一种基于混合随机H2/H∞方法的能源互联网边缘计算系统控制策略

作为一种新兴的计算范式,边缘计算可以将数据计算和处理任务下放到靠近用户的网络边缘侧执行,从而避免远距离数据传输所引发的高时延。随着边缘计算任务的增加,边缘计算中心的供能问题成为一个巨大的挑战。利用能源互联网对边缘数据中心进行供能是一个可行的方向,但可再生能源产能和边缘数据中心的耗能具有很强的不确定性和随机性。面对这一挑战,提出一种基于纳什均衡的随机最优鲁棒控制策略。该控制器通过最优控制最大化地使用可再生能源为边缘数据中心进行供能,同时也保证了边缘数据中心尽量以最大的工作功率进行数据运算。此外,该控制器还可以在有随机扰动的环境下保证母线频率偏差稳定。考虑到最优控制和鲁棒控制两个目标可能会相互冲突,该文通过纳什均衡使得二者达到一种平衡状态。最后,通过数值仿真验证了提出方法的可行性。

基于深度强化学习的微网储能系统控制策略研究

微网作为新兴的能源管理形式,近年来发展迅速,为保障微网系统能安全、稳定、经济的运行,为其提供合理的能量调度策略是关键。微网根据运行模式的不同,可分为并网微网和孤岛微网两大类。该文以并网微网为研究对象,应用Simulink仿真技术,按照恒功率控制(PQ控制)原理,搭建了一个包含外部电源、光伏发电、储能,以及负荷的微网系统。然后以此仿真系统为基础,结合深度强化学习中的双重深度Q学习算法,以最小化微网24h从外电网取电费用为目标,在满足微网系统电压偏差、功率平衡以及储能的荷电状态等约束下,以储能的实时充放电功率为控制变量,训练得到储能控制的优化策略。并通过实验验证与传统方法进行对比,分别从定性角度分析了储能充放电策略的合理性,和从定量角度展示了该文所提方法在优化购电费用上的有效性。