基于深度强化学习的配电网在线拓扑优化策略研究
Power Demand Side Management(2022)
摘要
分布式发电(distributed generation,DG)在电力系统中的应用日益广泛,会频繁地导致在线电压问题.在分布式发电产生较大预测误差时,依靠有限的电压调节装置逐渐不能满足在线电压调节的要求.针对这一问题,提出了一种灵活的拓扑控制方法,并采用一种深度强化学习算法对其进行建模与求解.该算法中的动作机制与图论中的分支交换概念相融合,有效简化了智能体的动作维度和动作空间.在标准IEEE 14节点系统上的算例表明,该算法具备较优秀的泛化能力;与传统算法相比,该算法在获得接近最优解的同时,显著提高了计算性能,满足在线电压调节的需求.
更多AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要