基于n步Q-learning算法的风电抽水蓄能联合系统日随机优化调度研究

作     者：李文武 马浩云 贺中豪 徐康 LI Wen-wu;MA Hao-yun;HE Zhong-hao;XU Kang

作者机构：三峡大学电气与新能源学院湖北宜昌443002 梯级水电站运行与控制湖北省重点实验室(三峡大学)湖北宜昌443002 国网湖北省电力有限公司宜昌供电公司湖北宜昌443002 

出 版 物：《水电能源科学》 (Water Resources and Power)

年 卷 期：2022年第40卷第1期

页      面：206-210页

学科分类：081504[工学-水利水电工程] 080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 0815[工学-水利工程] 

基　　金：梯级水电站运行与控制湖北省重点实验室(三峡大学)开放基金(2019KJX08) 

主　　题：风蓄随机优化调度 强化学习 Q-learning算法 n步自举法 

摘      要：针对Q-learning算法求解风电抽蓄联合系统日随机优化调度中,存在功率偏差大及收敛速度慢的问题,提出基于n步Q-learning算法的风电抽蓄日随机优化调度方法。先将风电出力随机过程视为Markov过程并建立风电抽蓄日随机优化调度模型;其次分析n步Q-learning算法应用于优化调度模型中的优势;最后按照应用流程求解优化调度模型。算例表明,n步Q-learning算法的优化结果与n步和学习率取值有关,当两个参数取值适中时能得到最优功率偏差结果,在求解该问题上对比n步Q-learning与Q-learning算法,前者能更快收敛且较后者功率偏差降低7.4%、求解时间降低10.4%,验证了n步Q-learning算法的求解优越性。