面向联合配电系统状态估计的分层深度行动者-评论家学习方法
信号处理
2020-12-08 v1 机器学习
摘要
由于波动性分布式光伏(PV)资源渗透率不断提高，对电网边缘用户的实时监测已成为一项关键任务。然而，这需要对配电网格的一级和二级网络联合求解配电系统状态估计(DSSE)，该问题计算复杂且对大型系统缺乏可扩展性。为实现DSSE的近实时求解，我们提出一种新颖的强化学习辅助分层框架：第一层采用加权最小二乘(WLS)算法在一级中压馈线上求解DSSE；第二层为每个二级变压器训练深度行动者-评论家(A-C)模块，利用量测残差估计低压电路状态并捕获电网边缘PV的影响。A-C参数学习过程离线进行，训练好的A-C模块在线部署以实现快速二级电网状态估计；这是该框架可扩展性与计算效率的关键因素。为保持监测精度，两级在二级节点处相互交换边界信息，包括变压器电压（第一层至第二层）和有功/无功总功率注入（第二层至第一层）。这种交互式信息传递策略形成闭环结构，能在少量迭代内跟踪两层级的最优解。此外，我们的模型可利用第一层的雅可比矩阵处理拓扑变化。我们使用实际公用事业数据和馈线模型进行数值实验，验证了所提框架的性能。
引用
@article{arxiv.2012.02880,
title = {A Hierarchical Deep Actor-Critic Learning Method for Joint Distribution System State Estimation},
author = {Yuxuan Yuan and Kaveh Dehghanpour and Zhaoyu Wang and Fankun Bu},
journal= {arXiv preprint arXiv:2012.02880},
year = {2020}
}