基于深度确定性策略梯度的主动配电网有功-无功协调优化调度

为了实现主动配电网(active distribution network, ADN)的有功-无功资源协调控制，提高配电系统供电可靠性及经济性，提出一种基于深度确定性策略梯度(deep deterministic policy gradient, DDPG)的ADN有功-无功协调优化调度策略。首先，在避免电压和潮流越限的情况下，以ADN日运行成本最小为目标，计及可投切电容器组、有载调压变压器、微型燃气轮机和能量储存系统构建ADN有功-无功协调调度模型。其次，将ADN实时调度问题转化成马尔科夫决策过程，并定义系统的状态空间、动作空间及奖励函数。然后，为提升深度确定性策略梯度的离线训练速度和奖励回报，在算法中加入优先经验回放(priority experience replay, PER)机制，并搭建了基于优先经验回放机制的深度确定性策略梯度(PER-DDPG)ADN在线调度框架。最后，在修改的IEEE-34节点配电系统上进行仿真，算例结果表明，PER-DDPG方法通过高效的经验学习，能够为ADN提供安全、经济的调度策略。