摘要：分布式能源因其小规模且伴有波动性和间歇性的固有特性，给台区微电网的运行策略设计带来了显著挑战。尽管微电网系统成功地融合了多样化的分布式能源与外部电网，但其电压管理层面却日益复杂。鉴于此，提出了一种基于深度强化学习理论的台区微电网实时电压控制策略。首先，采用循环神经网络（RNN）模型，精准识别并处理系统内源荷功率数据中的损坏与缺失部分，确保数据质量。随后，综合考量了电能传输过程中的线路损耗以及电压越限的潜在风险，构建了台区微电网的电压管理模型。鉴于该模型内含复杂的非线性约束条件，采用了改进深度强化学习算法进行高效求解，通过ε-贪婪递减策略来指导智能体的动作选择，以克服传统方法的局限性。最后，为了验证所提策略的有效性和可行性，将本策略与传统控制策略进行对比测试，结果显示，提出电压控制策略在减小电压波动、降低网损等多个关键指标上均展现出显著优势。

      关键词：分布式能源；微电网；电压控制；循环神经网络；改进深度强化学习算法

      中图分类号：TM28     文献标识码：A