期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
面向主动配电网的安全多智能体深度强化学习电压优化控制
被引量：
2
1
作者
梅铭洋
寇鹏
+1 位作者
张智豪
梁得亮
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2023年第12期157-167,共11页
针对主动配电网电压优化控制中模型不确定性和通信代价大的问题,提出了一种基于灵敏度矩阵安全的多智能体深度强化学习(SMS-MADRL)算法。该算法利用安全深度强化学习,应对主动配电网的固有不确定性,并采用多智能体结构实现通信代价较小...
针对主动配电网电压优化控制中模型不确定性和通信代价大的问题,提出了一种基于灵敏度矩阵安全的多智能体深度强化学习(SMS-MADRL)算法。该算法利用安全深度强化学习,应对主动配电网的固有不确定性,并采用多智能体结构实现通信代价较小的分布式控制。首先,将电压优化控制问题描述为受约束的马尔可夫博弈(CMG);然后,对无功功率进行适当修改,通过分析节点电压的变化得到灵敏度矩阵,进而与主动配电网环境进行交互,训练出若干可以独立给出最优无功功率指令的智能体。与现有多智能体深度强化学习算法相比,该算法的优点在于给智能体的动作网络增添了基于灵敏度矩阵的安全层,在智能体的训练和执行阶段保证了主动配电网的电压安全性。在IEEE 33节点系统上的仿真结果表明:所提出的算法不仅能够满足电压约束,而且相较于多智能体深度确定性策略梯度(MADDPG)算法,网络损耗减少了4.18%,控制代价减少了70.5%。该研究可为主动配电网的电压优化控制提供理论基础。
展开更多
关键词
主动配电网
电压优化控制
多智能体深度强化学习
安全深度强化学习
下载PDF
职称材料
基于安全深度强化学习的电网有功频率协同优化控制
2
作者
周毅
周良才
+2 位作者
史迪
赵小英
闪鑫
《上海交通大学学报》
EI
CAS
CSCD
北大核心
2024年第5期682-692,共11页
可再生能源占比不断增加给互联电网频率控制带来严峻考验.由于常规的自动发电控制(AGC)策略没有考虑电网潮流安全约束,所以传统方法根据专家知识和经验进行尝试性发电机功率调整,需耗费较多时间;基于最优电力潮流的互联电网AGC优化模型...
可再生能源占比不断增加给互联电网频率控制带来严峻考验.由于常规的自动发电控制(AGC)策略没有考虑电网潮流安全约束,所以传统方法根据专家知识和经验进行尝试性发电机功率调整,需耗费较多时间;基于最优电力潮流的互联电网AGC优化模型由于非凸性和大规模性,求解时间较长且存在收敛性问题.鉴于常规深度强化学习具有“离线训练、在线端对端形成策略”的优点,但在动作探索过程中无法保证系统安全性,提出一种基于安全深度强化学习的电网有功频率协同优化控制方法.首先,将电网频率控制建模为约束马尔可夫决策过程,对决策过程添加相关安全约束进行智能体设计;然后,基于华东电网实际系统算例对智能体进行训练和性能提升;最后,对比智能体决策与常规AGC策略效果.结果表明:所提方法在多种运行方式下可快速生成有功频率控制策略,且保证系统频率恢复过程中电网的安全性,可辅助调度员在线决策.
展开更多
关键词
有功频率协同控制
人工智能
深度强化学习
约束马尔可夫决策过程
智能体
下载PDF
职称材料
题名
面向主动配电网的安全多智能体深度强化学习电压优化控制
被引量：
2
1
作者
梅铭洋
寇鹏
张智豪
梁得亮
机构
西安交通大学电气工程学院
西安交通大学陕西省智能电网重点实验室
西安交通大学电力设备电气绝缘国家重点实验室
出处
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2023年第12期157-167,共11页
基金
国家自然科学基金资助项目(52077165)。
文摘
针对主动配电网电压优化控制中模型不确定性和通信代价大的问题,提出了一种基于灵敏度矩阵安全的多智能体深度强化学习(SMS-MADRL)算法。该算法利用安全深度强化学习,应对主动配电网的固有不确定性,并采用多智能体结构实现通信代价较小的分布式控制。首先,将电压优化控制问题描述为受约束的马尔可夫博弈(CMG);然后,对无功功率进行适当修改,通过分析节点电压的变化得到灵敏度矩阵,进而与主动配电网环境进行交互,训练出若干可以独立给出最优无功功率指令的智能体。与现有多智能体深度强化学习算法相比,该算法的优点在于给智能体的动作网络增添了基于灵敏度矩阵的安全层,在智能体的训练和执行阶段保证了主动配电网的电压安全性。在IEEE 33节点系统上的仿真结果表明:所提出的算法不仅能够满足电压约束,而且相较于多智能体深度确定性策略梯度(MADDPG)算法,网络损耗减少了4.18%,控制代价减少了70.5%。该研究可为主动配电网的电压优化控制提供理论基础。
关键词
主动配电网
电压优化控制
多智能体深度强化学习
安全深度强化学习
Keywords
active
distribution
network
optimal
voltage
control
multi-agent
deep
reinforcement
learning
safe
deep
reinforcement
learning
分类号
TM714.3 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
基于安全深度强化学习的电网有功频率协同优化控制
2
作者
周毅
周良才
史迪
赵小英
闪鑫
机构
国家电网有限公司华东分部
AINERGY
国电南瑞科技股份有限公司
出处
《上海交通大学学报》
EI
CAS
CSCD
北大核心
2024年第5期682-692,共11页
基金
国家电网有限公司华东分部科技项目(SGHD0000DKJS2100235)。
文摘
可再生能源占比不断增加给互联电网频率控制带来严峻考验.由于常规的自动发电控制(AGC)策略没有考虑电网潮流安全约束,所以传统方法根据专家知识和经验进行尝试性发电机功率调整,需耗费较多时间;基于最优电力潮流的互联电网AGC优化模型由于非凸性和大规模性,求解时间较长且存在收敛性问题.鉴于常规深度强化学习具有“离线训练、在线端对端形成策略”的优点,但在动作探索过程中无法保证系统安全性,提出一种基于安全深度强化学习的电网有功频率协同优化控制方法.首先,将电网频率控制建模为约束马尔可夫决策过程,对决策过程添加相关安全约束进行智能体设计;然后,基于华东电网实际系统算例对智能体进行训练和性能提升;最后,对比智能体决策与常规AGC策略效果.结果表明:所提方法在多种运行方式下可快速生成有功频率控制策略,且保证系统频率恢复过程中电网的安全性,可辅助调度员在线决策.
关键词
有功频率协同控制
人工智能
深度强化学习
约束马尔可夫决策过程
智能体
Keywords
coordinated
power
and
frequency
control
artificial
intelligence(AI)
safe
deep
reinforcement
learning
constrained
Markov
decision
process
agent
分类号
TM711 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
面向主动配电网的安全多智能体深度强化学习电压优化控制
梅铭洋
寇鹏
张智豪
梁得亮
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2023
2
下载PDF
职称材料
2
基于安全深度强化学习的电网有功频率协同优化控制
周毅
周良才
史迪
赵小英
闪鑫
《上海交通大学学报》
EI
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
