基于多智能体深度强化学习的配电网三相不平衡在线治理方法

随着分布式电源渗透率提升，配电网三相不平衡问题日益严重。针对该问题，以分布式光伏为调控手段，提出一种基于多智能体深度强化学习的在线治理方法。通过地理分区构建多智能体协同架构，采用多智能体注意力动作-评价（MAAC）算法实现光伏控制策略的集中训练与分布式执行，利用实时观测数据在线生成控制指令。基于改进IEEE 123节点系统的仿真结果表明，所提方法能有效降低三相不平衡度，优于四种典型方法，具备良好的协同性与应用前景。

随着分布式电源的并网规模不断增加,配电网三相不平衡现象日益突出,对配电网的安全、稳定与经济运行造成了重大威胁.针对此问题,以分布式光伏为控制对象,提出一种基于多智能体深度强化学习的配电网三相不平衡在线治理方法.首先,分析配电网三相不平衡的成因,提出三相不平衡协同治理目标.其次,通过将配电网按照地理位置划分为多个区域,且在各区域设立一区域内光伏动作策略学习智能体,建立配电网三相不平衡多智能体协调治理架构.然后,基于多智能体注意力动作-评价(multi-actor-attention-critic,MAAC)方法,提出智能体动作策略集中训练算法,实现配电网内海量分散光伏系统动作策略的协调优化.最后,将训练好的动作网络部署到各区域,基于区域内实时观测信息在线生成光伏系统动作指令,实现了配电网三相不平衡分布式高效协同治理.利用改进的IEEE 123节点配电系统对所提方法进行仿真分析,通过与其他4种典型方法对比,验证了所提方法在三相不平衡治理方面的有效性与优越性.