基于深度强化学习的智能配电系统电压-无功优化
系统与控制
2020-04-21 v2 系统与控制
信号处理
摘要
本文在不平衡配电系统中通过多智能体深度强化学习（MADRL）开发了一种无模型的电压-无功优化（VVO）算法。该方法新颖之处在于我们将不平衡配电网中的VVO问题转化为智能深度Q网络（DQN）框架，从而在面对系统时变运行条件时避免直接求解特定优化模型。我们将安装于分布式电源的可切换电容器、电压调节器和智能逆变器的状态/变比作为DQN智能体的动作变量。精心设计的奖励函数引导这些智能体与配电系统交互，朝着同时强化电压调节与降低功率损耗的方向发展。面向辐射状三相配电系统的前推回代法为DQN环境在数次迭代内提供准确潮流结果。最终，所提多目标MADRL方法实现了VVO的双重目标。我们在不平衡IEEE 13节点与123节点系统上测试该算法。数值仿真验证了该方法在电压调节与功率损耗降低方面的优异性能。
引用
@article{arxiv.2003.03681,
title = {Deep Reinforcement Learning Based Volt-VAR Optimization in Smart Distribution Systems},
author = {Ying Zhang and Xinan Wang and Jianhui Wang and Yingchen Zhang},
journal= {arXiv preprint arXiv:2003.03681},
year = {2020}
}