基于反事实多智能体强化学习和有功无功协同控制的配电网电压优化OA北大核心CSTPCD

大量分布式电源的接入使配电网的结构与控制方式发生改变。针对分布式电源间歇性和波动性引起的电压越限问题,通过调节系统中无功潮流与有功潮流的分布来维持配电网的电压稳定。提出了一种基于反事实多智能体策略梯度(counterfactual multi-agent policy gradients, COMA)算法的配电网电压协同优化方法,通过反事实基线解决了多智能体强化学习中的“信度分配”问题,实现有功出力设备和无功补偿设备的联合优化调度。智能体通过局部观测值选定动作,减轻系统的通信压力,且不依赖精确的潮流模型,以实现配电网的实时优化控制。通过改进的IEEE33节点系统和141节点系统验证了所提算法的可行性与有效性。并与经典算法的控制效果进行比较,进一步证明所提算法在配电网电压优化控制方面的性能优势。