考虑分散式资源互动响应的虚拟电厂智能化调峰定价

随着新型电力系统的提出,电网灵活性需求不断提高,传统电力调峰压力增大,而目前调峰服务逐渐市场化,虚拟电厂等概念的发展使各类分散式资源参与电网调峰成为研究热点。基于此,提出考虑分散式资源互动响应的虚拟电厂智能化调峰定价策略。基于虚拟电厂技术特性与调峰市场要求构建虚拟电厂与内部资源互动的框架,分析响应补偿机制;利用大量历史用电信息建立基于循环神经网络的资源响应行为预测模型,并以虚拟电厂运营收益最大化和调峰偏差量最小化为目标制定响应价格;采用强化学习智能化方法对调峰环境进行学习感知,并针对价格策略改进更新此方法;利用MATLAB进行仿真分析和方法对比,仿真结果验证了所提模型的有效性。

基于深度强化学习的城市配电网多级动态重构优化运行方法

随着配电网分布式电源的大量接入以及城市区域负荷的快速发展,使得配电网运行环境愈发复杂。同时由于配电网重构涉及大量的开关状态二进制零散变量,现有优化方法很难求解大规模城市配电网重构问题。基于此,提出一种基于深度强化学习的城市配电网多级动态重构方法。首先,建立基于深度学习的配电网多级重构快速判断模型,通过该模型实现对重构级别在线决策,并对智能体动作空间进行降维。其次,使用含参数冻结和经验回放机制的深度Q网络对预测负荷、光伏能源输出功率等环境信息进行学习。以运行成本、电压偏移度以及负荷均衡度最优为目标,通过习得的策略集对配电网进行动态重构与运行优化。建立多智能体强化学习模型,对各个时段的不同重构主体进行联合优化。最后,通过算例分析验证了所提方法的有效性。