-
题名基于强化学习的含智能软开关主动配电网双层优化方法
被引量：21
- 1
-
-
作者
董雷
吴怡
张涛
王新迎
郝毅
郭凌旭
-
机构
新能源电力系统国家重点实验室(华北电力大学)
智能电网教育部重点实验室(天津大学)
中国电力科学研究院有限公司
国网天津市电力公司
-
出处
《电力系统自动化》
EI
CSCD
北大核心
2023年第6期59-68,共10页
-
基金
国家电网公司总部科技项目(5700-202212197A-1-1-ZN)。
-
文摘
由于大量分布式电源接入配电网,配电网调控能力不足导致电压波动大、可再生能源消纳水平低以及经济性指标差等问题突出。为此,提出了一种智能软开关(SOP)与配电网动态重构协同优化方法,充分调动网侧灵活性资源,并构建基于强化学习的双层优化模型。模型上层将生成的辐射型拓扑结构集合作为强化学习的动作空间,动态选择拓扑结构;下层基于上层的网络结构进行含SOP可控有源设备运行优化,挖掘SOP灵活的潮流调控能力,并依据优化结果不断修正上层拓扑选择,可高效求解此多时间尺度混合整数非线性规划问题。通过删减无效网络、对历史信息计及优先级采样等措施,加速了算法收敛速度。算例分析表明,基于强化学习的双层协同优化方法给出的优化策略有效改善了主动配电网运行水平,并且能够自适应源荷不确定性场景。
-
关键词
配电网优化
动态重构
智能软开关
强化学习
分布式电源
混合整数非线性规划
-
Keywords
distribution network optimization
dynamic reconstruction
soft open point
reinforcement learning
distributed generator
mixed-integer nonlinear programming
-
分类号
TM727
[电气工程—电力系统及自动化]
-
-
题名求解时变非线性不等式的新型动态学习网络
被引量：1
- 2
-
-
作者
陆荣秀
黄学文
杨辉
张智军
-
机构
华东交通大学电气与自动化工程学院
华东交通大学江西省先进控制与优化重点实验室
华南理工大学自动化科学与工程学院
华南理工大学广东省人工智能与数字经济实验室
-
出处
《控制工程》
CSCD
北大核心
2022年第3期404-412,共9页
-
基金
国家自然科学基金资助项目(61863014,61733005,61976096)
国家重点研发计划项目(2020YFB1713700)。
-
文摘
为有效地求解时变矢量型非线性不等式,针对传统的零化神经网络在求解时变矢量型非线性不等式时收敛速度慢、鲁棒性弱的问题,提出了一种新型混合变参动态学习网络(mixed variant-parameter dynamic learning network,MVP-DLN)。首先,定义矢量型的无界误差函数;其次,构造混合变参神经动力学设计公式;最后,通过替代方法和神经动力学设计公式,开发出MVP-DLN模型。理论分析表明MVP-DLN模型具有全局的收敛性能和强鲁棒性。最后,采用仿真实验验证模型的性能,实验结果表明,相比于传统的零化神经网络,MVP-DLN模型在求解时变非线性不等式时具有更好的收敛性能和更强的鲁棒性。
-
关键词
混合变参动态学习网络
时变矢量型非线性不等式
收敛性
鲁棒性
-
Keywords
mixed variant-parameter dynamic learning network
time-variant vector-type nonlinear inequalities
convergence
robustness
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
