多时间尺度的配电网深度强化学习无功优化策略

被引：103

作者：

胡丹尔 ^{[1
]}

彭勇刚 ^{[1
]}

韦巍 ^{[1
]}

肖婷婷 ^{[1
]}

蔡田田 ^{[2
]}

习伟 ^{[2
]}

机构：

[1] 浙江大学

[2] 南方电网数字电网研究院有限公司

来源：

中国电机工程学报 | 2022年 / 42卷 / 14期

基金：

国家重点研发计划;

关键词：

电压控制; 深度强化学习; 多智能体; 马尔科夫过程; 数据驱动;

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：

随着高比例分布式电源的接入,配电网在应对源荷不确定性和协调多种无功补偿设备等方面面临较大挑战。该文提出一种基于优化数学模型与数据驱动方法相结合的配电网多时间尺度电压调节策略。该策略首先针对长时间尺度调节的有载调压变压器和电容器组,以最小化有功功率损耗为目标,建立基于混合整数二阶锥规划的日前无功电压优化模型。其次,为满足短时间尺度调度对于实时性的要求,提出一种基于多智能体强化学习的日内实时调度方法,将实时无功优化问题转化为马尔科夫博弈过程,并采用集中训练、分散执行框架。与传统方法相比,该方法通信开销低、实时性强并且不依赖于精确的潮流模型。最后,通过IEEE 33节点算例验证所提策略的有效性。

引用

页码：5034 / 5045

页数：12

共 17 条

[1]

Cooperative Management for PV/ESS-Enabled Electric Vehicle Charging Stations: A Multiagent Deep Reinforcement Learning Approach [J].

Shin, MyungJae ;

Choi, Dae-Hyun ;

Kim, Joongheon .

IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS, 2020, 16 (05) :3493-3503

[2]

Deep Reinforcement Learning Based Volt-VAR Optimization in Smart Distribution Systems.[J].Ying Zhang;Xinan Wang;Jianhui Wang;Yingchen Zhang.IEEE Transactions on Smart Grid.2020, 99

[3]

A Multi-agent Deep Reinforcement Learning Based Voltage Regulation using Coordinated PV Inverters.[J].Di Cao;Weihao Hu;Junbo Zhao;Qi Huang;Zhe Chen;Frede Blaabjerg.IEEE Transactions on Power Systems.2020, 99

[4]

Two-Timescale Voltage Control in Distribution Grids Using Deep Reinforcement Learning.[J].Yang Qiuling;Wang Gang;Sadeghi Alireza;Giannakis Georgios B.;Sun Jian.IEEE Transactions on Smart Grid.2019, 3

[5]

Deep Deterministic Policy Gradient (DDPG)-Based Energy Harvesting Wireless Communications [J].