基于分层深度强化学习的分布式能源系统多能协同优化方法
Multi-energy Collaborative Optimization Method for Distributed Energy Systems Based on Hierarchical Deep Reinforcement Learning作者机构:南瑞集团有限公司(国网电力科学研究院有限公司)江苏省南京市211106 国电南瑞科技股份有限公司江苏省南京市211106
出 版 物:《电力系统自动化》 (Automation of Electric Power Systems)
年 卷 期:2024年第48卷第1期
页 面:67-76页
核心收录:
学科分类:12[管理学] 080702[工学-热能工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 081104[工学-模式识别与智能系统] 0807[工学-动力工程及工程热物理] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家电网公司科技项目(5400-202233168A-1-1-ZN)
主 题:分布式能源系统 新能源 多能协同 序贯决策 深度强化学习
摘 要:分布式能源系统的多能协同运行对于促进新能源的消纳具有重要意义。然而,分布式能源系统中源荷的不确定性以及异质能源网络的时空差异性,给多能协同优化问题带来巨大挑战。针对这一问题,提出了一种面向分布式能源系统的两阶段多能协同优化模型,通过采用长时间尺度控制和短时间尺度控制两阶段解耦决策方式,实现了对不同时间响应特性的复合空间进行序贯决策。然后,面对高维复合搜索空间和源荷不确定性因素,采用了深度强化学习无模型解决方案,并提出一种全新的分层深度强化学习算法进行求解。通过算例仿真验证了所提模型和求解方法的有效性和优越性。