基于双Q学习的考虑暂态稳定约束的电网薄弱线路辨识

作者：曾令康; 姚伟^*; 艾小猛; 黄彦浩; 文劲宇

来源：中国电机工程学报, 2020, 40(08): 2429-2441.

DOI：10.13334/j.0258-8013.pcsee.190305

• 薄弱线路辨识
• 暂态稳定
• 双Q学习
• 强化学习
• 优先级采样
• 经验回放

为了辨识故障后对电网暂态稳定性影响较大的薄弱线路,提出一种基于双Q学习(doubleQ-learning,DQL)的考虑暂态稳定约束的电网薄弱线路辨识方法。首先,将电网薄弱线路辨识问题转化成马尔克夫决策过程。接着,利用DQL智能体结合电网时域暂态仿真计算,通过强化学习筛选出容易导致电网失稳的切线故障。最后,提出线路薄弱度指标,计算得到考虑暂态稳定约束的电网薄弱线路。所采用的DQL在Q学习的基础上增加了Q目标表,实现切线故障选择与评估的分离,并采用优先级采样的经验回放机制,能提升算法的稳定性与训练速度。10机39节点和16机68节点系统的仿真结果都表明,所提基于DQL算法的薄弱线路辨识方法,能通过较少的仿真次数,有效地辨识出考虑系统暂态安全稳定约束的薄弱线路。

• 单位
  电子工程学院; 华中科技大学; 中国电力科学研究院有限公司; 强电磁工程与新技术国家重点实验室