科研之友
微信
新浪微博
Facebook
分享链接
摘要
极端灾害事件的频繁发生对电网稳定运行造成严重威胁，电网弹性的提升的亟待加强。本文提出了一种微电网弹性增强控制策略，将Q-learning算法与MAS框架的微电网紧密结合，并对智能体动作的选取增加了建议度的参考量。旨在极端事件扰动后通过微电网内部开关变换操作来快速恢复运行。首先，根据智能体位置和功能的不同对其进行类型划分，并对不同属性的智能体进行奖励方式选择和奖励值计算。其次，对智能体采用ε贪心动作策略，并根据建议度的大小进行动作策略的选择和更新，通过Q-learning算法的迭代求解出最优开关动作序列号。实验仿真和结果验证该了方法的有效性，该方法在极端灾害事件发生后能够优先保证对重要负荷恢复供电，且电网波动较小。
- 单位
