深度强化学习在配电网中的双时间尺度电压控制
摘要：现代配电网目前面临频繁和大幅度的电压波动的挑战，主要是由于电动汽车和可再生发电设备的日益部署。现有的维持母线电压在所需范围内的方法可以应对传统的公用设备（如并联电容器），或者带有分布式发电装置（如光伏电厂）的现代智能逆变器。电容器单元的离散开关通常是按照小时或天来配置的，而智能逆变器可以在毫秒级内进行控制，从而挑战这两种类型资产的联合控制。在这种情况下，通过将数据驱动和基于物理的优化巧妙地结合，为配电网开发了一个新颖的双时间尺度电压调节方案。在更快的时间尺度上，例如每秒，通过最小化瞬时母线电压偏差来获得智能逆变器的最佳设定点，基于精确的交流功率流模型或其线性近似；而在更慢的时间尺度上（例如每小时），通过深度强化学习算法配置并使得并联电容器最小化长期折现的电压偏差。在一个实际的47节点配电网和IEEE 123节点测试馈线上进行了大量数值测试，使用了真实数据，证实了该新方案的有效性。
作者：Qiuling Yang, Gang Wang, Alireza Sadeghi, Georgios B. Giannakis, and Jian Sun
论文ID：1904.09374
分类：Systems and Control
分类简称：cs.SY
提交时间：2019-12-05