面向电力系统紧急减负荷的安全强化学习
系统与控制
2020-11-20 v1 系统与控制
摘要
电网的范式转变需要重新审视现有控制方法，以确保电网的安全性与韧性。特别是，电力系统中不断增加的不确定性和快速变化的运行条件，暴露了现有电力系统控制在速度、自适应性和可扩展性方面的突出问题。另一方面，海量实时数据的可用性可以更清晰地呈现电网中正在发生的情况。近来，深度强化学习（RL）被视为并已被采用为一种有前景的方法，可利用海量数据实现快速且自适应的电网控制。然而，与大多数现有的基于机器学习（ML）的控制技术类似，RL控制通常无法保证受控系统的安全性。在本文中，我们引入一种新颖的基于安全RL的电力系统减负荷方法，可增强电网在经历故障后的安全电压恢复。在39总线IEEE基准系统上的数值仿真证明了所提出的安全RL紧急控制的有效性，以及其对训练未见过故障的自适应能力。
引用
@article{arxiv.2011.09664,
title = {Safe Reinforcement Learning for Emergency LoadShedding of Power Systems},
author = {Thanh Long Vu and Sayak Mukherjee and Tim Yin and Renke Huang and and Jie Tan and Qiuhua Huang},
journal= {arXiv preprint arXiv:2011.09664},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:2006.12667