基于深度强化学习的电网自主控制与决策技术

高比例可再生能源的并网和电力电子设备的不断增加给电力系统运行与实时控制带来诸多挑战.人工智能技术的飞速发展为解决高维度、高非线性、高时变性优化控制和决策问题提供了新的思路.文中基于深度强化学习技术,提出了具有在线学习功能的电网自主优化控制和决策框架,即"电网脑"系统.该系统可通过离线和在线学习不断积累经验,从而在亚秒时间内(1s以内)根据电网实时量测数据给出调度控制指令及预期控制效果.该系统近期可用于辅助调度员决策,远期可为自动调度提供技术手段.为验证"电网脑"理论框架的可行性,文中以电网自主电压控制和联络线潮流控制为例,介绍了电力系统自主控制与决策方法及其实现流程,并通过数值实验验证了所提方法学习能力及其应用于电力系统自主控制与决策的可行性.