基于深度强化学习的微电网复合储能协调控制方法

被引：77

作者：

张自东 ^{[1
]}

邱才明 ^{[1
]}

张东霞 ^{[2
]}

徐舒玮 ^{[1
]}

贺兴 ^{[1
]}

机构：

[1] 大数据工程技术研究中心(上海交通大学)

[2] 中国电力科学研究院有限公司

来源：

电网技术 | 2019年 / 43卷 / 06期

基金：

国家重点研发计划;

关键词：

微电网; 深度强化学习; 能量协调控制; 光伏发电; 孤岛系统;

D O I：

10.13335/j.1000-3673.pst.2018.2369

中图分类号：

TM73 [电力系统的调度、管理、通信];

学科分类号：

080802 ;

摘要：

在微电网中,由于负荷和电源功率波动较大、各种不确定因素复杂,通常需要增加储能系统以保证供需实时平衡、并提高可再生能源的利用率。该文构建了一个孤岛运行的包含光伏发电、储氢装置(长期储能)、蓄电池(短期储能)的复合能源系统,并将复合储能系统的协调控制转化为序列决策问题,并采用深度强化学习方法加以解决。在发电量、负荷等多种因素变化的情况下,复合能量协调控制是一个复杂的优化决策问题,不同方案可能会影响系统供电稳定、利用效率和经济效益。为此该文设计了适合解决该类问题的深度强化学习框架和神经网络模型,经过足够的训练后能够实现实时在线决策控制,避免了传统算法在这方面的不足,同时,对于不同时刻、天气、季节的场景均能有效处理。结果表明了深度强化学习在复合储能协调控制问题中的可行性和有效性,具有较强的学术意义和工程价值,并可以用于处理相似的问题。

引用

页码：1914 / 1921

页数：8

共 13 条

[11]

Reinforcement learning for microgrid energy management[J] . Elizaveta Kuznetsova,Yan-Fu Li,Carlos Ruiz,Enrico Zio,Graham Ault,Keith Bell.Energy . 2013

[12]

A big data architecture design for smart grids based on random matrix theory. HE X,AI Q,QIU R C,et al. IEEE Transactions on Smart Grid . 2017

[13]

Smart Grid:Networking,Data Management,and Business Models. Franois-Lavet V,Gemine Q,Ernst D,et al. . 2016

← 1 2 →