文章摘要:随着可再生能源的大规模并网，电网运行逐渐表现出高阶不确定性的新特征，给系统安全稳定运行带来严峻挑战。基于模型驱动的传统实时调度方法需占用大量计算资源，而近几年受到广泛关注的强化学习（Reinforcement Learning，RL）方法由于处理高维复杂电网状态信息，存在训练速度缓慢等问题。为此，本文提出一种可用于电网实时调度的电网专家策略模仿学习方法（Grid Expert Strategy Imitation Learning，GESIL）。该方法首先基于图论思想建立了电网模型，其次设计了考虑电网安全运行和电力平衡控制的电网专家策略，然后利用模仿学习融合专家策略与所建模型，获得可用于电网调度决策的GESIL智能体。本文在高比例新能源占比的IEEE 118节点修正模型中对比了GESIL、传统调度方法和RL方法。分析结果表明，GESIL可更加稳定高效地计算出电网运行优化方案和电力平衡控制策略，显著提升调度决策的优化效果和计算速度。

文章关键词:

论文DOI:10.13335/j.1000-3673.pst.2022.1032

论文分类号:TM73;TP181