基于强化学习的含分布式风-光-储虚拟电厂优化调度
Optimal Dispatch of Distributed Wind-solar-storage Virtual Power Plants Based on Reinforcement Learning作者机构:华北电力大学控制与计算机工程学院北京102206
出 版 物:《智慧电力》 (Smart Power)
年 卷 期:2024年第52卷第8期
页 面:50-56页
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]
摘 要:将大量小规模的分布式风电、光伏发电和储能等单元并网的一种有效手段是将它们通过能源聚合商聚合之后参与虚拟电厂(VPP)的优化调度,然而VPP调度中心常难以对能源聚合商的总体出力特性进行精确的建模及预测,给传统的集中式VPP优化调度模式带来挑战。针对含分布式风-光-储单元的VPP,提出一种基于强化学习的交互式优化调度模型。VPP调度中心通过与各聚合商的在线信息交互,逐步学习得到VPP中各类单元的聚合出力及VPP对大电网的购售电量决策。该优化模型采用深度确定性策略梯度(DDPG)算法求解。基于真实新能源出力数据的仿真算例验证了该方法的有效性。与线性规划求解器得到的传统集中式调度结果对比,表明本所提法有助于改善VPP运行总效益,尤其是提高新能源利用率。