基于图神经网络与深度强化学习融合的虚拟电厂电压-无功协调控制方法及系统

本申请公开了基于图神经网络与深度强化学习融合的虚拟电厂电压‑无功协调控制方法，通过将配电网的拓扑结构以图数据的形式显式地引入深度强化学习的状态表征，利用图神经网络提取并处理该图结构数据，以精准捕捉电网中节点间的拓扑关联与动态相互作用；进而将提取的图特征与传统系统状态量融合，输入至深度Q网络进行学习与决策，从而输出对虚拟电厂内部分布式资源以及配电网设备的最优协调控制。本申请旨在解决现有技术中对电网结构感知不足的问题，显著提升了虚拟电厂电压‑无功控制的决策精度、鲁棒性以及在大规模复杂配电网中的适应性。