基于深度确定策略梯度强化学习的电力系统无功优化方法

    公开(公告)号:CN110535146B

    公开(公告)日:2022-09-23

    申请号:CN201910793475.3

    申请日:2019-08-27

    IPC分类号: H02J3/18

    摘要: 本发明提供一种基于深度确定策略梯度强化学习的电力系统无功优化方法,将确定性深度梯度策略算法应用于传统的电力系统无功优化问题之中,通过深度神经网络感知电力系统的电压状态,再利用强化学习方法做出相应的动作决策,以此来做出正确的发电机机端电压调整动作、节点电容器组投切动作、变压器分接头调整动作来调节电力系统中的无功功率分布,从而达到电力系统有功网损最小化,通过把神经网络分为在线网络和目标网络,避免了神经网络每次训练过程中参数更新和相邻训练产生关联,从而避免了电力系统无功优化陷入局部最优的问题。本发明在符合电力系统安全约束的前提下,通过减少电力系统网络损耗来提高电力系统运行的经济性。