用于联网微电网功率管理的多智能体安全策略学习
系统与控制
2020-10-28 v4 系统与控制
摘要
本文提出一种有监督多智能体安全策略学习（SMAS-PL）方法，用于配电系统中联网微电网（MG）的最优功率管理。传统强化学习（RL）算法是黑箱决策模型，可能无法满足电网运行约束，而我们提出的方法受交流潮流方程及其他运行限制的约束。相应地，训练过程利用运行约束的梯度信息，以确保最优控制策略函数生成安全且可行的决策。此外，我们开发了一种基于分布式共识的优化方法，用于在保持微电网隐私和数据所有权边界的同时训练智能体的策略函数。训练后，学习到的最优策略函数可由微电网安全用于调度其本地资源，而无需从头求解复杂的优化问题。数值实验已被设计用于验证所提方法的性能。
引用
@article{arxiv.1907.02091,
title = {Multi-Agent Safe Policy Learning for Power Management of Networked Microgrids},
author = {Qianzhi Zhang and Kaveh Dehghanpour and Zhaoyu Wang and Feng Qiu and Dongbo Zhao},
journal= {arXiv preprint arXiv:1907.02091},
year = {2020}
}