计及线路电热耦合特性的配电网鲁棒强化学习动态重构方法

针对高光伏渗透率下配电网动态重构中忽略线路电热耦合导致电阻建模误差的问题，提出含智能软开关（SOP）的鲁棒深度强化学习重构方法。通过电热耦合建模、风险感知奖励函数设计及置信度动作选择机制，在IEEE 34/123节点系统验证其可降低运行成本与风险。

随着光伏在配电网中渗透率的不断提高,基于智能软开关(SOP)与分段/联络开关协同的动态重构方法已成为保障配电网安全稳定运行的重要技术途径.然而,线路的电热耦合特性往往在动态重构过程中被忽略,导致电阻计算误差引起重构结果偏差,进而影响电网安全经济运行.为此,文中提出一种计及线路电热耦合特性的含SOP配电网鲁棒强化学习动态重构方法.首先,为缓解因恒定线路电阻假设而导致的系统建模误差,建立了考虑线路电热耦合的含SOP配电网动态重构模型.其次,将原优化问题转化为马尔可夫决策过程,并基于一阶仿射多项式构建奖励函数,用于评估光伏及负荷波动带来的运行风险,从而增强决策的鲁棒性.在此基础上,提出了基于置信度动作选择和动作网络参数鲁棒更新机制的鲁棒深度强化学习算法,以实现鲁棒优化策略的有效学习.最后,在IEEE 34节点和123节点系统上进行仿真测试.结果表明,较传统建模方法,所提方法能更好地捕捉线路电阻动态变化,提高决策可靠性,并在光伏发电及负荷短期波动条件下,有效降低系统运行成本与运行风险.