基于代理模型与深度强化学习的无模型不平衡配电网电压调节
系统与控制
2020-06-26 v1 机器学习
系统与控制
摘要
实现良好的电压控制需要准确掌握配电系统拓扑与参数,但这在实践中难以获取。本文提出了一种基于代理模型与深度强化学习(DRL)的无模型方法。我们还将其扩展以处理不平衡三相场景。其核心思想是从历史数据中学习一个代理模型,以捕捉各节点功率注入与电压波动之间的关系,而非使用受误差与不确定性影响的原始不精确模型。这使我们能够将 DRL 与所学代理模型相集成。具体而言,应用 DRL 通过与代理模型持续交互获得的经验来学习最优控制策略。该集成框架包含训练三个网络,即代理模型、actor 与 critic 网络,充分借助深度学习与 DRL 的强非线性拟合能力进行在线决策。若干单相方法也已扩展至三相不平衡场景,在 IEEE 123-总线系统上的仿真结果表明,我们所提方法可达到与使用精确物理模型的方法相近的性能。
引用
@article{arxiv.2006.13992,
title = {Model-Free Voltage Regulation of Unbalanced Distribution Network Based on Surrogate Model and Deep Reinforcement Learning},
author = {Di Cao and Junbo Zhao and Weihao Hu and Fei Ding and Qi Huang and Zhe Chen and Frede Blaabjerg},
journal= {arXiv preprint arXiv:2006.13992},
year = {2020}
}
备注
8 pages, 10 figures