力配電網的最優(yōu)故障恢復策略并反饋給經典計算部分，并通過經典計算部分將最優(yōu)故障恢復策略轉換為實際控制指令，以執(zhí)行電力配電網的故障恢復工作。

8、本發(fā)明另一實施例對應提供了一種基于強化學習的電力配電網故障恢復系統(tǒng)，包括：

9、建模模塊，用于對電力配電網進行建模，將電力配電網建模為加權有向圖模型；

10、第一設計模塊，用于基于電力配電網的加權有向圖模型，設計用于電力配電網故障恢復的量子-經典混合架構的數據傳輸協議和結果接收解析方式；其中，在量子-經典混合架構的經典計算部分，將經典計算處理后的電力配電網的電力配電網狀態(tài)數據編碼為量子比特的概率幅傳輸給量子計算部分，并將量子計算部分的計算結果轉換為控制指令或決策結果；在量子-經典混合架構的量子計算部分，建立量子比特與電力配電網的電力配電網元素之間的映射關系，用量子態(tài)表示電力配電網的電力配電網狀態(tài)，通過量子門操作模擬電力配電網狀態(tài)的演化；

11、第二設計模塊，用于基于電力配電網的加權有向圖模型，設計用于電力配電網故障恢復的量子強化學習算法與策略優(yōu)化，并使用電力配電網的訓練數據進行訓練；其中，以量子態(tài)表示強化學習中的狀態(tài)和動作，利用量子門操作實現量子強化學習算法的策略網絡和價值網絡的構建及更新，并設計量子獎勵函數；

12、計算模塊，用于當檢測到電力配電網發(fā)生故障時，通過量子-經典混合架構的經典計算部分根據加權有向圖模型獲取故障后的電力配電網狀態(tài)數據，并將電力配電網故障后的電力配電網狀態(tài)數據編碼為量子比特的概率幅傳輸給量子計算部分；

13、故障恢復模塊，用于通過量子計算部分利用設計好的量子強化學習算法計算電力配電網的最優(yōu)故障恢復策略并反饋給經典計算部分，并通過經典計算部分將最優(yōu)故障恢復策略轉換為實際控制指令，以執(zhí)行電力配電網的故障恢復工作。

14、本發(fā)明另一實施例提供了一種基于強化學習的電力配電網故障恢復系統(tǒng)，包括處理器、存儲器以及存儲在所述存儲器中且被配置為由所述處理器執(zhí)行的計算機程序，所述處理器執(zhí)行所述計算機程序時實現上述發(fā)明實施例所述的基于強化學習的電力配電網故障恢復方法。

15、相比于現有技術，本發(fā)明實施例具有如下有益效果：

16、首先，通過將電力配電網建模為加權有向圖模型，為整個故障恢復方法提供了精確的配電網結構和參數基礎。在此基礎上，量子?-?經典混合架構使得經典計算與量子計算優(yōu)勢互補。經典計算部分能夠高效地處理和編碼配電網狀態(tài)數據，并將量子計算結果轉化為實際的控制指令或決策結果；量子計算部分則利用量子比特與配電網元素的映射關系，以量子態(tài)準確表示配電網狀態(tài)，通過量子門操作模擬配電網狀態(tài)的演化，包括故障傳播和設備動作，從而更精確地分析配電網的動態(tài)變化。同時，基于加權有向圖模型設計的量子強化學習算法與策略優(yōu)化，利用訓練數據進行訓練，以量子態(tài)表示強化學習中的狀態(tài)和動作，通過量子門操作構建及更新策略網絡和價值網絡，并設計量子獎勵函數，使得算法能夠學習到最優(yōu)的故障恢復策略。當配電網發(fā)生故障時，經典計算部分依據加權有向圖模型迅速、準確地獲取故障后的配電網狀態(tài)數據，并將其編碼為量子比特的概率幅傳輸給量子計算部分。量子計算部分利用訓練好的量子強化學習算法快速計算出最優(yōu)故障恢復策略并反饋給經典計算部分，經典計算部分將其轉換為實際控制指令，實現對配電網設備的精準操作，從而快速、有效地恢復電力配電網故障。由上分析可知，本發(fā)明實施例以電力配電網加權有向圖模型為基礎，構建量子-經典混合架構，通過量子強化學習算法與策略優(yōu)化實現配電網故障恢復，這樣能夠快速、準確地確定電力配電網的最優(yōu)故障恢復策略，能夠有效應對電力配電網的電力負荷多樣化發(fā)展所帶來的配電網復雜性和不確定性，從而實現電力配電網故障的高效且可靠恢復。

