分布网PV逆变器电压控制的可部分观测残差强化学习
系统与控制
2025-12-30 v1 系统与控制
摘要
本文引入一种高效的残差强化学习（RRL）框架，用于主动分布网的电压控制。电压控制仍是分布网的关键挑战，其中常规强化学习方法常因训练收敛缓慢和探索效率低而不足。为克服这些挑战，所提出的RRL方法在修改的顺序滴答控制（SDC）机制之上学习残差策略，确保更快的收敛。此外，该框架引入了局部共享线性（LSL）架构用于Q网络和Transformer编码器演员网络，整体提升了性能。不同于现有几种方法，所提方法仅依赖逆变器测量，无需获取电网的完整状态信息，从而更适用于实际部署。仿真结果验证了RRL框架在实现快速收敛、最小化主动功率削减和确保可靠电压调节方面的有效性。
关键词
引用
@article{arxiv.2506.19353,
title = {Partially Observable Residual Reinforcement Learning for PV-Inverter-Based Voltage Control in Distribution Grids},
author = {Sarra Bouchkati and Ramil Sabirov and Steffen Kortmann and Andreas Ulbig},
journal= {arXiv preprint arXiv:2506.19353},
year = {2025}
}