基于深度强化学习的配电网负荷转供控制方法

摘要：

随着城市规模的快速扩张以及电能替代的不断推进,配电网节点数大量增加,结构愈加复杂,发生故障后拓扑变化不确定性较大,传统负荷转供方法难以在短时间内给出高质量的解决方案.为此,提出基于深度强化学习的配电网负荷转供控制方法.将负荷转供过程视为一个马尔可夫决策过程,与配电网实时电气、拓扑数据进行交互,对联络开关与分段开关进行控制.为了提高算法的精度与泛化能力,针对算法动作策略加入了预模拟机制,调整了动作与学习的比例并采用自适应优化算法进行求解.算例分析表明,所提方法能够应对不同故障下配电网的拓扑变化,即时给出负荷恢复量、电网损耗、开关动作次数多方面最优的转供控制方案,这对于减小故障后的停电损失与提高用户满意度有着重要意义.

关键词：深度强化学习、配电网、负荷转供、马尔可夫决策过程

所属期刊栏目：42

分类号：TM761(输配电工程、电力网及电力系统)

资助基金：国网河北省电力有限公司科技项目kj2021-014

在线出版日期：2022-08-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：253-260