| 基于深度强化学习的馈线-台区两阶段电压优化 |
| |
| 引用本文： | 徐晓春,李佑伟,戴欣,袁洲茂,田恩东,姚顺,窦晓波. 基于深度强化学习的馈线-台区两阶段电压优化[J]. 电网与清洁能源, 2023, 39(3): 63-73 |
| |
| 作者姓名： | 徐晓春 李佑伟 戴欣 袁洲茂 田恩东 姚顺 窦晓波 |
| |
| 作者单位： | 1. 国网江苏省淮安供电公司;2. 东南大学 |
| |
| 基金项目： | 国网江苏省电力有限公司科技项目（J2021036） |
| |
| 摘 要： | 分布式电源（distributed generation,DG）在10 kV和400 V配电网中大量接入，给配电网安全运行带来了巨大挑战。由于DG不确定性以及400 V台区实时量测数据不全的问题，基于最优潮流的优化方法难以解决馈线与台区的协同优化问题。为此，该文提出了一种基于电压越限风险和深度强化学习（deep reinforcement learning,DRL）的馈线-台区两阶段优化方法。首先，基于概率最优潮流计算得到10 k V馈线系统的最低电压越限风险下的调控策略，以及节点电压期望值并下发至台区。接着，利用台区调控资源，基于深度强化学习实现台区电压与光伏消纳的多目标优化。最后基于改进的IEEE33节点系统验证了该文方法的有效性。
|
| 关 键 词： | 电压优化 概率最优潮流 非全观测配电网 深度强化学习 分布式电源 |
Two Stage Voltage Optimization of Feeder-Station Area Based on Deep Reinforcement Learning |
| |
| XU Xiaochun,LI Youwei,DAI Xin,YUAN Zhoumao,TIAN Endong,YAO Shun,DOU Xiaobo. Two Stage Voltage Optimization of Feeder-Station Area Based on Deep Reinforcement Learning[J]. Power system and clean energy, 2023, 39(3): 63-73 |
| |
| Authors: | XU Xiaochun LI Youwei DAI Xin YUAN Zhoumao TIAN Endong YAO Shun DOU Xiaobo |
| |
| Affiliation: | 1. State Grid Jiangsu Huaian Power Supply Company;2. Southeast University |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《电网与清洁能源》浏览原始摘要信息 |
|
点击此处可从《电网与清洁能源》下载免费的PDF全文 |
