【配电网】基于深度强化学习的有源配电网过流保护研究

摘要

本文旨在研究基于深度强化学习的有源配电网过流保护方法。传统配电网在实际运行中存在负荷数据损坏、缺失和误差等问题，可能导致过流保护失效。本文通过引入深度强化学习算法，提出一种智能化、动态化的过流保护策略，以应对有源配电网中的复杂过流问题。利用pandapower库创建仿真模型，通过Gymnasium库构建强化学习环境，使用PPO算法进行训练。实验结果表明，PPO算法在优化有源配电网过流保护策略方面表现优于粒子群算法（PSO）。

理论

1. 有源配电网及过流保护问题：

有源配电网通过引入智能化设备和先进的控制策略，实现了电力生产和负荷管理的高度自动化与优化。研究基于高效算法的过流保护策略具有重要意义。

2. 粒子群算法（PSO）：

PSO通过模拟鸟群觅食过程来寻找问题的最优解。其基本公式为：

其中，为粒子的速度，为惯性权重系数，为单个粒子寻优的最优值，和为随机数。

3. 深度强化学习算法：

采用Gymnasium库构建强化学习环境，PPO算法在处理大规模连续状态和动作空间时表现出色。具体设置如下：

运行结果

通过仿真实验，本文选择了深度强化学习中的PPO算法进行训练，并与粒子群算法（PSO）进行了对比。实验结果如下：