本发明公开了一种基于深度强化学习算法的配电网电压调节方法,通过了解配电网电压运行水平影响因素,在配电网末端接入用于系统调压等辅助服务的
储能系统,能有效应对分布式可再生能源的高度间歇性以及负荷需求波动导致的系统电压运行水平问题。本发明将电池储能的运行建模为马尔可夫决策过程,考虑其后续调控能力,通过内嵌一个Q深度神经网络来逼近最佳动作价值,以解决状态空间过大的问题。储能荷电状态、可再生能源预测出力以及负荷水平组成状态特征向量作为Q网络的输入,而输出提高电压运行水平的最优离散化充放电动作,并通过回放策略来训练,得到趋于最优调压策略的储能控制方法。
声明:
“基于深度强化学习算法的配电网电压调节方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)