基于深度确定性策略梯度的电-气综合能源微网优化调度研究

多能互补协同运行是综合能源系统实现运行经济效益最优的重要技术之一。针对引入间歇性可再生能源的电-气综合能源微网运行优化问题,提出了基于深度确定性策略梯度的综合能源微网运行优化方法。该方法首先通过能源枢纽的理论对电-气综合能源微网进行数学建模,并对各种能源设备进行必要约束;然后,将综合能源微网优化调度问题转换为马尔可夫决策过程,合理定义系统的状态、动作和奖励,以最优经济效益为目标函数,通过训练智能体与环境进行互动,用连续的动作对多种能源进行协同控制,从而形成最优调度策略。实际算例的计算结果对比表明,该方法能更加合理有效地解决电-气综合能源微网运行优化问题,计算耗时短,更具有实际应用价值,能满足综合能源微网节能降本的需求。

基于双延迟深度确定性策略梯度的综合能源微网运行优化

为了满足综合能源微网运行优化及能量管理的需求,提出基于双延迟深度确定性策略梯度算法的综合能源微网运行优化方法;基于标准化矩阵建模理论,构建一个含冷、热、电供应的综合能源微网数学模型;考虑到综合能源微网中天然气、主电网供电等相关约束和电力价格的变化,提出以运行成本最小化为目标的双延迟深度确定性策略梯度算法,对各种能源设备的出力情况作出决策,形成合理的能源分配管理方案。仿真结果表明,所提出方法的性能优于非线性算法、深度Q网络算法和深度确定性策略梯度算法,在确保运行成本最小化的同时计算耗时较短。

基于人工蜂群优化支持向量参数的压气机特性线的表达

为克服传统方法对压气机特性线内插与外推预测性能模拟精度不高的问题及准确实现压气机在变工况条件下基于部件特性线行为的燃气轮机热力学仿真计算,一种基于蜜蜂采蜜行为的人工蜂群(artificial bee colony,ABC)优化支持向量机(support vector machine,SVM)参数的方法被提出并用于压气机特性线的表达。从泛化精度及计算耗时的角度,与常用的BP算法、粒子群算法和网格寻优法的SVM模型相比较。同时,为验证训练样本容量对实验结果的影响,减少样本集数量,对比同一转速下不同算法的预测性能曲线及柱状残差图。应用分析表明,不同转速下基于ABC算法优化的SVM模型在压气机特性线的表达上具有更佳的预测精度和计算实时性,并且该方法不随样本容量波动而精度失准,具有良好的鲁棒性。