【标题】Stabilizing Voltage in Power Distribution Networks via Multi-Agent Reinforcement Learning with Transformer

【作者团队】Minrui Wang, Mingxiao Feng, Wengang Zhou, Houqiang Li

【发表日期】2022.6.8

【论文链接】https://arxiv.org/pdf/2206.03721.pdf

【推荐理由】可再生能源的日益整合对配电网络的运行提出了一系列技术挑战。其中，可再生能源的不稳定性引起的电压波动越来越受到关注。应用MARL算法协调电网中的多个控制单元，能够处理电力系统的快速变化，最近在有源电压控制任务中得到了广泛的研究。然而，基于MARL的现有方法忽视了网格的独特性，实现的性能有限。本文介绍了Transformer架构以提取适应电网问题的表示，并提出了一种基于Transformer的多智能体 Actor-Critic 框架 (T-MAAC) 来稳定配电网络中的电压。此外，还采用了一种针对电压控制任务量身定制的新型辅助任务训练过程，以提高样本效率并促进了基于Transformer的模型的表示学习。最后将 T-MAAC 与不同的多智能体 actor-critic 算法相结合，对有源电压控制任务的持续改进证明了该方法的有效性。

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