基于深度强化学习算法及源荷不确定性的配电网重构方法

摘要

本发明公开了一种基于深度强化学习算法及源荷不确定性的配电网重构方法，根据在分布式能源大规模并网的背景下，配电网重构过程中，受环境因素和人为因素等的影响，分布式能源的可用性及配电系统负荷可能与预测不符，若仍按照预想的离线优化方案进行配电网重构，则在实际的重构过程中，可能会出现电压越限的可靠性问题和网损增大的经济性问题，因此事前制定的重构方案虽然可以给调度运行人员一定的指导，但可能无法直接用于实际重构过程，因此，本发明提出的深度强化学习求解配电网重构的方法，基于配电网中分布式能源出力、网络负荷的不确定性问题，可通过日前神经网络的训练，实现针对含分布式能源的配电网重构在线算法，实现配电网重构的秒级求解。