← 返回
基于联邦强化学习的主动配电网多主体博弈协同优化策略
A Multi-Agent Game-Based Cooperative Optimization Strategy for Active Distribution Networks Using Federated Reinforcement Learning
| 作者 | 杨文伟 · 彭显刚 · 全欢 · 褚卓卓 · 王星华 · 赵卓立 |
| 期刊 | 电力系统自动化 |
| 出版日期 | 2025年1月 |
| 卷/期 | 第 49 卷 第 13 期 |
| 技术分类 | 储能系统技术 |
| 技术标签 | 强化学习 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 主动配电网 多主体博弈 优化调度 联邦强化学习 隐私保护 杨文伟 彭显刚 全欢 褚卓卓 王星华 赵卓立 电力系统自动化 Automation of Electric Power Systems |
版本:
针对主动配电网多主体协同优化中隐私保护与信任缺失问题，提出一种基于多主体博弈与联邦强化学习的日前-日内协同优化调度策略。构建包含分布式电源、配电网及储能运营商的多主体架构，建立以综合收益最大和调整量最小为目标的优化模型。日前阶段采用有限理性信任演化博弈生成调度计划，日内阶段结合联邦自然策略梯度算法进行滚动优化，在满足系统约束的同时保障数据隐私。仿真结果验证了该方法的经济性与有效性。
针对主动配电网多主体协同优化调度面临的隐私保护和信任不足问题,提出了基于多主体博弈和联邦强化学习算法的日前-日内协同优化调度策略.首先,建立含分布式电源运营商、主动配电网运营商、储能运营商等不同主体的协同优化架构.在该架构下,提出了以最大化综合收益和最小化调整量为目标的多主体日前-日内优化调度模型.然后,在日前阶段采用考虑有限理性的信任演化博弈方法得到日内调度计划,在日内阶段则采用联邦自然策略梯度算法进行滚动校正,在满足运行约束的同时,避免了调度过程中产生的隐私信息泄露问题.最后,通过仿真分析验证了所提模型的经济性和算法的有效性.
S
SunView 深度解读
该联邦强化学习多主体协同优化技术对阳光电源PowerTitan储能系统和iSolarCloud平台具有重要应用价值。可直接应用于ST系列储能变流器的日前-日内协同调度，通过联邦学习框架实现分布式光伏、储能运营商与配电网的隐私保护协同优化，解决多主体数据共享难题。该博弈优化策略可集成到iSolarCloud云平台的智能调度模块，提升多站点储能系统的综合收益最大化能力。强化学习滚动优化机制为ESS集成方案提供实时调整策略，增强系统对新能源波动的适应性，支撑构网型GFM控制下的多主体协同运行，提升阳光电源在虚拟电厂和综合能源服务领域的竞争力。