基于多智能体深度强化学习的实时配电网电压优化控制方法研究

本研究致力于配电网电压优化控制,特别是在动态和不确定性环境中。研究采用多智能体深度强化学习(MADRL)方法,并引入改进型双延迟深度确定性策略梯度(TD3)算法,克服了深度Q网络(DQN)和深度确定性策略梯度(DDPG)在高维问题处理和Q值估计中的局限性。通过仿真测试,研究展示了该方法在电压控制和降低网损方面的显著优势,特别在多变电网环境中表现出高效的适应性和鲁棒性。本研究不仅推进了MADRL技术在电力系统中的应用,也为实际电网运行提供了有效的控制策略,增强了电力系统的可靠性和稳定性。

提高电网静态安全鲁棒性的风电接入点选择方法

不同接入点的风功率波动对电网潮流转移和功角安全性的影响不同。前期研究发现,电网的映射弹性势能越小,则电网潮流分布越均衡且静态安全性越好。故将映射弹性势能的自变量变换为节点注入功率,构建接入点功率扰动下的电网功角安全灵敏度指标,得到基于该灵敏度的接入点选择方法。该灵敏度越小,表明该接入点的风功率波动对电网有功潮流均衡性和静态安全性的影响越小,即安全鲁棒性越好,故以此作为接入点选择的参考依据。IEEE 39节点系统算例验证了该方法的有效性。该研究可用于风电接入的规划设计,对提高电网安全鲁棒性和风电接入比具有实际意义。

考虑配电网级联故障的分布式电源选址方法研究

近年来,大规模停电事故的频繁发生凸显了提高电网鲁棒性的必要性。借助于复杂网络分析方法,充分考虑配电网的潮流特征并建立级联故障模型,在此基础上研究发电节点的选址方法对配电网在级联故障条件下的鲁棒性的影响。首先,提出了基于节点介数和节点度的电源选址方法,并与随机选址进行比较。实验结果表明,基于节点介数和节点度的选址方法得到的网络鲁棒性更高。其次,利用粒子群算法进一步优化电源位置。实验结果显示,与基于节点介数和节点度的方法相比,粒子群算法能够得到更高的电网鲁棒性,但是计算开销也更大。进一步,从节点负荷均衡的角度提出了受限粒子群算法,有效提高了粒子群算法的运算效率。最后,研究了电网拓扑结构性质对电源选址问题的影响。实验结果表明随着网络异质性的减弱,选址方法的效果先增加后减小。