基于生态博弈的含云储能微电网多智能体协调优化调度

被引:36
作者
李咸善
陈奥博
程杉
陈敏睿
机构
[1] 梯级水电站运行与控制湖北省重点实验室(三峡大学)
关键词
云储能; 多智能体; 生态博弈; 纳什均衡; 强化学习;
D O I
暂无
中图分类号
TM73 [电力系统的调度、管理、通信];
学科分类号
120103 [信息系统与信息管理];
摘要
分布式储能可以缓解分布式电源大量接入微电网所带来的随机性问题,但高昂的初装成本和运维困难限制了其大规模推广应用。在微电网中引入"云储能"为用户提供高效的"虚拟分布式储能"服务,基于自然界生态系统思想,提出了含云储能微电网多智能体生态博弈协调优化调度模型。根据利益诉求关系,构建了微电网系统多智能体结构,得到微电网运营商、常规负荷代理、云储能运营商以及云储能用户四大智能体,建立了其优化模型;构建了微电网电力生态系统,建立了各智能体之间以及电力生态系统之间的博弈优化模型;采用基于纳什均衡的强化学习算法对多智能体生态博弈模型进行求解。算例结果表明,云储能服务优化了负荷曲线、降低了用电成本、云储能运营商也获得了收益,达到多方共赢效果。
引用
收藏
页码:166 / 177
页数:12
相关论文
共 19 条
[1]
基于stackelberg博弈的虚拟电厂能源共享机制 [J].
匡熠 ;
王秀丽 ;
王建学 ;
彭巧 ;
赵红阳 ;
王锡凡 .
电网技术, 2020, 44 (12) :4556-4564
[2]
考虑电能共享的综合能源楼宇群日前协同优化调度 [J].
胡鹏 ;
艾欣 ;
杨昭 ;
吴界辰 ;
郭良松 ;
李庆彪 ;
张润恩 .
电力自动化设备, 2019, 39 (08) :239-245
[3]
基于合作博弈的发电侧共享储能规划模型 [J].
孙偲 ;
陈来军 ;
邱欣杰 ;
郑天文 ;
梅生伟 .
全球能源互联网, 2019, 2 (04) :360-366
[4]
面向居民用户精细化需求响应的等梯度迭代学习激励策略 [J].
孙毅 ;
刘迪 ;
崔晓昱 ;
李彬 ;
霍沫霖 ;
奚巍民 .
电网技术, 2019, 43 (10) :3597-3605
[5]
基于深度强化学习的微电网复合储能协调控制方法 [J].
张自东 ;
邱才明 ;
张东霞 ;
徐舒玮 ;
贺兴 .
电网技术, 2019, 43 (06) :1914-1921
[6]
储能系统商业模式及其优化规划方法 [J].
修晓青 ;
李建林 ;
李文启 ;
郭威 .
电力建设, 2019, 40 (06) :41-48
[7]
分布式储能网络化运营平台架构与控制策略 [J].
赵伟 ;
肖祥 ;
郑耀东 ;
易斌 ;
孟金岭 ;
罗敏 .
高电压技术, 2019, 45 (10) :3256-3262
[8]
规模化分布式储能的关键应用技术研究综述 [J].
李建林 ;
马会萌 ;
袁晓冬 ;
王展 ;
葛乐 .
电网技术, 2017, 41 (10) :3365-3375
[9]
电力系统云储能研究框架与基础模型 [J].
刘静琨 ;
张宁 ;
康重庆 .
中国电机工程学报, 2017, 37 (12) :3361-3371+3663
[10]
含光伏和蓄能的冷热电联供系统调峰调蓄优化调度 [J].
杨永标 ;
于建成 ;
李奕杰 ;
戚艳 .
电力系统自动化, 2017, 41 (06) :6-12+29