基于强化学习理论的输电网扩展规划方法

被引：23

作者：

王渝红 ^{[1
,2
]}

胡胜杰 ^{[1
,2
]}

宋雨妍 ^{[1
,2
]}

江栗 ^{[3
]}

沈力 ^{[3
]}

机构：

[1] 四川大学电气工程学院

[2] 智能电网四川省重点实验室(四川大学)

[3] 国家电网公司西南分部

来源：

电网技术 | 2021年 / 45卷 / 07期

关键词：

输电网扩展规划; 强化学习; 多步回溯Q(λ)算法; 自适应学习因子;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 [电力系统及其自动化];

摘要：

该文将人工智能扩展至传统输电网规划中,提出基于强化学习理论的输电网扩展规划方法,以带自适应学习因子的多步回溯α-Q(λ)算法进行求解。基于数据库与蒙特卡洛法,并计及输电可靠性成本建立了扩展规划模型,设计自适应学习因子的多步回溯Q(λ)算法,利用强化学习智能体以最大累积奖励为目标,结合输电网扩展规划特性,将混合整数规划模型转换为算法的智能体与环境,用以模拟规划人员对电网的规划过程。在Garver-6与IEEE 24-RTS系统中验证该文所提方法的有效性,并与其他智能算法进行比较。

引用

收藏

页码：2829 / 2838

页数：10

相关论文

共 17 条

[1]

基于强化学习理论的静态电压稳定裕度评估 [J].

李京 ;

刘道伟 ;

安军 ;

李宗翰 ;

杨红英 ;

赵高尚 ;

杨少波 ;

郑恒峰 .

中国电机工程学报, 2020, 40 (16) :5136-5148

[2]

输配一体化综合能源系统的运行多指标评估方法 [J].

何宇斌 ;

张伊宁 ;

马光 ;

郭创新 ;

周昱甬 ;

叶刚进 .

电力自动化设备, 2019, 39 (08) :120-127+136

[3]

基于改进Benders分解的储能、分布式电源与配电网多阶段规划 [J].

吴志 ;

刘亚斐 ;

顾伟 ;

刘鹏翔 ;

李俊杰 ;

李哲 .

中国电机工程学报, 2019, 39 (16) :4705-4715+4973

[4]

基于强化学习的机器人路径规划算法 [J].

张福海 ;

李宁 ;

袁儒鹏 ;

付宜利 .

华中科技大学学报(自然科学版), 2018, 46 (12) :65-70

[5]

分位数拟合的点估计法随机潮流在输电网规划中的应用 [J].

张衡 ;

程浩忠 ;

曾平良 ;

张建平 ;

陆建忠 .

电力自动化设备, 2018, 38 (11) :43-49

[6]

基于改进小生境遗传算法的输电网安全经济规划模型 [J].

严太山 ;

杨堤 ;

张立波 ;

江海升 ;

郑晓琼 ;

柴宏博 ;

张超 .

水电能源科学, 2018, 36 (07) :206-210

[7]

基于深度Q学习的强鲁棒性智能发电控制器设计 [J].

殷林飞 ;

余涛 .

电力自动化设备, 2018, 38 (05) :12-19

[8]

考虑灵活性供需平衡的输电网扩展规划 [J].

刘万宇 ;

李华强 ;

张弘历 ;

肖伊 .

电力系统自动化, 2018, 42 (05) :56-63

[9]

综合考虑运行效率和弃风损失的输电网规划 [J].

刘自发 ;

于寒霄 ;

王帅 ;

史锐 ;

王智冬 ;

罗娅 .

电网技术, 2018, 42 (03) :827-834

[10]

基于协同一致性迁移Q学习算法的虚拟发电部落AGC功率动态分配 [J].

张孝顺 ;

李清 ;

余涛 ;

陈柏熹 .

中国电机工程学报, 2017, 37 (05) :1455-1467