基于多智能体深度强化学习的配电网无功优化策略

被引：38

作者：

邓清唐 ^{[1
]}

胡丹尔 ^{[2
]}

蔡田田 ^{[1
]}

李肖博 ^{[1
]}

徐贤民 ^{[2
]}

彭勇刚 ^{[2
]}

机构：

[1] 南方电网数字电网研究院有限公司

[2] 浙江大学电气工程学院

来源：

电工电能新技术 | 2022年 / 02期

基金：

国家重点研发计划;

关键词：

多智能体; 深度强化学习; 无功优化; 数据驱动; 低感知度配电网;

D O I：

暂无

中图分类号：

TM714.3 [系统中能量损失的降低及无功功率的补偿]; TP18 [人工智能理论];

学科分类号：

080802 [电力系统及其自动化]; 140502 [人工智能];

摘要：

配电网中光伏、风机设备出力随机波动以及负荷波动带来的电压波动、网损增加等问题，给配电网在线无功优化带来了挑战。本文采用一种无模型的深度确定性策略梯度(MADDPG)算法多智能体强化学习框架，采用集中训练、分散执行的方式解决无功优化问题。MADDPG算法将每一个智能体当作一个行动者(Actor),在离线训练过程中每个Actor可以借助一个评论家(Critic)进行训练。所提策略用深度神经网络拟合可投切电容器、有载调压变压器分接头以及分布式电源逆变器的动作函数，在和配电网环境交互过程中完成深度神经网络的训练。利用该强化学习算法在线实时决策无功调节设备的调度方案，此方法不需要通过精确的潮流建模，也不依赖于日前的数据预测，适用于通信能力较弱的部分观测配电网。最后，通过算例来验证MADDPG算法的有效性。

引用

页码：10 / 20

页数：11

共 22 条

[1]

光热电站的高比例可再生能源系统混合储能容量优化配置方法 [J].