一种基于深度强化学习的最优有功功率调度方法
最优化与控制
2019-09-02 v1 信号处理
摘要
可再生能源与电力电子设备的随机性和动态性给现代电力系统带来了独特挑战。其中一个挑战是，传统的基于数学模型的最优有功功率调度（OAPD）方法在处理由可再生能源及其他系统偶然事件引起的不确定性方面能力有限。本文提出一种基于深度强化学习（DRL）的方法，在无系统建模的情况下为 OAPD 问题提供近最优解。DRL 智能体经过离线训练，基于此能够在未见过的场景（例如不同负荷模式）下获得 OAPD 点。所提出的基于 DRL 的 OAPD 方法在 IEEE 14 节点系统上进行了测试，从而验证了其求解 OAPD 问题的可行性。其效用进一步得到确认，即它可作为求解未来无模型 AC-OPF 问题的关键组件。
引用
@article{arxiv.1908.11543,
title = {A Deep Reinforcement Learning Based Approach for Optimal Active Power Dispatch},
author = {Jiajun Duan and Haifeng Li and Xiaohu Zhang and Ruisheng Diao and Bei Zhang and Di Shi and Xiao Lu and Zhiwei Wang and Siqi Wang},
journal= {arXiv preprint arXiv:1908.11543},
year = {2019}
}
备注
The paper is accepted by IEEE Sustainable Power & Energy Conference (iSPEC) 2019, Beijing, China