一种融合图神经网络和强化学习的配电网电压无功优化方法

本发明公开了一种融合图神经网络和强化学习的配电网电压无功优化方法，涉及电力系统自动化和深度强化学习交叉领域，包括：步骤1，通过图神经网络GNN提取配电网的拓扑信息，以线路损耗最小为目标函数，建立配电网的连续无功优化模型，同时添加配电网安全运行的约束；步骤2，根据步骤1构建的模型将配电网的无功优化问题描述为马尔科夫决策过程；步骤3，将GNN嵌入到深度Q网络中，构建独特网络来求解构建的马尔科夫决策过程；对上述构建的模型使用电网历史运行数据进行训练。本发明的主要创新点摆脱了对精确物理模型的依赖，并可以实现配电网快速无功优化，同时训练好的模型具有较强的泛化能力可以实时求解，大大减轻了计算的负担。