基于多智能体强化学习的多微电网分布式控制方法及装置

本申请涉及一种基于多智能体强化学习的多微电网分布式控制方法及装置。所述方法包括：对电力网络系统进行建模，将多微电网形成过程建模为分布式的部分可观测马尔科夫决策过程；根据部分可观测马尔科夫决策过程部署多智能体强化学习算法，由各个智能体分别与电力网络系统进行环境交互采样信息后存储进各自的经验重放池中；基于DQN算法，各个智能体通过采样经验重放池中的经验样本并根据动作掩码技术和经验筛选技术训练自身对应的策略网络学习最优行为；利用训练好的策略网络模型分别控制电力系统各区域开关动作形成微电网，恢复负载供电。采用本方法能够有效提升电力系统的韧性，实现多微电网的快速形成与恢复。