典型文献
基于Q-learning算法的微电网弹性增强控制
文献摘要：
极端灾害事件的频繁发生对电网稳定运行造成严重威胁,电网弹性的提升的亟待加强.本文提出了一种微电网弹性增强控制策略,将Q-learning算法与MAS框架的微电网紧密结合,并对智能体动作的选取增加了建议度的参考量.旨在极端事件扰动后通过微电网内部开关变换操作来快速恢复运行.首先,根据智能体位置和功能的不同对其进行类型划分,并对不同属性的智能体进行奖励方式选择和奖励值计算.其次,对智能体采用ε贪心动作策略,并根据建议度的大小进行动作策略的选择和更新,通过Q-learning算法的迭代求解出最优开关动作序列号.实验仿真和结果验证该了方法的有效性,该方法在极端灾害事件发生后能够优先保证对重要负荷恢复供电,且电网波动较小.
文献关键词：
微电网;Q-learning算法;弹性增强控制;极端灾害事件扰动;灾后微电网恢复
中图分类号：
作者姓名：
王继东;刘孟奇;李继方
作者机构：
华北水利水电大学电力学院,河南 郑州 450045
文献出处：
引用格式：
[1]王继东;刘孟奇;李继方-.基于Q-learning算法的微电网弹性增强控制)[J].科学技术创新,2022(10):175-180
A类：
弹性增强控制,极端灾害事件扰动,灾后微电网恢复
B类：
learning,电网稳定,MAS,智能体,极端事件,网内,快速恢复,同对,类型划分,同属,方式选择,奖励值,贪心,迭代求解,解出,动作序列,序列号,实验仿真,重要负荷,负荷恢复,恢复供电,电网波动
AB值：
0.302733
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
