Control de voltaje en redes de distribución considerando la optimización cooperativa de plantas de energía virtual con energía transaccional

La integración de recursos energéticos distribuidos masivos (DERs) presenta nuevos desafíos para el control de la operación de las redes de distribución (DNs). Para controlar los DERs de manera efectiva, se introducen plantas de energía virtual (VPPs) en las DNs. Convencionalmente, la estrategia de control de las VPPs se formula como un modelo de optimización sin considerar el control de voltaje y la energía transaccional (TE) en las DNs. En este artículo, se estudia la optimización cooperativa de múltiples VPPs con TE y se plantea como un modelo de programación no lineal. Su objetivo es optimizar el control de voltaje de las DNs y las ganancias operativas de las VPPs. Para capturar dinámicamente el estado de operación óptimo de las VPPs en las DNs, se incorporan la valoración locacional marginal de la distribución y la partición de la DN en el modelo. En general, este tipo de modelo es computacionalmente desafiante y se resuelve principalmente mediante algoritmos aproximados con baja eficiencia. Recientemente, el aprendizaje profundo por refuerzo multiagente (MADRL) está emergiendo como un enfoque escalable y prometedor basado en datos. Proponemos una solución MADRL aumentada a este problema. En la etapa de entrenamiento, se emplea un agente de aprendizaje actor-crítico suave aumentado por una estrategia de compartición de parámetros para capturar simultáneamente los patrones de estado-acción de múltiples VPPs. Se aplica la técnica de repetición de experiencia priorizada para mejorar la eficiencia y velocidad del aprendizaje. Los resultados de pruebas numéricas demuestran la superioridad del método propuesto sobre los métodos de referencia. • Se formula un modelo de control de voltaje de DN con cooperación de VPPs considerando TE. • Se propone un método MADRL aumentado integrando PS y PER en SAC. • El método tiene como objetivo optimizar el control de voltaje de las DNs y las ganancias de las VPPs. • Los resultados muestran que el método propuesto supera a los algoritmos de RL de referencia.