多智能体强化学习的负荷与电源协同控制方法与流程
技术特征:
1.一种多智能体强化学习的负荷与电源协同控制方法,其特征在于,包括:
2.如权利要求1所述的多智能体强化学习的负荷与电源协同控制方法,其特征在于,所述多智能体系统包括特色负荷智能体、分布式电源智能体、中央协调智能体和构建储能缓冲智能体;
3.如权利要求1所述的多智能体强化学习的负荷与电源协同控制方法,其特征在于,构建多智能体系统中各智能体的协同控制算法的方法包括:
4.如权利要求3所述的多智能体强化学习的负荷与电源协同控制方法,其特征在于,构建多智能体系统中各智能体的协同控制算法方法中还包括:
5.如权利要求3所述的多智能体强化学习的负荷与电源协同控制方法,其特征在于,构建多智能体系统中各智能体的协同控制算法方法中还包括:
6.如权利要求3所述的多智能体强化学习的负荷与电源协同控制方法,其特征在于,构建多智能体系统中各智能体的协同控制算法方法中还包括:
7.如权利要求3中所述的多智能体强化学习的负荷与电源协同控制方法,其特征在于,
8.一种多智能体强化学习的负荷与电源协同控制装置,基于如权利要求1-7中任一项所述的多智能体强化学习的负荷与电源协同控制方法实现,其特征在于,包括:
9.一种电子设备,其特征在于,包括处理器和存储器;所述存储器用于存储可执行指令,所述处理器用于执行所述指令,以实现权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述可读存储介质中存储有指令,当所述指令被执行时,实现权利要求1-7任一项所述的方法。
技术总结
本发明提供了一种多智能体强化学习的负荷与电源协同控制方法,属于配电输送技术领域,获取各节点的负荷数据和分布式电源数据;构建多智能体系统;构建多智能体系统中各智能体的协同控制算法,所述控制算法根据所述负荷数据和所述分布式电源数据调整智能体的控制策略;对多智能体系统进行离线训练和在线优化,所述多智能体系统在不同负荷场景下使用相应的控制策略。优点在于:通过考虑县域特色负荷与分布式光伏策略调整后,各节点电压在较小区间,满足国标低压台区电压标准,平滑了分布式光伏输出曲线,显著降低了电压越限行为。通过县域特色负荷分类聚合与分布式电源协同控制,实现电力系统的稳定性和高效性。
技术研发人员:董博,赵健,张鸿雁,罗潘,苗玲,张伟伟,乔宗杰,李航,王成成,于海平,胡誉蓉,付涵,王毅
受保护的技术使用者:国电南瑞南京控制系统有限公司
技术研发日:
技术公布日:2024/12/2
文档序号 :
【 40200088 】
技术研发人员:董博,赵健,张鸿雁,罗潘,苗玲,张伟伟,乔宗杰,李航,王成成,于海平,胡誉蓉,付涵,王毅
技术所有人:国电南瑞南京控制系统有限公司
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
技术研发人员:董博,赵健,张鸿雁,罗潘,苗玲,张伟伟,乔宗杰,李航,王成成,于海平,胡誉蓉,付涵,王毅
技术所有人:国电南瑞南京控制系统有限公司
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
