(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211165079.4 (22)申请日 2022.09.21 (71)申请人 华能通辽风力发电有限公司 地址 028000 内蒙古自治区通辽市科左中 旗保康镇铁道东四洮公路西保长线北 (72)发明人 梁哲铭　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 钟文瀚 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) (54)发明名称 一种风电场决策模型训练方法、 控制策略生 成方法及装置 (57)摘要 本申请属于风力发电技术领域， 公开了一种 风电场决策模 型训练方法、 控制策略生成方法及 装置， 该方法包括： 对风电场的内部设施进行数 学建模， 得到风电场的环境数学模型； 获取风电 场的历史数据， 并根据历史数据得到多个不确定 因素的数据； 基于历史数据确定风电场的状态空 间、 操作空间及奖励函数， 并以风电场的环境数 学模型作为环境模型， 根据风电场的状态空间、 操作空间及奖励函数构建深度Q网络模型； 通过 多个不确定因素的数据对深度Q网络模型进行训 练， 得到风电场决策模型。 本申请可以达到提高 风电场抵御极端 事件的能力的效果。 权利要求书2页 说明书9页 附图2页 CN 115545438 A 2022.12.30 CN 115545438 A 1.一种风电场决策模型训练方法， 其特 征在于， 所述方法包括： 对风电场的内部设施进行 数学建模， 得到所述 风电场的环境数 学模型； 获取所述风电场的历史数据， 并根据所述历史数据得到多个不确定因素的数据； 基于所述历史数据确定所述风电场的状态空间、 操作空间及奖励函数， 并以所述风电 场的环境数学模型作为环境模型， 根据所述风电场的状态空间、 操作 空间及奖励函数构建 深度Q网络模型； 通过所述多个不确定因素的数据对所述深度Q网络模型进行训练， 得到风电场决策模 型。 2.根据权利要求1所述的方法， 其特征在于， 所述对风电场的内部设施进行数学建模， 得到所述 风电场的环境数 学模型， 包括： 获取所述风电场的内部设施的各物 理特性及各所述物理特性的约束条件， 并确定所述 风电场的电力潮流约束条件和电力平衡约束条件； 基于所述风电场的内部设施的各物 理特性及各所述物理特性的约束条件、 以及所述风 电场的电力潮流约束条件和电力平衡约束条件， 建立混合整数线性 规划模型。 3.根据权利要求1所述的方法， 其特征在于， 所述多个不确定因素包括极端事件发生 时 间、 极端事件发生地点、 极端事件发生次数、 极端事件发展路径、 风电场在极端事件影响下 的发电量、 风电场用电量、 电力市场实时电价、 检修人员所在位置及风电场在极端事件影响 下与主电网的连接状态。 4.根据权利要求3所述的方法， 其特征在于， 所述状态空间中包含多个状态变量， 所述 多个状态变量包括所述风电场的储能系统电量水平、 升压站室温、 内层温度、 外层温度、 场 用热水温度、 风电场电动车电量， 以及所述 风电场通过电力市场的买电量和卖电量。 5.根据权利要求3所述的方法， 其特征在于， 所述操作空间中包含多个操作变量， 所述 多个操作变量包括储能系统的充放电指 令、 风电场电动车充电指令、 空调控制指 令、 热水器 控制指令、 以及选择实时从电力市场买电还是向电力市场卖电。 6.根据权利要求1至5任一项所述的方法， 其特征在于， 所述通过所述多个不确定因素 的数据对所述深度Q网络模型进行训练， 得到风电场决策模型， 包括： 将所述多个不确定因素的数据分为训练集、 第 一测试集及第 二测试集， 所述训练集、 所 述第一测试集及所述第二测试集中所包 含的数据不同； 通过所述训练集对所述深度Q网络模型进行训练， 得到经 过训练的深度Q网络模型； 通过所述第一测试集和所述第二测试集分别对经过训练的深度Q网络模型进行测试， 得到风电场决策模型。 7.一种风电场控制策略生成方法， 其特 征在于， 所述方法包括： 采集风电场的当前不确定因素 数据； 将所采集的当前不确定因素数据输入风电场决策模型， 所述风电场决策模型是根据权 利要求1至 6任一项所述的风电场决策模型训练方法训练获得的； 获取所述风电场决策模型输出的控制策略。 8.一种风电场决策模型训练装置， 其特 征在于， 所述装置包括： 环境创建模块， 用于对风电场的内部设施进行数学建模， 得到所述风电场的环境数学 模型；权　利　要　求　书 1/2 页 2 CN 115545438 A 2历史数据获取模块， 用于获取所述风电场的历史数据， 并根据所述历史数据得到多个 不确定因素的数据； 模型创建模块， 用于基于所述历史数据确定所述风电场的状态空间、 操作空间及奖励 函数， 并以所述风电场的环境数学模型作为环境模 型， 根据所述风电场的状态空间、 操作空 间及奖励函数构建深度Q网络模型； 模型训练模块， 用于通过所述多个不确定因素的数据对所述深度Q网络模型进行训练， 得到风电场决策模型。 9.一种风电场控制策略生成装置， 其特 征在于， 所述装置包括： 数据采集模块， 用于采集 风电场的当前不确定因素 数据； 数据输入模块， 用于将所采集的当前不确定因素数据输入风电场决策模型， 所述风电 场决策模型 是根据权利要求1至 6任一项所述的风电场决策模型训练方法训练获得的； 控制策略生成模块， 用于获取 所述风电场决策模型输出的控制策略。 10.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求1至7中任一项 所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115545438 A 3