【标题】Deep Reinforcement Learning with Graph ConvNets for Distribution Network Voltage Control

【作者团队】Tong Wu, Ignacio Losada Carreno, Anna Scaglione, Daniel Arnold

【发表日期】2022.3.31

【论文链接】https://arxiv.org/pdf/2203.16732.pdf

【推荐理由】本文通过基于时空图 ConvNet 的深度强化学习 (STGCN-DRL) 框架的无模型 Volt-VAR 控制 (VVC) 算法，其目标是控制不平衡配电系统中的智能逆变器。首先根据潮流方程识别图位移算子（GSO）。然后，提出了一个时空图 ConvNet (STGCN)，测试了循环图 ConvNets (RGCN) 和卷积图 ConvNets (CGCN) 架构，旨在捕捉电压相量的时空相关性。STGCN 层为强化学习架构的策略函数和价值函数执行特征提取任务，然后再利用近端策略优化（PPO）来搜索动作空间以找到最优策略函数并逼近最优值函数。并进一步利用电压图信号的低通特性为输入为抽取状态向量（即部分观察）的策略引入了 GCN 架构。通过对不平衡123节点系统的实例研究，验证了该方法在降低不稳定性和将节点电压分布保持在理想范围内方面的优良性能。

内容中包含的图片若涉及版权问题，请及时与我们联系删除