大规模分布式能源博弈竞争模型及其求解算法

随着分布式能源系统的快速发展,为了促进电网主动消纳大规模分布式能源,考虑用户、聚合商和电网三方需求及收益等因素的大规模分布式能源系统博弈竞争模型亟待建立。针对这一复杂多目标优化问题,采用具有优异的全局搜索能力和求解效率的抹香鲸优化算法(sperm whale algorithm,SWA)对大规模分布式能源系统并网消纳问题进行了分析。同时,引入一种启发式约束处理方法对该算法的数据处理能力进行了优化。最后,结合分布式能源系统算例,对分布式能源系统博弈竞争模型进行了仿真分析,结果表明基于所提出模型得到的每个时段最优电价策略组合可以有效平衡用户、聚合商和电网三方收益,实现三方的合作共赢和协调发展。

基于强化学习的增量配电网实时随机调度方法

电动汽车(electric vehicle,EV)及其他分布式资源正大规模地渗透到增量配电网中,使其调度问题成为一个充满随机性、高维的多阶段优化问题。因此基于强化学习框架,提出一种增量配电网实时随机优化调度算法。首先,将增量配电网的实时调度描述成一个多阶段随机序贯决策问题,并提出原问题的动态规划公式,构造表征当前决策对后续所有时段影响的值函数;利用决策后状态值函数代替期望值的计算,从而避免了增量配电网的随机性;利用基于时序差分TD(1)的策略迭代算法在大量模拟场景下训练值函数,得到收敛的近似值函数;将近似值函数投入在线运行进而得出配电网每时刻的近似全局最优调度方案。该算法避免了EV、可再生能源等数据预测误差的影响,有效应对各类能源随机性给优化调度带来的挑战。仿真算例表明,该算法收敛速度快,鲁棒性强,计算时间不受EV接入数量的影响,与其他算法对比更具可行性和经济性。