基于深度强化学习的新型电力系统无功电压优化控制.pdfVIP

第61卷第9期电测与仪表Vol.61No.9

2024年9月15日ElectricalMeasurementInstrumentationSep.15,2024

基于深度强化学习的新型电力系统无功电压优化控制

周良才,周毅,沈维健?²,黄志龙,李雷²,李艺丰3

（1.国家电网有限公司华东分部，上海200002；2.南瑞集团有限公司（国网电力科学研究院有限公司），

南京211106；3.国网江苏省电力有限公司，南京210000）

摘要：新型电力系统框架下可再生能源的随机性和波动性、负荷的主动性以及电网的电力电子化使得电网

的运行方式和实时控制面临着新的挑战。无功电压优化控制是保证电网安全稳定运行的基础，针对可再生

能源系统的大规模接入、储能系统的灵活配置带来的无功电压控制问题，提出了基于深度强化学习的电网

无功电压优化控制方法，综合考虑运行效率、经济性和安全性建立电网无功优化模型，利用马尔可夫决策过

程将无功优化问题转化为强化学习序贯决策优化，充分考虑无功调压设备时间、空间耦合特性，利用深度确

定性梯度算法（deepdeterministicpolicygradient，DDPG)进行模型求解。最后，在改进的IEEE33算例上进

行仿真验证,通过对比验证了文中所提方法在无功优化决策过程中的有效性和可靠性。

关键词：深度强化学习；马尔可夫决策过程；新型电力系统；无功优化

D0I:10.19753/j.issn1001-1390.2024.09.024

中图分类号：TM761文献标识码：A

Reactivevoltageoptimizationcontrolofnovelpowersystem

basedondeepreinforcementlearning

ZHOULiangcai,ZHOUYi,SHENWeijian’,HUANGZhilong,LILei?,LIYifeng

(1.EastChinaBranch,StateGridCorporationofChina,Shanghai200002,China.

2.NARIGroupCorporation(StateGridElectricPowerResearchInstitute),Nanjing211106,China.

3.StateGridJiangsuElectricPowerCo.,Ltd.,Nanjing210000,China)

Abstract:Undertheframeworkofthenovelpowersystem,therandomnessandvolatilityofrenewableenergy,a-

longwithloadinitiativeandelectronicpowergridintegration,posenewchallengestotheoperationmodeandreal-

timecontrolofthepowergrid.Reactivevoltageoptimizationcontrolserveasthefoundationforensuringasafeand

stableoperationofthepowergrid.Thispaperproposesareactivevoltageoptimizationcontrolmethodbasedondeep

reinforcementlearningtoaddressissuescausedbylarge-scaleintegrationofrenewableenergysystemandflexible

configurationofenergystoragesystem.Theproposedmethodesta