基于强化学习的电力变压器励磁涌流最小化控制投切方法
系统与控制
2025-03-31 v2 系统与控制
摘要
变压器是电网可靠运行的关键组件。变压器铁芯由铁磁材料构成，因此根据磁化状态的不同，变压器的通电可能会产生高励磁涌流。如此高的幅值会缩短变压器的预期寿命，并导致电网中的电能质量问题。已有多种技术被提出用于最小化励磁涌流；然而，强化学习 (RL) 在这一挑战中的应用尚未得到研究。RL 具备学习适应动态变压器运行环境的励磁涌流最小化策略的能力。本研究提出了一种将控制投切与 RL 相结合的励磁涌流最小化框架。根据断路器的开断角和断开时的剩余磁通，所提方法学习断路器的最佳闭合时刻。两种 RL 算法已通过一台真实 7.4 MVA 电力变压器的基于等效对偶的模型进行了训练和测试。RL 算法的评估使用真实测量数据进行，并与真实实验室励磁涌流进行了比较。结果表明，所提框架能有效最小化励磁涌流。
引用
@article{arxiv.2503.11398,
title = {Reinforcement Learning-Based Controlled Switching Approach for Inrush Current Minimization in Power Transformers},
author = {Jone Ugarte Valdivielso and Jose I. Aizpurua and Manex Barrenetxea and Brian G. Stewart},
journal= {arXiv preprint arXiv:2503.11398},
year = {2025}
}