多时间尺度的配电网深度强化学习无功优化策略OA北大核心CSTPCD
Multi-timescale Deep Reinforcement Learning for Reactive Power Optimization of Distribution Network
随着高比例分布式电源的接入,配电网在应对源荷不确定性和协调多种无功补偿设备等方面面临较大挑战.该文提出一种基于优化数学模型与数据驱动方法相结合的配电网多时间尺度电压调节策略.该策略首先针对长时间尺度调节的有载调压变压器和电容器组,以最小化有功功率损耗为目标,建立基于混合整数二阶锥规划的日前无功电压优化模型.其次,为满足短时间尺度调度对于实时性的要求,提出一种基于多智能体强化学习的日内实时调度方法,将实时无功优化问题转化为马尔科夫博弈过程,并采用集…查看全部>>
胡丹尔;彭勇刚;韦巍;肖婷婷;蔡田田;习伟
浙江大学,浙江省 杭州市 310027浙江大学,浙江省 杭州市 310027浙江大学,浙江省 杭州市 310027浙江大学,浙江省 杭州市 310027南方电网数字电网研究院有限公司,广东省 广州市 510663南方电网数字电网研究院有限公司,广东省 广州市 510663
信息技术与安全科学
电压控制深度强化学习多智能体马尔科夫过程数据驱动
《中国电机工程学报》 2022 (14)
5034-5044,中插3,12
国家重点研发计划项目(2020YFB0906000,2020YFB0906002).
评论