小样本数据驱动模式下的新建微电网优化调度策略

作     者：陈实 杨林森 刘艺洪 罗欢 臧天磊 周步祥 

作者机构：四川大学电气工程学院 

出 版 物：《上海交通大学学报》 (Journal of Shanghai Jiaotong University)

年 卷 期：2024年

核心收录：

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

基　　金：国家自然科学基金(No.51907097) 国家重点研发计划(No.2021YFB4000500)资助项目 

主　　题：小样本 可再生能源出力 对抗迁移学习 深度强化学习 微电网优化调度 

摘      要：新建微电网缺少历史运行数据，常规数据驱动的方法难以精确预测可再生能源出力，进而影响调度计划制定的准确性。本文提出一种适用于新建微电网小样本数据场景下的微电网优化调度方法。首先设计了融合域对抗神经网络和长短期记忆网络的改进网络结构，将域对抗思想和梯度反转机制引入到迁移学习中，提高模型泛化能力，减小数据的域分布差异，使用出力特征相似电站的丰富运行数据对目标电站出力进行预测，克服了小样本条件下出力预测精度不高的问题。进一步，将优化调度模型转化为马尔可夫决策过程，使用双延迟深度确定性策略梯度算法求解。最后以改进CIGRE14节点微电网为例验证了所提方法的有效性。