基于深度强化学习的风电场储能系统预测决策一体化调度

风电场储能系统的优化控制可以提高风电场作为发电商在电力市场中的竞争力。文中提出基于深度强化学习的储能系统预测决策一体化调度方法,令高维度的风电场原始测量数据直接驱动储能系统。与预测、决策相分离的传统调度模式相比,预测决策一体化调度模式将风电功率预测与储能系统动作决策相融合,避免了预测阶段中有效决策信息的损失,使风电的随机规律无须通过数学假设等方式被人为刻画,避免了建模误差。其次,引入深度强化学习Rainbow算法优化风电场测量数据与储能系统动作指令之间端到端的控制策略,该策略具备动态统筹多时段系统收益的能力。最后,基于风电场历史数据的算例分析,验证了所提一体化调度模式的优越性和深度强化学习应对不确定性问题的有效性。

含电压源换流器交直流系统的仿射潮流算法

针对交直流系统因大量不确定性能源接入带来的潮流不确定性问题,建立一种适用于交直流系统的仿射潮流算法,能为系统提供保守性较小的仿射数估计结果,并实现不确定注入功率对系统状态量影响的量化分析。该文首先对三角函数进行仿射运算的推导,而后在仿射原理下建立含电压源换流器的交直流系统不确定潮流求解模型。模型将电压源换流器(VSC)节点分别进行交流节点、直流节点的类型等效,与纯交流、纯直流潮流模型实现求解对应。进而,结合P-Q分解法实现了交直流仿射潮流的快速求解。通过对比多种潮流方法的求解结果并行不确定注入功率对交直流系统状态变量的影响分析,验证了该文算法的有效性和快速性。