面向储能辅助火电机组一次调频的深度强化学习控制策略
Deep Reinforcement Learning Control Strategy for Primary Frequency Regulation of Energy Storage Assisted Thermal Power Units作者机构:国网河南省电力公司郑州450000 西安交通大学自动化科学与工程学院西安710100 国网河南省电力公司电力科学研究院郑州450052
出 版 物:《西安交通大学学报》 (Journal of Xi'an Jiaotong University)
年 卷 期:2024年第58卷第6期
页 面:186-192页
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:国家重点研发计划资助项目(2018YFB1700104) 国网河南省电力公司科技资助项目(521702230011)
主 题:一次调频 深度强化学习 下垂控制 调频死区 荷电状态
摘 要:为充分挖掘火储联合系统中储能单元的一次调频潜力,同时减少火电机组调频频度,提出了一种基于双延迟深度确定性策略梯度算法的储能辅助火电机组一次调频控制策略。搭建了典型含有火储联合调频系统的区域电网一次调频模型;以提高电网频率控制效果、维持储能荷电状态(SOC)平稳、减少火电机组调频动作次数等多项目标建立优化问题,综合考虑电网运行状态及调频动作的约束,将储能辅助火电机组一次调频问题建模为一个马尔可夫决策过程;使用双延迟深度确定性策略梯度算法进行优化问题求解。典型调频任务场景的仿真结果表明,与传统火储联合调频控制算法相比,所提出的储能辅助火电机组智能调频控制策略可使电网频率偏差均值降低约10.4%、火电机组的调频动作次数减少约56.2%,验证了该策略能在有效释放火储联合系统的调频潜力,同时大幅减少火电机组一次调频频次。