基于Q-learning算法的微电网弹性增强控制

• 作者: 王继东 刘孟奇 李继方
• 来源期刊: 科学技术创新
• 学科: 工学
• 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
• 年，卷（期）: 2022,（10）
• 所属期刊栏目: 创新创业论坛
• 页码范围: 175-180
• 页数: 6页
• 分类号: TM732
• 语种: 中文
• DOI: 10.3969/j.issn.1673-1328.2022.10.045

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.