| 面向主动配电网实时优化调度的图强化学习方法 |
| |
| 作者姓名： | 陈俊斌 余涛 潘振宁 |
| |
| 作者单位： | 华南理工大学电力学院 广东广州 510640;广东省电网智能量测与先进计量企业重点实验室,广东广州 510640 |
| |
| 基金项目： | 国家自然科学基金委员会–国家电网公司智能电网联合基金项目(U2066212), 国家自然科学基金项目(52207105), 中国博士后科学基金项目(2022 M721184)资助. |
| |
| 摘 要： | 主动配电网的新能源、储能等能源形式可以有效提高运行的灵活性和可靠性,同时新能源和负荷也给配电网带来了双重不确定性,致使主动配电网的实时优化调度决策维度大、建模精度差.针对这一问题,本文提出结合图神经网络和强化学习的图强化学习方法,避免对复杂系统的精准建模.首先,将实时优化调度问题表述为马尔可夫决策过程,并将其表述为动态序贯决策问题.其次,提出了基于物理连接关系的图表示方法,用以表达状态量的隐含相关性.随后,提出图强化学习来学习将系统状态图映射到决策输出的最优策略.最后,将图强化学习推广到分布式图强化学习.算例结果表明,图强化学习在最优性和效率方面都取得了更好的效果.
|
| 关 键 词： | 主动配电网 实时优化调度 图表示学习 图强化学习 图神经网络 |
| 收稿时间： | 2023-02-27 |
| 修稿时间： | 2023-07-15 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《控制理论与应用》浏览原始摘要信息 |
|
点击此处可从《控制理论与应用》下载免费的PDF全文 |
|
