10.13335/j.1000-3673.pst.2021.1737
基于多智能体深度强化学习的分布式电源优化调度策略
针对分布式电源集中优化调度难以解决隐私保护的问题,提出一种基于多智能体深度强化学习的分布式优化调度方法.该方法可自适应源荷不确定性,在源荷随机波动的情况下实时给出优化调度策略.首先,阐述了基于通信神经网络架构的多智能体深度强化学习方法原理.然后,提出基于多智能体深度强化学习的分区分布式优化调度框架,以日运行成本最低为目标构建日前优化调度模型,并考虑各种运行约束.继而,采用近端策略优化算法对该模型进行离线训练,利用训练好的模型进行在线优化调度决策.最后通过改进IEEE33节点算例进行仿真验证,结果表明,各自治区域在仅利用局部通信的情况下即可计算出各自的近似全局最优解.
分布式电源、分布式优化调度、多智能体、深度强化学习
46
TM721(输配电工程、电力网及电力系统)
国家自然科学基金;中国电力科学研究院有限公司研究开发项目
2022-09-27(万方平台首次上网日期,不代表论文的发表时间)
共8页
3496-3503