基于Q-learning算法的微电网弹性增强控制

摘要：

极端灾害事件的频繁发生对电网稳定运行造成严重威胁,电网弹性的提升的亟待加强.本文提出了一种微电网弹性增强控制策略,将Q-learning算法与MAS框架的微电网紧密结合,并对智能体动作的选取增加了建议度的参考量.旨在极端事件扰动后通过微电网内部开关变换操作来快速恢复运行.首先,根据智能体位置和功能的不同对其进行类型划分,并对不同属性的智能体进行奖励方式选择和奖励值计算.其次,对智能体采用ε贪心动作策略,并根据建议度的大小进行动作策略的选择和更新,通过Q-learning算法的迭代求解出最优开关动作序列号.实验仿真和结果验证该了方法的有效性,该方法在极端灾害事件发生后能够优先保证对重要负荷恢复供电,且电网波动较小.

关键词：微电网、Q-learning算法、弹性增强控制、极端灾害事件扰动、灾后微电网恢复

分类号：TM732(输配电工程、电力网及电力系统)

资助基金：基于知识自动化理论的变电站健康运行方法研究U1804149

在线出版日期：2022-04-24（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：175-180