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 dee...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。展开更多
传统综合能源系统(integrated energy system,IES)的日优化调度由于设备建模过于简化、预测模型精度低、信息捕获与传输不及时导致能源利用率低、经济与社会效益差。为解决上述问题,文章提出一种基于数字孪生与动态能效模型的综合能源...传统综合能源系统(integrated energy system,IES)的日优化调度由于设备建模过于简化、预测模型精度低、信息捕获与传输不及时导致能源利用率低、经济与社会效益差。为解决上述问题,文章提出一种基于数字孪生与动态能效模型的综合能源系统实时优化调度策略。首先,针对传统预测方法精度不足的问题,构造长短期记忆神经网络与相似日气象搜索算法相结合的组合预测模型;其次,考虑到设备能效系数易受负载率及环境因素的影响发生扰动,建立设备的动态能效模型;然后,分别建立系统的物理模型与数字孪生体,通过环境、负荷等各项孪生数据,进行新能源机组出力与负荷的预测及IES实时优化;最后,基于Cloudpss平台建立园区综合能源系统测试模型,验证所提策略的有效性。结果表明,所提策略能实现信息的实时捕获与传输、提高模型计算精度,在兼顾运行成本的前提下提高能源利用率,对实际工程具有指导意义。展开更多
文摘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。
文摘传统综合能源系统(integrated energy system,IES)的日优化调度由于设备建模过于简化、预测模型精度低、信息捕获与传输不及时导致能源利用率低、经济与社会效益差。为解决上述问题,文章提出一种基于数字孪生与动态能效模型的综合能源系统实时优化调度策略。首先,针对传统预测方法精度不足的问题,构造长短期记忆神经网络与相似日气象搜索算法相结合的组合预测模型;其次,考虑到设备能效系数易受负载率及环境因素的影响发生扰动,建立设备的动态能效模型;然后,分别建立系统的物理模型与数字孪生体,通过环境、负荷等各项孪生数据,进行新能源机组出力与负荷的预测及IES实时优化;最后,基于Cloudpss平台建立园区综合能源系统测试模型,验证所提策略的有效性。结果表明,所提策略能实现信息的实时捕获与传输、提高模型计算精度,在兼顾运行成本的前提下提高能源利用率,对实际工程具有指导意义。
