基于批量强化学习的电压调节变压器最优分接头设置
最优化与控制
2020-06-09 v2 机器学习
摘要
本文中，我们解决在不确定负荷动态下辐射状配电系统中用于电压调节的有载分接开关（LTCs）分接头位置设置问题。目标是找到一种策略以确定仅使用电压幅值测量与拓扑信息从而最小化系统电压偏差的分接头位置。我们将该问题建模为马尔可夫决策过程（MDP），并提出一种批量强化学习（RL）算法求解。借助线性化潮流模型，我们提出一种有效算法估计不同分接头设置下的电压幅值，使 RL 算法能够离线自由探索状态与动作空间而不影响系统运行。为规避由大状态与动作空间导致的“维数灾难”，我们提出一种序贯学习算法为每个 LTC 学习动作值函数，并据此直接确定最优分接头位置。所提算法的有效性通过在 IEEE 13 节点与 123 节点配电测试馈线上的数值仿真得到验证。
引用
@article{arxiv.1807.10997,
title = {Optimal Tap Setting of Voltage Regulation Transformers Using Batch Reinforcement Learning},
author = {Hanchen Xu and Alejandro D. Domínguez-García and Peter W. Sauer},
journal= {arXiv preprint arXiv:1807.10997},
year = {2020}
}