基于深度强化学习的城市配电网多级动态重构优化运行方法

作者：王子晗; 高红均^*; 高艺文; 卿竹雨; 胡铭洋; 刘俊勇

来源：电力系统保护与控制, 2022, 50(24): 60-70.

DOI：10.19783/j.cnki.pspc.220313

• 城市配电网
• 配电网重构
• 机器学习
• 深度Q网络

随着配电网分布式电源的大量接入以及城市区域负荷的快速发展，使得配电网运行环境愈发复杂。同时由于配电网重构涉及大量的开关状态二进制零散变量，现有优化方法很难求解大规模城市配电网重构问题。基于此，提出一种基于深度强化学习的城市配电网多级动态重构方法。首先，建立基于深度学习的配电网多级重构快速判断模型，通过该模型实现对重构级别在线决策，并对智能体动作空间进行降维。其次，使用含参数冻结和经验回放机制的深度Q网络对预测负荷、光伏能源输出功率等环境信息进行学习。以运行成本、电压偏移度以及负荷均衡度最优为目标，通过习得的策略集对配电网进行动态重构与运行优化。建立多智能体强化学习模型，对各个时段的不同重构主体进行联合优化。最后，通过算例分析验证了所提方法的有效性。

• 单位
  四川大学; 国网四川省电力公司电力科学研究院