基于深度强化学习的配电网在线拓扑优化策略研究

胥鹏; 张悦; 王蓓蓓; 朱红; 刘少君; 许洪华

doi:10.3969/j.issn.1009-1831.2022.03.002

欢迎来到能源电力期刊网！

您当前的位置：

首页 >

文章列表页 >

基于深度强化学习的配电网在线拓扑优化策略研究

研究与探讨 | 更新时间：2026-03-05

- 基于深度强化学习的配电网在线拓扑优化策略研究
- Research on online topology optimization strategy of distribution network based on deep reinforcement learning
- 电力需求侧管理 2022年24卷第3期
- 作者机构：
  
  1. 东南大学电气工程学院,南京,210096
  2. 国网江苏省电力有限公司南京供电分公司,南京,210000
- 作者简介：
- 基金信息：
  
  国家电网有限公司科技项目“电力物联背景下主动配电网电压控制深度强化学习策略研究”（SGTYHT/19-JS-215）
- DOI：10.3969/j.issn.1009-1831.2022.03.002
  中图分类号：
- 纸质出版：2022
- 稿件说明：
移动端阅览
胥鹏, 张悦, 王蓓蓓, 等. 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, 2022,24(3).

胥鹏, 张悦, 王蓓蓓, et al. Research on online topology optimization strategy of distribution network based on deep reinforcement learning[J]. 2022, 24(3).
胥鹏, 张悦, 王蓓蓓, 等. 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, 2022,24(3). DOI： 10.3969/j.issn.1009-1831.2022.03.002.

胥鹏, 张悦, 王蓓蓓, et al. Research on online topology optimization strategy of distribution network based on deep reinforcement learning[J]. 2022, 24(3). DOI： 10.3969/j.issn.1009-1831.2022.03.002.

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。

Abstract

The increasing use of distributed generation（DG）in power systems can result in frequent online voltage problems.In case of large prediction error of DG

the requirement of online volt-age regulation can not be met by limited voltage regulation devices.In order to solve this problem

a flexible topology control method is proposed

and a deep reinforcement learning algorithm is used to model and solve it. The action mechanism in this algorithm combines the branch exchange concept in graph theory

and effectively simplifies the action dimension and action space. The analysis of the calculation examples on the standard IEEE 14 node system shows that the algorithm has excellent generalization ability. Compared with the previous methods

the proposed algorithm can obtain the closest optimal solution

improve the performance of the calculation significantly and meet the needs of online voltage regulation.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

考虑短时尖峰负荷影响的含分布式电源配电系统规划方法研究

基于深度强化学习的光氢储新能源汽车充能站优化调度

基于PID-Lagrange-SAC的深度强化学习楼宇建筑用能行为调控策略

考虑多种调控手段的分布式光伏承载能力提升优化模型

基于近端策略优化的虚拟电厂低碳经济调度