余 涛 刘 靖 胡细兵

（1. 华南理工大学电力学院 广州 510640 2. 安庆供电公司 安庆 246003）

1 引言

最优潮流（Optimal Power Flow, OPF）是电力系统基本优化问题，是现代电力系统经济调度和节能调度的基础，但是随着综合优化调度目标的提出，现有的传统算法[1-3]对这类复杂的 OPF多目标优化函数的适应性难以满足要求。此外，面对节点规模庞大的复杂电网，传统的最优潮流算法与常规人工智能算法[4,5]都面临大系统所带来的维数灾难问题，计算速度难以满足电网实时控制的要求。

为了探索更有效的复杂电网多目标OPF计算方法，国内外学者对此做了深入研究，除了研发更优的基本算法外，并行计算方法成为研究的主流。并行计算归纳起来分成两类方法，一类是常规并行算法[6,7]，另一类是基于辅助问题原理(Auxiliary Problem Principle, APP)的分区分布式算法[8,9]，前者采用服务器/客户端结构，计算成本较高，且存在数据传输的瓶颈问题；后者人为复杂化了OPF数学模型，增加了系统的运算负担，而且收敛速度很大程度上受到人为经验的限制[10]。

近年来，随着人工智能的不断发展和智能电网的提出，多代理系统(Multi-Agent System, MAS)技术日益得到重视，分布式强化学习[11]则是实现MAS技术的一个重要途径。本文结合强化学习中优异的多步回溯 Q(λ)学习算法和分布式处理技术，综合利用前者对多目标 OPF的良好适应性以及后者在解决维数灾难问题的有效性，提出分布式 Q(λ)学习算法来解决复杂电网的多目标 OPF快速求解问题。本方法对复杂电网采用分区的方法，使用分布式 Q(λ)学习算法，由多个学习单元同时使用 Q(λ)学习算法单独执行部分强化学习任务，最后达到整个系统意义上的学习目标。……