专利示意图

一、技术领域

人工智能技术领域

二、专利介绍

1.专利信息

专利类型：发明

专利权人：清华大学深圳国际研究生院

申请号：202410333531.6

发明人：郭烨、柳琼、王康

2.专利说明书摘要

一种适用于不可观配电网的鲁棒强化学习无功优化方法，构建部分可观马尔可夫决策过程，并通过带有保守评判家和代理奖励的鲁棒强化学习无功优化方法，在不依赖电网模型的情况下，从有限的量测数据中学到鲁棒的无功优化控制策略，实现对配电网的网损和电压的实时优化。该方法通过结合强化学习与鲁棒优化技术，解决配电网中由于不可观测性导致的无功功率优化问题。通过构建适当的马尔可夫决策过程，能够在不完全可观测的环境下有效地学习并优化无功功率分配，提高配电网的运行效率和稳定性；所采用的鲁棒优化策略，能够有效应对配电网中可能出现的各种不确定性因素。该方法具有良好的优化效果和鲁棒性，对于提升不可观配电网的运行性能具有重要价值。

3.创新点

（1）本发明提出一种适用于不可观配电网的鲁棒强化学习无功优化方法，在不依赖电网模型的情况下，从有限的量测数据中学到鲁棒的无功优化控制策略，实现对配电网的网损和电压的实时优化；

（2）针对部分可观状态的问题，提出了一种基于分位数回归的保守批判家技术，估计状态动作值对部分可观测状态的不确定性，帮助去训练一个鲁棒的无功电压控制策略；

（3）针对奖励未知的问题，提出了网损和电压越界的代理奖励。使用两种替代奖励的深度强化学习方法优化了功率损耗和配电网全网网损和具有可测量节点电压的电压分布，同时间接优化其他节点的电压分布。

4.痛点问题

（1）传统方法计算耗时长；

（2）计算结果可靠性依赖精确模型；

（3）在主动配电网量测不足是无法使用。

5.技术优势

（1）适用与各种配电网量测不足的情况，当仅有部分节点电压量测和根节点有功量测时，该控制器仍可正常工作；

（2）能从运行数据中学到最有无功电压控制策略，不依赖模型。

三、产业化信息

1.应用场景

适用于主动配电网无功电压控制等各种场景，可以解决大规模分布式能源接入主动配电网络电压越界和功率损耗增加等问题，以实现降低网络和改善电压质量的目标。

2.商业价值

此项技术拥有巨大的商业前景，有以下市场价值：

（1）可以解决大规模分布式能源接入主动配电网络电压越界和功率损耗增加等问题，以实现降低网络和改善电压质量的目标；

（2）改善电压质量，降低电压过高导致的新能源发电脱网问题，提高新能源利用率。

3.发展规划

（1）该技术未来可应用至大规模新能源接入的主动配电网无功电压控制中去，实现降低网损和改善电压质量的目标；

（2）该技术通过推广主动配电网无功电压控制相关技术服务及工程咨询等方式均可能占据市场。

4.合作方式

面议

注:所有成果未经授权，请勿转载

联系方式：ttc@sz.tsinghua.edu.cn