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
微电网的能量管理与优化调度作为构建新型电力系统的重要环节,提高其可再生能源的消纳水平、降低源荷不确定性风险以及优化系统运行成本具有重要意义。因此,文中提出一种基于信息间隙决策理论(information gap decision theory,IGDT)的...微电网的能量管理与优化调度作为构建新型电力系统的重要环节,提高其可再生能源的消纳水平、降低源荷不确定性风险以及优化系统运行成本具有重要意义。因此,文中提出一种基于信息间隙决策理论(information gap decision theory,IGDT)的含广义储能的独立直流微电网日前优化调度模型。首先,构建含超级电容的混合储能系统,以降低蓄电池运行成本,将具备虚拟储能特性的柔性负荷与混合储能相结合,形成广义储能,充分发挥微电网系统内灵活性资源特性;其次,考虑系统风光荷不确定性,引入IGDT模型,在确定性模型基础上建立风险规避策略下的鲁棒模型和风险投机策略下的机会模型,从2种决策角度追求降低风险与最大化收益;最后,基于算例仿真分析,证明该调度策略在降低微电网运行成本的基础上可量化不确定性因素对系统调度决策的影响,验证了模型的有效性和可参考性。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。
文摘微电网的能量管理与优化调度作为构建新型电力系统的重要环节,提高其可再生能源的消纳水平、降低源荷不确定性风险以及优化系统运行成本具有重要意义。因此,文中提出一种基于信息间隙决策理论(information gap decision theory,IGDT)的含广义储能的独立直流微电网日前优化调度模型。首先,构建含超级电容的混合储能系统,以降低蓄电池运行成本,将具备虚拟储能特性的柔性负荷与混合储能相结合,形成广义储能,充分发挥微电网系统内灵活性资源特性;其次,考虑系统风光荷不确定性,引入IGDT模型,在确定性模型基础上建立风险规避策略下的鲁棒模型和风险投机策略下的机会模型,从2种决策角度追求降低风险与最大化收益;最后,基于算例仿真分析,证明该调度策略在降低微电网运行成本的基础上可量化不确定性因素对系统调度决策的影响,验证了模型的有效性和可参考性。
