基于深度强化学习的配电网多时间尺度在线无功优化

被引：97

作者：

倪爽 ^{[1
]}

崔承刚 ^{[1
]}

杨宁 ^{[1
]}

陈辉 ^{[1
]}

奚培锋 ^{[2
]}

李振坤 ^{[3
]}

机构：

[1] 上海电力大学自动化工程学院

[2] 上海市智能电网需求响应重点实验室

[3] 上海电力大学电气工程学院

来源：

电力系统自动化 | 2021年 / 45卷 / 10期

关键词：

配电网; 深度强化学习; 马尔可夫决策过程; 网络损耗; 多时间尺度无功优化;

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：

含分布式电源的配电网存在潮流建模不精确、通信条件差、各无功补偿设备难以协调等问题,给配电网在线无功优化带来了挑战。文中采用深度强化学习方法,提出了一种多时间尺度配电网在线无功优化运行方案。该方案将配电网在线无功优化问题转化为马尔可夫决策过程。鉴于不同无功补偿设备的调节速度不同,设计2个时间尺度分别对离散调节设备和连续调节设备进行优化配置。该方案能够实时追踪配电网状态,在线决策无功调节设备的优化方案,且不依赖精确的潮流模型,适用于复杂多变、通信条件差的部分可观测配电网。最后,通过算例验证了所提方法的有效性和鲁棒性。

引用

页码：77 / 85

页数：9

共 24 条

[1]

基于自适应模型预测控制的柔性互联配电网优化调度 [J].