基于双状态评估器与深度强化学习的配电网无功优化

摘要：

本文将"深度强化学习"引入配电网无功优化,提出了基于双状态评估器与深度强化学习的配电网无功优化方法.首先提出了一种配电网融合特征的提取方法,从配电网运行数据中提取统计特征,然后将统计特征与历史控制策略作为输入,网损与电压偏差分别作为输出,训练了网损评估器与电压偏差评估器.将无功优化问题转化为一个多步马尔科夫决策过程,以最小化网损和电压偏差之和为目标函数,以无功补偿设备的动作指令为策略,并采用基于Double DQN的深度强化学习算法进行求解.对改造后的IEEE 37节点配电网进行无功优化控制实验.结果表明,本文方法有效降低了节点电压偏移和网络损耗,他与配电网系统的模型和参数无关,在线决策速度快,可以实现在线无功优化控制,提高配电网运行经济性.

关键词：融合特征、无功优化、网损评估器、电压偏差评估器、深度强化学习

所属期刊栏目：44

分类号：TM715;TP391;TM614

资助基金：国网山东省电力公司科技项目52062519000P

在线出版日期：2023-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1-9,60