基于深度强化学习的配电网在线拓扑优化策略研究

摘要：

分布式发电(distributed generation,DG)在电力系统中的应用日益广泛,会频繁地导致在线电压问题.在分布式发电产生较大预测误差时,依靠有限的电压调节装置逐渐不能满足在线电压调节的要求.针对这一问题,提出了一种灵活的拓扑控制方法,并采用一种深度强化学习算法对其进行建模与求解.该算法中的动作机制与图论中的分支交换概念相融合,有效简化了智能体的动作维度和动作空间.在标准IEEE 14节点系统上的算例表明,该算法具备较优秀的泛化能力;与传统算法相比,该算法在获得接近最优解的同时,显著提高了计算性能,满足在线电压调节的需求.

关键词：在线重构、配电网、深度强化学习、动作机制、在线拓扑优化

所属期刊栏目：24

分类号：TM712;TM734(输配电工程、电力网及电力系统)

资助基金：国家电网有限公司总部科技项目SGTYHT/19-JS-215

在线出版日期：2022-07-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：9-14