전력 시스템 관측 가능성 정도를 고려한 심층 강화 학습 기반 최적 PMU 배치

위상 측정 장치(PMU)는 전력 시스템 모니터링 및 분석의 핵심 측정 구성 요소입니다. PMU의 배치는 상태 추정 신뢰도에 직접적인 영향을 미치며, 따라서 PMU의 수를 최소화하고 시스템 관측 가능성을 보장하는 최적 PMU 배치(OPP)는 전력 엔지니어들에게 매력적입니다. 그러나 현재의 관측 가능성 분석은 주로 토폴로지 방법에 의존하고 있으며, 이는 운영 환경의 영향을 반영할 수 없습니다. 게다가 복잡한 OPP 모델은 효율적인 해결자에 대한 더 높은 수요를 발생시키고 있습니다. 이러한 문제에 직면하여, 우리는 시스템 그래프 구조와 PMU 상태를 효과적으로 포착하는 강화 학습 그래프 컨볼루션 네트워크-딥 결정론적 정책 기울기 알고리즘 기반 OPP 전략을 제안하며, 이를 통해 PMU의 가치를 독립적으로 식별합니다. 또한 시스템 관측 가능성의 정도를 고려하고 OPP 전략에서 세 가지 관측 가능성 정량 지표를 제안하여 복잡한 운영 환경에서 인식된 상태의 신뢰성을 향상시킵니다. 제안된 전략의 효과는 여러 테스트 시스템에서 검증되었습니다.