典型文献
基于深度强化学习的配电网在线拓扑优化策略研究
文献摘要：
分布式发电(distributed generation,DG)在电力系统中的应用日益广泛,会频繁地导致在线电压问题.在分布式发电产生较大预测误差时,依靠有限的电压调节装置逐渐不能满足在线电压调节的要求.针对这一问题,提出了一种灵活的拓扑控制方法,并采用一种深度强化学习算法对其进行建模与求解.该算法中的动作机制与图论中的分支交换概念相融合,有效简化了智能体的动作维度和动作空间.在标准IEEE 14节点系统上的算例表明,该算法具备较优秀的泛化能力;与传统算法相比,该算法在获得接近最优解的同时,显著提高了计算性能,满足在线电压调节的需求.
文献关键词：
在线重构;配电网;深度强化学习;动作机制;在线拓扑优化
中图分类号：
作者姓名：
胥鹏;张悦;王蓓蓓;朱红;刘少君;许洪华
作者机构：
东南大学电气工程学院,南京 210096;国网江苏省电力有限公司南京供电分公司,南京 210000
文献出处：
引用格式：
[1]胥鹏;张悦;王蓓蓓;朱红;刘少君;许洪华-.基于深度强化学习的配电网在线拓扑优化策略研究)[J].电力需求侧管理,2022(03):9-14
A类：
在线拓扑优化
B类：
配电网,优化策略研究,分布式发电,distributed,generation,DG,电力系统,益广,线电压,预测误差,电压调节,调节装置,拓扑控制,深度强化学习算法,动作机制,图论,智能体,动作空间,IEEE,节点系统,泛化能力,传统算法,最优解,在线重构
AB值：
0.345868
相似文献
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。
