基于风险敏感强化学习且性能单调提升的微电网群协同调度
系统与控制
2023-10-18 v1 系统与控制
摘要
将独立微电网（MG）整合为微电网群（MGC）可通过资源共享与断电时备用保障，显著提升能源供应的可靠性与灵活性。MGC 的调度是确保其安全经济运行需解决的关键挑战。当前缺乏一种能在 MGC 调度的首要需求——包括快速计算速度、最优性、多目标及针对不确定性的风险缓释——之间取得权衡的优化方法。本文提出一种新颖的多目标、风险敏感且在线信赖域策略优化（RS-TRPO）算法以应对该问题。首先，提出 MGC 中自治 MG 的调度范式，使其依次实施自调度以缓解潜在冲突。随后将该调度范式建模为马尔可夫博弈模型，并最终由 RS-TRPO 算法求解。该在线算法使 MG 能自发搜索兼顾多目标与风险缓释的帕累托前沿。在集成四个自治 MG 的改进 IEEE 30 节点测试系统中，与数学规划方法及启发式算法对比，证明了该算法卓越的计算性能。
引用
@article{arxiv.2310.10997,
title = {Cooperative Dispatch of Microgrids Community Using Risk-Sensitive Reinforcement Learning with Monotonously Improved Performance},
author = {Ziqing Zhu and Xiang Gao and Siqi Bu and Ka Wing Chan and Bin Zhou and Shiwei Xia},
journal= {arXiv preprint arXiv:2310.10997},
year = {2023}
}