技術特征：

1.一種基于強化學習的電力配電網故障恢復方法，其特征在于，包括：

2.如權利要求1所述的基于強化學習的電力配電網故障恢復方法，其特征在于，電力配電網狀態(tài)數據包括電流、電壓和功率；加權有向圖模型包括有電力配電網的節(jié)點信息和線路信息。

3.如權利要求2所述的基于強化學習的電力配電網故障恢復方法，其特征在于，所述對電力配電網進行建模，將電力配電網建模為加權有向圖模型，包括：

4.如權利要求3所述的基于強化學習的電力配電網故障恢復方法，其特征在于，所述基于電力配電網的加權有向圖模型，設計用于電力配電網故障恢復的量子-經典混合架構的數據傳輸協議和結果接收解析方式；其中，在量子-經典混合架構的經典計算部分，將經典計算處理后的電力配電網的電力配電網狀態(tài)數據編碼為量子比特的概率幅傳輸給量子計算部分，并將量子計算部分的計算結果轉換為控制指令或決策結果；在量子-經典混合架構的量子計算部分，建立量子比特與電力配電網的電力配電網元素之間的映射關系，用量子態(tài)表示電力配電網的電力配電網狀態(tài)，通過量子門操作模擬電力配電網狀態(tài)的演化，包括：

5.如權利要求4所述的基于強化學習的電力配電網故障恢復方法，其特征在于，所述基于電力配電網的加權有向圖模型，設計用于電力配電網故障恢復的量子強化學習算法與策略優(yōu)化，并使用電力配電網的訓練數據進行訓練；其中，以量子態(tài)表示強化學習中的狀態(tài)和動作，利用量子門操作實現量子強化學習算法的策略網絡和價值網絡的構建及更新，并設計量子獎勵函數，包括：

6.如權利要求5所述的基于強化學習的電力配電網故障恢復方法，其特征在于，所述當檢測到電力配電網發(fā)生故障時，通過量子-經典混合架構的經典計算部分根據加權有向圖模型獲取故障后的電力配電網狀態(tài)數據，并將電力配電網故障后的電力配電網狀態(tài)數據編碼為量子比特的概率幅傳輸給量子計算部分，包括：

7.如權利要求6所述的基于強化學習的電力配電網故障恢復方法，其特征在于，所述通過量子計算部分利用設計好的量子強化學習算法計算電力配電網的最優(yōu)故障恢復策略并反饋給經典計算部分，并通過經典計算部分將最優(yōu)故障恢復策略轉換為實際控制指令，以執(zhí)行電力配電網的故障恢復工作，包括：

8.一種基于強化學習的電力配電網故障恢復系統(tǒng)，其特征在于，包括：

9.一種基于強化學習的電力配電網故障恢復系統(tǒng)，其特征在于，包括處理器、存儲器以及存儲在所述存儲器中且被配置為由所述處理器執(zhí)行的計算機程序，所述處理器執(zhí)行所述計算機程序時實現如權利要求1至7中任意一項所述的基于強化學習的電力配電網故障恢復方法。

技術總結
本發(fā)明公開了一種基于強化學習的電力配電網故障恢復方法及系統(tǒng)，首先將電力配電網建模為加權有向圖模型，在此基礎上設計量子?經典混合架構的數據傳輸協議和結果接收解析方式；同時基于加權有向圖模型設計量子強化學習算法與策略優(yōu)化，用訓練數據訓練，以量子態(tài)表示狀態(tài)和動作，通過量子門操作構建及更新策略網絡和價值網絡，設計量子獎勵函數；當配電網發(fā)生故障時，經典計算部分依據加權有向圖模型獲取故障后狀態(tài)數據并編碼傳輸給量子計算部分，量子計算部分利用算法計算最優(yōu)故障恢復策略反饋給經典計算部分，經典計算部分將其轉換為實際控制指令執(zhí)行故障恢復工作。本發(fā)明能夠實現電力配電網故障的高效且可靠恢復。

技術研發(fā)人員：陳冬,韓年云,孫春峰
受保護的技術使用者：南京載元自動化科技有限公司
技術研發(fā)日：
技術公布日：2024/12/23