基于深度强化学习的自适应电力系统紧急控制
机器学习
2019-04-23 v2 系统与控制
机器学习
摘要
电力系统紧急控制通常被视为电网安全与韧性的最后一道安全网。现有紧急控制方案通常基于设想的“最差”情形或少数典型运行场景离线设计。随着现代电网中不确定性与变化增多，这些方案面临显著的适应性与鲁棒性问题。为应对这些挑战，本文首次利用深度强化学习（DRL）开发了新的自适应紧急控制方案，借助 DRL 对复杂电力系统的高维特征提取与非线性泛化能力。此外，首次设计了名为 RLGC 的开源平台，以辅助电力系统控制中 DRL 算法的开发与基准测试。给出了该平台以及基于 DRL 的发电机动态制动与低压减载紧急控制方案的细节。在两区域四机系统与 IEEE 39 节点系统中的大量案例研究证明了所提方案的优异性能与鲁棒性。
引用
@article{arxiv.1903.03712,
title = {Adaptive Power System Emergency Control using Deep Reinforcement Learning},
author = {Qiuhua Huang and Renke Huang and Weituo Hao and Jie Tan and Rui Fan and Zhenyu Huang},
journal= {arXiv preprint arXiv:1903.03712},
year = {2019}
}
备注
12 pages