典型文献
弹性配电系统动态负荷恢复的深度强化学习方法
文献摘要：
极端事件下,合理利用微网盈余电力供应配电系统中的关键负荷,可有效提升电网弹性.基于深度强化学习(DRL)技术,提出一种考虑微网参与的配电系统动态关键负荷恢复(DCLR)方法,支持以无模型的方式求解复杂问题,以提升在线计算效率.首先,分析含微网的配电系统DCLR问题,并在此基础上构建其马尔可夫决策过程,其中考虑了配电系统运行、微网运行和用户满意度等约束条件.其次,基于OpenDSS构建DCLR模拟环境,形成DRL应用所需的智能体-环境交互接口,进一步采用深度Q网络算法搜寻关键负荷恢复的最优控制策略,并定义收敛性、决策能力指标分别用于评价智能体的训练和应用表现.最后,基于改进的IEEE测试系统验证了所提方法的有效性.
文献关键词：
负荷恢复;深度学习;强化学习;配电系统;微网(微电网);弹性
中图分类号：
作者姓名：
黄玉雄;李更丰;张理寅;别朝红
作者机构：
西安交通大学电气工程学院,陕西省西安市 710049
文献出处：
引用格式：
[1]黄玉雄;李更丰;张理寅;别朝红-.弹性配电系统动态负荷恢复的深度强化学习方法)[J].电力系统自动化,2022(08):68-78
A类：
DCLR
B类：
配电系统,动态负荷,负荷恢复,深度强化学习,强化学习方法,极端事件,利用微,微网,盈余,余电,电力供应,关键负荷,DRL,无模型,复杂问题,在线计算,计算效率,马尔可夫决策过程,中考,用户满意度,OpenDSS,模拟环境,智能体,网络算法,搜寻,最优控制,收敛性,决策能力,能力指标,应用表现,IEEE,测试系统,系统验证,微电网
AB值：
0.378716
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。
