基于图神经网络的电-热联合能源系统优化调度研究

电-热联合能源系统的优化调度对实现多能互补、节能减排具有重要意义。在使用强化学习方法实现能源系统优化调度工作中,将系统状态作为向量用来学习训练,忽略了系统设备间的连接关系。基于此,提出了基于图神经网络架构的值分布最大熵Actor-Critic算法的强化学习模型。将电-热联合能源系统建模为图结构数据,并输入提出的强化学习模型中,利用图神经网络模型提取系统状态并输出调度策略。所提模型可以充分利用系统的拓扑结构信息,实现更为有效地探索学习。算例仿真验证了所提方法的有效性。