随着可再生能源在有源配电网中的渗透比例逐年增加,其带来的随机性、间歇性对已有调度策略产生了重大挑战。文章提出了一种基于多智能体深度强化学习的有源配电网经济调度策略,构建多区域能源自治框架,每个新能源自治区域对应一个智能体...随着可再生能源在有源配电网中的渗透比例逐年增加,其带来的随机性、间歇性对已有调度策略产生了重大挑战。文章提出了一种基于多智能体深度强化学习的有源配电网经济调度策略,构建多区域能源自治框架,每个新能源自治区域对应一个智能体,应用多智能体深度强化学习(multi-agent deep reinforcement learning,MADRL)算法解决各区域的协同经济调度问题,并对包含风机、储能设备的有源配电网进行区域建模,设定经济优化目标及运行约束条件,在多智能体深度确定性策略梯度(multi-agent deep deterministic policygradient,MADDPG)算法基础上,采用BiGRU(bidirectional gated recurrent unit)代替全连接层,进行新能源的出力预测,有效降低新能源波动性带来的影响,以改进的IEEE33测试系统进行算例分析,验证了所提策略的有效性和对比同类算法的优越性。展开更多
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
针对主动配电系统(active distribution system,ADS)中间歇性电源和负荷的不确定性问题,基于多场景技术提出一种两步优化调度模型。首先分析了ADS中各单元的概率模型,其次采用拉丁超立方抽样及样本缩减技术得到各单元的样本,进而构建了...针对主动配电系统(active distribution system,ADS)中间歇性电源和负荷的不确定性问题,基于多场景技术提出一种两步优化调度模型。首先分析了ADS中各单元的概率模型,其次采用拉丁超立方抽样及样本缩减技术得到各单元的样本,进而构建了研究场景。在此基础上兼顾供电公司利益、污染物排放等目标,引入可中断负荷等相关约束,提出一种包含日前调度和实时调度的主动配电系统两步优化调度模型,并分别利用基于动态交换和密度距离的混沌粒子群算法和二进制粒子群算法求解日前调度和实时调度模型,算例结果表明所提模型和算法的有效性和正确性。展开更多
文摘随着可再生能源在有源配电网中的渗透比例逐年增加,其带来的随机性、间歇性对已有调度策略产生了重大挑战。文章提出了一种基于多智能体深度强化学习的有源配电网经济调度策略,构建多区域能源自治框架,每个新能源自治区域对应一个智能体,应用多智能体深度强化学习(multi-agent deep reinforcement learning,MADRL)算法解决各区域的协同经济调度问题,并对包含风机、储能设备的有源配电网进行区域建模,设定经济优化目标及运行约束条件,在多智能体深度确定性策略梯度(multi-agent deep deterministic policygradient,MADDPG)算法基础上,采用BiGRU(bidirectional gated recurrent unit)代替全连接层,进行新能源的出力预测,有效降低新能源波动性带来的影响,以改进的IEEE33测试系统进行算例分析,验证了所提策略的有效性和对比同类算法的优越性。
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。
文摘针对主动配电系统(active distribution system,ADS)中间歇性电源和负荷的不确定性问题,基于多场景技术提出一种两步优化调度模型。首先分析了ADS中各单元的概率模型,其次采用拉丁超立方抽样及样本缩减技术得到各单元的样本,进而构建了研究场景。在此基础上兼顾供电公司利益、污染物排放等目标,引入可中断负荷等相关约束,提出一种包含日前调度和实时调度的主动配电系统两步优化调度模型,并分别利用基于动态交换和密度距离的混沌粒子群算法和二进制粒子群算法求解日前调度和实时调度模型,算例结果表明所提模型和算法的有效性和正确性。
