.png){kind=icon}
返回
Distribution Network Optimization with Aggregation and Reinforcement Learning Under Massive Distributed Resources Integration
.png){kind=icon}
OA
AI
DOI：10.3390/en19153664.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
将大规模分布式能源(DERs)集成到配电网络(DNs)中给DNs的有效控制带来了挑战。在传统方法中，通常使用基于数学或强化学习(RL)的求解算法。然而，DERs数量的指数级增长降低了这些策略的有效性。数学方法难以应对可再生能源高渗透率带来的动态不确定性，而依赖全局数据训练的RL算法可能违反多智能体隐私协议。本文提出了一种基于资源聚合和RL的DNs协同优化方法。为降低优化维度并确保资源数据的隐私性，采用动态聚合策略将大量分布式能源聚合为聚合实体，并推导出各聚合实体的可调有功-无功功率边界。为充分利用DNs的调节能力，将数据中心(DCs)作为新型设备视为柔性负荷。为提高模型训练的收敛速度和决策精度，分别将进化策略(ES)和优先经验回放(PER)整合到Soft Actor-Critic(SAC)算法中。该方法在IEEE 33节点和IEEE 123节点系统上得到验证。结果表明，所提出的方法在确保DNs安全运行方面具有有效性和优越性。
Keyword:
distribution networks
distributed energy resources
multi-agent deep reinforcement learning
cooperative optimization
aggregation strategy
期刊
IF:
3.2
论文数:
1.6W
被引数:
14.2W
机构
引用论文
Multi-Agent Deep Reinforcement Learning for Voltage Control With Coordinated Active and Reactive Power Optimization基于多智能体深度强化学习的电压控制有功无功协调优化
.png){kind=icon}
PREAI
分享收藏Deep reinforcement learning based reactive power regulation and its optimization in power grids周宇; 周磊; 盛晓; 顾东; 沈伟; 陈秋. 基于深度强化学习的无功功率调节及其在电网中的优化. 应用数学非线性科学, 2024, 9. [谷歌学术] [ CrossRef ]
PREAI
分享收藏Deep Reinforcement Learning Based Approach for Optimal Power Flow of Distribution Networks Embedded with Renewable Energy and Storage Devices基于深度强化学习的嵌入可再生能源和存储设备的配电网最优潮流方法OAAI
OAAI分享收藏Cost-Effective Coordinated Voltage Control in Active Distribution Networks With Photovoltaics and Mobile Energy Storage Systems具有光伏和移动储能系统的主动配电网中具有成本效益的协调电压控制
PREAI
分享收藏
分享收藏
查看更多内容