基于深度强化学习的弹性微电网扩展规划研究

作     者：庞可欣 

作者单位：南京理工大学 

学位级别：硕士

导师姓名：马义中;周剑

授予年度：2023年

学科分类：12[管理学] 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] 081104[工学-模式识别与智能系统] 08[工学] 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）] 

主      题：深度强化学习 微电网扩展规划 优化 系统弹性 综合能源 

摘      要：电力系统在社会经济发展和人们生活的各个方面发挥着越来越重要的作用,停电的发生会给社会带来巨大的损失。然而,随着人们日益增长的用电需求和极端天气的频发,大规模的停电事件在全世界各地屡屡发生。微电网由于对分布式能源和可再生能源的广泛利用,在增强电力系统弹性和环境保护方面发挥着极为重要的作用。对微电网进行合理规划和扩建有利于应对负荷需求的持续增长、电力系统弹性的严格要求以及迫切的碳减排需要等问题。可见,综合考虑多方面因素的微电网扩建规划具有重要的理论与实际意义。 本研究针对在主电网故障时提供备用电源的微电网,围绕微电网的经济性、弹性和环保性,提出了微电网长期扩展规划的新框架。考虑到长期规划的实际过程中存在的各类不确定性和约束条件,并采用深度强化学习算法来求解这个动态、随机的决策优化问题。具体研究内容如下: (1)针对微电网系统中的储能单元和发电单元展开特性分析,并结合微电网在真实环境运行中的不确定性进行建模。电池的实际退化特性以及可再生能源的不可用性等不确定性因素被纳入到微电网运行建模中。由此,建立了主电网故障模型,并提出了主电网故障下微电网作为备用电源的运行规则。 (2)建立微电网扩展规划模型,考虑了面向弹性的微电网长期规划中的相关成本和约束。结合深度强化学习方法描述微电网扩展规划问题,并给出了算法的训练流程。通过案例分析得到微电网长期扩展规划的最优策略,并通过与贪婪算法比较,进一步验证了所提方法的可行性与有效性。 (3)在上述模型和方法的基础上,进一步分析多场景下的弹性微电网扩展规划问题。一方面考虑温室气体排放的影响,将温室气体减排的收益和环境保护的约束条件纳入到微电网扩展规划中进行模型拓展;另一方面,针对跨区域的多个微电网联合扩展规划问题,考虑多个微电网的电力需求及传输关系进行建模。 总的来说,本文所提的弹性微电网扩展规划模型在能源系统的规划中有一定的实际应用意义,为解决长期的发电单元和储能单元规划问题提供了一个可行的框架。所得策略能够在减少微电网扩展规划成本的同时提高系统弹性和温室气体减排收益,这有助于人们制定具有多方面效益的能源系统投资决策。