公开(公告)号：CN117239761A

公开(公告)日：2023-12-15

申请号：CN202310054263.X

申请日：2023-02-03

Applicant: 浙江大学

Inventor： 张森林 ,  王逸文 ,  刘妹琴 ,  董山岭 ,  郑荣濠

IPC: H02J3/12 ,  H02J3/28 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于多智能体策略演化的电网电压调节方法，包括：定义每个楼宇智能体的状态，所能采取的动作以及采取动作后自身储能状态的变化；建立以楼宇智能体为PQ型负载的多智能体部分观测马尔可夫决策过程；将楼宇智能体针对电网环境变化和决策过程映射为多智能体策略演化过程，以此进行电网电压调节；在多智能体策略演化过程中，包括对楼宇智能体的训练：楼宇智能体采取动作，通过电网潮流约束获取电网的状态值，并根据状态值给出每个楼宇智能体的奖励，形成一经验轨迹；根据预设的经验池阈值对经验轨迹进行划分，更新策略。本发明能够实时地针对复杂源网荷储场景给出每个智能体的策略动作，具有运算速度快的特点，能够应用于工业场景。

公开(公告)号：CN118572709A

公开(公告)日：2024-08-30

申请号：CN202410680327.1

申请日：2024-05-29

Applicant: 浙江大学

Inventor： 张森林 ,  王逸文 ,  刘妹琴 ,  郑荣濠 ,  董山玲

IPC: H02J3/12 ,  G06N3/0455 ,  G06N3/044 ,  G06N3/006 ,  G06N3/092

Abstract: 本发明公开了一种基于Transformer‑RNN模型的电压调控方法、电子设备、介质，所述方法具体为：通过并行的多智能体利用预先训练好的变换器‑RNN模型处理多智能体观测值，所述多智能体观测值包括电网中每个节点上的电压、有功功率、无功功率，得到电压调控策略；其中，Transformer‑RNN模型的训练过程为：定义多智能体优化目标函数，将多智能体优化目标函数分解为每一智能体优化目标函数，基于每一智能体优化目标函数采用自注意力机制训练Transformer模型；根据训练好的Transformer模型获取奖励函数，基于奖励函数通过RNN模型推断每一智能体的动作。本发明方法能够在智能电网复杂环境下实现了更高的协同决策性能。