面向主动配电网实时优化调度的图强化学习方法.pdfVIP

第41卷第6期控制理论与应用Vol.41No.6

2024年6月ControlTheoryApplicationsJun.2024

面面面向向向主主主动动动配配配电电电网网网实实实时时时优优优化化化调调调度度度的的的图图图强强强化化化学学学习习习方方方法法法

陈俊斌,余涛,潘振宁

(华南理工大学电力学院广东广州510640;广东省电网智能量测与先进计量企业重点实验室,广东广州510640)

摘要:主动配电网的新能源、储能等能源形式可以有效提高运行的灵活性和可靠性,同时新能源和负荷也给配电

网带来了双重不确定性,致使主动配电网的实时优化调度决策维度大、建模精度差.针对这一问题,本文提出结合

图神经网络和强化学习的图强化学习方法,避免对复杂系统的精准建模.首先,将实时优化调度问题表述为马尔可

夫决策过程,并将其表述为动态序贯决策问题.其次,提出了基于物理连接关系的图表示方法,用以表达状态量的隐

含相关性.随后,提出图强化学习来学习将系统状态图映射到决策输出的最优策略.最后,将图强化学习推广到分

布式图强化学习.算例结果表明,图强化学习在最优性和效率方面都取得了更好的效果.

关键词:主动配电网;实时优化调度;图表示学习;图强化学习;图神经网络

引用格式:陈俊斌,余涛,潘振宁.面向主动配电网实时优化调度的图强化学习方法.控制理论与应用,2024,

41(6):999–1008

DOI:10.7641/CTA.2023.30091

Graphreinforcementlearningforreal-timeoptimaldispatchof

activedistributionnetwork

CHENJun-bin,YUTao,PANZhen-ning

(SchoolofElectricPowerEngineering,SouthChinaUniversityofTechnology,GuangzhouGuangdong510640,China;

GuangzhouProvincialKeyLaboratoryofIntelligentMeasurementandAdvancedMeteringofPowerGrid,

GuangzhouGuangdong510640,China)

Abstract:Therenewableenergysystem,energystoragesystemandotherenergyresourcesofactivedistributionnetwork

caneffectivelyimprovetheflexibilityandreliabilityofoperation.Meanwhile,renewableenergyandloadalsobring

uncertaintytothedistributionnetwork,resultinginlargedimensionsofreal-timeoptimaldispatchandpoormodeling

accuracyofactivedistributionn