基于深度强化学习的含智能软开关配电网电压控制方法

作     者：朱振山 张新炳 陈豪 ZHU Zhenshan;ZHANG Xinbing;CHEN Hao

作者机构：福州大学电气工程与自动化学院福州350108 智能配电网装备福建省高校工程研究中心福州350108 

出 版 物：《高电压技术》 (High Voltage Engineering)

年 卷 期：2024年第50卷第3期

页      面：1214-1224,I0023页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国网福建省电力有限公司科技项目(52130N22000C) 

主　　题：深度强化学习 电压控制 智能软开关 多智能体 配电网 高斯过程回归 

摘      要：大量分布式新能源接入给配电网运行带来了电压越限和网损增加等一系列问题。提出了一种基于多智能体强化学习的无模型电压控制策略,通过协调光伏逆变器、分布式储能和智能软开关以降低网损、消除电压越限。针对传统电压控制策略对配电网精确的模型参数依赖性强的问题,提出了基于高斯过程回归的潮流替代模型,通过多智能体与潮流替代模型交互实现无模型的离线训练和在线应用。同时提出了一种基于随机加权三重Q学习的多智能体深度强化学习算法,能够进一步降低柔性演员-评论家算法的高低估误差,提升算法探索能力和收敛结果。最后在IEEE33节点系统上的仿真结果,验证了所提方法在解决配电网分布式电压优化控制问题上的有效性。