基于深度强化学习的无模型在线动态多微电网形成以增强韧性
系统与控制
2023-09-06 v1 系统与控制
摘要
多微电网形成（MMGF）是一种有前景的增强电力系统韧性的方案。本文提出一种基于深度强化学习（RL）的无模型在线动态多微电网形成（MMGF）新方案。将动态 MMGF 问题建模为马尔可夫决策过程，并针对拓扑可变的微电网专门设计了完整的深度 RL 框架。为减小由灵活开关操作引起的大动作空间，提出了一种拓扑变换方法并应用了动作解耦 Q 值。进而，开发了基于 CNN 的多缓冲双深度 Q 网络（CM-DDQN）以进一步提升原始 DQN 方法的学习能力。所提深度 RL 方法提供实时计算以支撑在线动态 MMGF 方案，该方案利用自适应在线 MMGF 处理长期韧性增强问题以抵御多变条件。使用 7 总线系统与 IEEE 123 总线系统验证了所提方法的有效性。结果显示出强大的学习能力、对变化系统条件的及时响应以及令人信服的韧性增强。
引用
@article{arxiv.2203.03030,
title = {Deep Reinforcement Learning based Model-free On-line Dynamic Multi-Microgrid Formation to Enhance Resilience},
author = {Jin Zhao and Fangxing Li and Srijib Mukherjee and Christopher Sticht},
journal= {arXiv preprint arXiv:2203.03030},
year = {2023}
}