电工电能新技术

作者：邓清唐1， 胡丹尔2， 蔡田田1， 李肖博1， 徐贤民2， 彭勇刚2

单位：1.南方电网数字电网研究院有限公司， 广东 广州 510663；
\r\n2.浙江大学电气工程学院， 浙江 杭州 310027

关键词：多智能体, 深度强化学习, 无功优化, 数据驱动, 低感知度配电网

基金：国家重点研发计划资助（2020YFB0906000， 2020YFB0906002）

配电网中光伏、风机设备出力随机波动以及负荷波动带来的电压波动、网损增加等问题，给配电网在线无功优化带来了挑战。本文采用一种无模型的深度确定性策略梯度(MADDPG)算法多智能体强化学习框架, 采用集中训练、分散执行的方式解决无功优化问题。MADDPG算法将每一个智能体当作一个行动者(Actor)，在离线训练过程中每个Actor可以借助一个评论家(Critic)进行训练。所提策略用深度神经网络拟合可投切电容器、有载调压变压器分接头以及分布式电源逆变器的动作函数，在和配电网环境交互过程中完成深度神经网络的训练。利用该强化学习算法在线实时决策无功调节设备的调度方案，此方法不需要通过精确的潮流建模，也不依赖于日前的数据预测，适用于通信能力较弱的部分观测配电网。最后，通过算例来验证MADDPG算法的有效性。

来源：2022年第2期

《电工电能新技术》期刊编辑部

查看电工电能新技术杂志2022年第2期