- 1、本文档共10页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
第57卷第1期中国电力Vol.57,No.1
2024年1月ELECTRICPOWERJan.2024
基于改进深度Q网络的虚拟电厂实时优化调度
1,2122
张超,赵冬梅,季宇,张颖
(1.
华北电力大学
电气与电子工程学院,北京102206;2.
国网上海能源互联网研究院有限公司,上海200120)
摘要:深度强化学习算法以数据为驱动,且不依赖具体模型,能有效应对虚拟电厂运营中的复杂性问
题。然而,现有算法难以严格执行操作约束,在实际系统中的应用受到限制。为了克服这一问题,提出了
一种基于深度强化学习的改进深度Q网络(improved
deep
Q-network,MDQN)算法。该算法将深度神经网
络表达为混合整数规划公式,以确保在动作空间内严格执行所有操作约束,从而保证了所制定的调度在实
际运行中的可行性。此外,还进行了敏感性分析,以灵活地调整超参数,为算法的优化提供了更大的灵活
性。最后,通过对比实验验证了MDQN算法的优越性能。该算法为应对虚拟电厂运营中的复杂性问题提供
了一种有效的解决方案。
关键词:虚拟电厂;实时优化;深度强化学习;云边协同;优化调度
DOI:10.11930/j.issn.1004-9649.202307006
0引言效率低下。
数学规划方法在建立数学模型后,可以直接
[6]
新型电力系统背景下,大规模接入电网的可使用商业求解器如Cplex进行求解。如果能获
再生能源具有随机性和波动性,给电网运营带来得VPP的系统参数和准确的预测值信息,利用数
了巨大挑战。为解决这一问题,虚拟电厂(virtual学规划方法可以计算出准确解。然而,由于可再
power
plant,VPP)作为智能控制技术整合可再生生能源和负荷具有不确定性,在实践中很难获得
能源、储能和负荷设备,通过能量管理寻找最佳这些完整信息。为了消除系统中的不确定性,鲁
策略调度可调度资源。棒优化和随机优化广泛应用于最优化问题。文献[7]
对于虚拟电厂而言,找到合适的策略来调度利用条件风险价值法和鲁棒随机优化理论构
您可能关注的文档
- 虚拟电厂参与能量与辅助服务市场的协同优化策略.pdf
- 面向虚拟电厂运营的温度敏感负荷分析与演变趋势研判.pdf
- 配网设备局部放电边缘侧精简特征提取与短报文传输技术研究.pdf
- 基于风电分时电价的虚拟电厂参与清洁供暖运营优化方法.pdf
- 柔直换流阀用相变冷却工质击穿特性研究.pdf
- 基于扩展移相的ISOP-DAB变换器混合优化控制方法.pdf
- 动车组辅助变流器冷却风机电机噪声问题分析与解决方案.pdf
- 001_2023.00142-新型电力系统保护控制技术架构研究_吴振杰_H.pdf
- 耦合氢储能的综合能源园区系统容量配置与运行优化.pdf
- 考虑电-气-热耦合和需求响应的虚拟电厂优化调度策略.pdf
文档评论(0)