智能电网应用中安全强化学习技术的批判性综述

现代智能电力系统中分布式能源资源（DERs）的高渗透率给电力行业带来了不可预见的的不确定性，导致电力系统运行和控制的复杂性和难度增加。作为一种前沿的机器学习技术，深度强化学习（DRL）近年来被广泛用于处理电力系统中的不确定性。然而，在电力系统等关键基础设施中，安全问题始终是首要考虑的问题，而DRL可能并不总能满足电力系统运营商的安全要求。安全强化学习（safe RL）的概念正在成为克服传统DRL在电力系统运行和控制中缺点的潜在解决方案。本研究对最新的专注于安全RL的研究工作进行了严格的综述，这些工作旨在推导电力系统控制策略，同时考虑电网的独特安全要求。此外，本研究重点介绍了应用于电力系统领域各种应用中的各种安全RL算法，从单个并网功率转换器、住宅智能家居和建筑到大型配电网络。对于所有概述的方法，还讨论了它们在电力系统应用运行和控制中的瓶颈、研究挑战和潜在机遇。本综述旨在支持安全RL算法领域的研究，在DERs带来的高不确定性中，拥抱具有安全约束的智能电力系统运行。