基于BNN-IKAE双层多智能体深度强化学习的大电网母线电压智能自动调整方法

母线电压调整是保证电能质量和电力系统安全稳定运行的重要措施,但目前自动电压控制系统的数据处理及分析效率和正确性仍难以满足愈加复杂的大型电网要求,据此本文提出了一种二值神经网络知识经验融合(BNN-IKAE)双层多智能体深度强化学习算法,在深度强化学习的基础上进行大电网母线电压调整。本文首先介绍了常规的调整流程,并据此搭建了马尔科夫决策过程(MDP)模型;然后针对大电网可调元件参数复杂的问题设计了双层多智能体结构,通过引入二值神经网络(BNN)降低了网络复杂度,解决了模型计算速度慢的问题,并融合了专家经验的知识经验融合(IKAE)模块,通过专家经验池和存量判定机制提高了模型的收敛性和奖励值。最后,在东北地区电网中对提出的基于BNN-IKAE的双层多智能体深度强化学习模型的母线电压调整能力进行了仿真验证,与常规方法相比其调整时间减少了79.331%,调整的成功率增加了19.23%,结果表明基于BNN-IKAE双层多智能体深度强化学习的大电网母线电压智能自动调整方法能够提高计算速度和成功率。