一种基于样本场景分类强化学习的配电网电压控制方法

本发明属于配电领域，公开了一种基于样本场景分类强化学习的配电网电压控制方法。通过引入两个内存缓冲区识别不同经验，提出了一种场景分类经验回放方法，通过设计经验采样权重，RL代理可以加强其对典型电压违规相关经验的训练，保证了代理可以有效地收敛到更好的策略。本发明引入一种基于补偿器的RL方案以增强训练的鲁棒性，解决了奖励稀疏问题。本发明提出的基于样本场景分类强化学习的配电网电压控制技术，可以有效地保证随机光伏输出下的电压安全，降低线损成本。实例研究验证了与传统强化学习算法相比，所提方法将样本效率从4000次提高到2500次，提高了37.5%。同时，线路损耗成本和最大电压违约率分别降低了7.5%和50%。