Qiong Liu · Ye Guo · Lirong Deng · Haotian Liu 等6人 · IEEE Transactions on Sustainable Energy · 2024年9月

提出一种基于近似模型驱动优化的残差深度强化学习（RDRL）方法，用于主动配电网中的逆变器型电压-无功控制（IB-VVC）。通过改进的马尔可夫决策过程统一建模模型驱动与RDRL方法，RDRL在模型基策略动作基础上学习残差动作。该方法继承了近似模型优化的控制能力，并通过残差策略学习增强策略优化性能。由于实际中获取的近似模型通常较为可靠，模型优化所得动作接近最优，从而缩小残差动作搜索空间，提升评论器逼近精度并降低执行器搜索难度。仿真结果表明，RDRL在学习过程中显著提升优化性能，并在69节点和141节...

解读: 该残差深度强化学习方法对阳光电源ST系列储能变流器和PowerTitan大型储能系统的电压-无功控制具有重要应用价值。技术可直接应用于：1）ST系列储能变流器的智能VVC控制策略，通过残差学习优化逆变器无功输出，提升电网电压支撑能力；2）PowerTitan储能系统的多机协调控制，在iSolarCl...