控制理论与应用

作者：陈俊斌,余涛,潘振宁

单位：华南理工大学 电力学院,华南理工大学 电力学院,华南理工大学 电力学院

关键词：主动配电网; 实时优化调度; 图表示学习; 图强化学习; 图神经网络

基金：国家自然科学基金委员会–国家电网公司智能电网联合基金项目(U2066212), 国家自然科学基金项目(52207105), 中国博士后科学基金项目(2022 M721184)资助.

主动配电网的新能源、储能等能源形式可以有效提高运行的灵活性和可靠性, 同时新能源和负荷也给配电网带来了双重不确定性, 致使主动配电网的实时优化调度决策维度大、建模精度差. 针对这一问题, 本文提出结合图神经网络和强化学习的图强化学习方法, 避免对复杂系统的精准建模. 首先, 将实时优化调度问题表述为马尔可夫决策过程, 并将其表述为动态序贯决策问题. 其次, 提出了基于物理连接关系的图表示方法, 用以表达状态量的隐含相关性. 随后, 提出图强化学习来学习将系统状态图映射到决策输出的最优策略. 最后, 将图强化学习推广到分布式图强化学习. 算例结果表明, 图强化学习在最优性和效率方面都取得了更好的效果.

来源：2024年第6期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2024年第6期