基于集中式与分散式强化学习智能体的多阶段输电线路潮流控制
机器学习
2021-02-18 v1 系统与控制
系统与控制
摘要
规划满足安全性与经济性约束的电力系统未来运行场景，通常需要进行海量仿真并耗费大量人力。为自动化此过程并减轻工程师负担，本文提出一种新颖的多阶段控制方法，训练集中式与分散式强化学习智能体，以在正常状态及事故下自动调节电网控制器从而控制输电线路潮流。电网潮流控制问题被建模为马尔可夫决策过程（MDP）。第一阶段训练集中式软 actor-critic（SAC）智能体，在广域范围内控制发电机有功出力，使输电线路潮流不越指定安全限值。若线路过载问题仍未解决，则采用第二阶段，通过本地变电站的负荷转供训练分散式 SAC 智能体。所提方法的有效性在国网浙江省电力有限公司一系列实际规划算例上得到验证。
引用
@article{arxiv.2102.08430,
title = {Multi-Stage Transmission Line Flow Control Using Centralized and Decentralized Reinforcement Learning Agents},
author = {Xiumin Shang and Jinping Yang and Bingquan Zhu and Lin Ye and Jing Zhang and Jianping Xu and Qin Lyu and Ruisheng Diao},
journal= {arXiv preprint arXiv:2102.08430},
year = {2021}
}
备注
This work is accepted by NeurIPS ML4Eng workshop 2020, please refer to https://ml4eng.github.io/camera_readys/56.pdf