基于改进强化学习算法的主动配电网在线等值建模

作者：韦乾龙; 唐文虎; 江昌旭; 钱瞳; 李维维; 郑杰辉

来源：广东电力, 2021, 34(11): 19-26.

DOI：10.3969/j.issn.1007-290X.2021.011.003

• 主动配电网
• 等值模型
• 强化学习算法
• 参数辨识

随着高比例可再生能源的渗透,主动配电网的建模对电网调度和规划非常重要。为了准确描述分布式发电的随机性和负荷的时变性,提出一种基于改进强化学习算法的主动配电网等值模型。首先,考虑主动配电网中可再生能源及负荷的不确定性,对风电机组、光伏发电和负荷分别建模;其次,提出一种权重衰减策略,对采样样本进行评估;最后,基于改进强化学习算法对模型参数进行在线辨识,得到主动配电网等值模型。为了验证该等值模型的精度,在IEEE 30节点输电网和IEEE 33节点配电网的联合系统中进行仿真测试,结果表明:引入自适应学习速率以及增加搜索方向的强化学习算法能更准确辨识环境状态改变下的样本,得到的边界节点电压和视在功率误差更小;基于权重衰减策略获得样本,可以更好地区分样本对等值模型辨识的影响,提高了等值模型的精度。

• 单位
  福州大学; 华南理工大学; 自动化学院