基于深度强化学习的馈线-台区两阶段电压优化

摘要：

分布式电源(distributed generation,DG)在10 kV和400 V配电网中大量接入,给配电网安全运行带来了巨大挑战.由于DG不确定性以及400 V台区实时量测数据不全的问题,基于最优潮流的优化方法难以解决馈线与台区的协同优化问题.为此,该文提出了一种基于电压越限风险和深度强化学习(deep reinforcement learning,DRL)的馈线-台区两阶段优化方法.首先,基于概率最优潮流计算得到10 kV馈线系统的最低电压越限风险下的调控策略,以及节点电压期望值并下发至台区.接着,利用台区调控资源,基于深度强化学习实现台区电压与光伏消纳的多目标优化.最后基于改进的IEEE33节点系统验证了该文方法的有效性.

关键词：电压优化、概率最优潮流、非全观测配电网、深度强化学习、分布式电源

所属期刊栏目：39

分类号：TM76(输配电工程、电力网及电力系统)

资助基金：国网江苏省电力有限公司科技项目J2021036

在线出版日期：2023-04-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：63-73