面向长期电压稳定控制的深度强化学习
系统与控制
2022-07-12 v1 系统与控制
摘要
深度强化学习（DRL）是一种基于机器学习的方法，适用于复杂高维控制问题。本研究开发了一种基于 DRL 的实时控制系统，用于长期电压稳定事件。研究了利用需求响应（DR）和储能系统（ESS）的系统服务作为控制措施以稳定系统的可能性。DRL 控制的性能在修改后的 Nordic32 测试系统上进行了评估。结果表明，DRL 控制能快速学习到有效的控制策略，可处理使用 DR 和 ESS 时所涉及的不确定性。将 DRL 控制与基于规则的减载方案进行比较，表明 DRL 控制能以显著更快的速度和更少的负荷削减稳定系统。最后，当在训练数据中未包含的负荷与扰动场景下测试和评估性能时，该控制的鲁棒性与泛化能力被证明是有效的。
引用
@article{arxiv.2207.04240,
title = {Deep Reinforcement Learning for Long-Term Voltage Stability Control},
author = {Hannes Hagmar and Le Anh Tuan and Robert Eriksson},
journal= {arXiv preprint arXiv:2207.04240},
year = {2022}
}
备注
In proceedings of the 11th Bulk Power Systems Dynamics and Control Symposium (IREP 2022), July 25-30, 2022, Banff, Canada