面向实时电压控制的稳定性约束强化学习
系统与控制
2021-10-01 v1 系统与控制
最优化与控制
摘要
深度强化学习（RL）已被认为是应对电力系统实时控制挑战的一种有前景的工具。然而，其在现实电力系统中的部署因缺乏形式化的稳定性与安全性保证而受阻。本文中，我们提出一种用于配电网实时电压控制的稳定性约束强化学习方法，并证明所提方法提供形式化的电压稳定性保证。我们方法背后的核心思想是一个显式构造的、用于证明稳定性的 Lyapunov 函数。我们在案例研究中证明了该方法的有效性：与广泛使用的线性策略相比，所提方法在始终实现电压稳定性的同时，将暂态控制成本降低逾 30%，并将响应时间缩短三分之一。相比之下，标准 RL 方法常无法实现电压稳定性。
引用
@article{arxiv.2109.14854,
title = {Stability Constrained Reinforcement Learning for Real-Time Voltage Control},
author = {Yuanyuan Shi and Guannan Qu and Steven Low and Anima Anandkumar and Adam Wierman},
journal= {arXiv preprint arXiv:2109.14854},
year = {2021}
}