深度强化学习算法以数据为驱动,且不依赖具体模型,能有效应对虚拟电厂运营中的复杂性问题。然而,现有算法难以严格执行操作约束,在实际系统中的应用受到限制。为了克服这一问题,提出了一种基于深度强化学习的改进深度Q网络(improved dee...深度强化学习算法以数据为驱动,且不依赖具体模型,能有效应对虚拟电厂运营中的复杂性问题。然而,现有算法难以严格执行操作约束,在实际系统中的应用受到限制。为了克服这一问题,提出了一种基于深度强化学习的改进深度Q网络(improved deep Q-network,MDQN)算法。该算法将深度神经网络表达为混合整数规划公式,以确保在动作空间内严格执行所有操作约束,从而保证了所制定的调度在实际运行中的可行性。此外,还进行了敏感性分析,以灵活地调整超参数,为算法的优化提供了更大的灵活性。最后,通过对比实验验证了MDQN算法的优越性能。该算法为应对虚拟电厂运营中的复杂性问题提供了一种有效的解决方案。展开更多
多能互补综合能源系统(Integrated Energy System,IES)是提高分布式新能源渗透率和增强终端能源消费灵活性的重要手段,针对现有技术在多能系统对外能量特性建模和多系统交互策略方面研究的不足,文章提出了一种基于虚拟储能的综合能源系...多能互补综合能源系统(Integrated Energy System,IES)是提高分布式新能源渗透率和增强终端能源消费灵活性的重要手段,针对现有技术在多能系统对外能量特性建模和多系统交互策略方面研究的不足,文章提出了一种基于虚拟储能的综合能源系统用能协调控制方法,基于多代理技术构建楼宇-代理商-配网三层能量交互架构,以描述系统对外特性的虚拟储能模型为交互接口,量化分析管控多楼宇和并网储能、微燃机等多能分布式资源的代理商的虚拟储能。在此基础上,按照系统空间范围扩大递进分析,构建基于多代理的综合能源系统用能协调控制策略,该策略能够根据决策目标最大化利用以配电网为核心的楼宇、园区等各层级综合能源系统的资源,尽可能实现自治运行。展开更多
电力电子化的直流配电网存在低惯性问题,不利于系统稳定运行。混合储能设备可向电网提供虚拟惯性,但不同类型的储能之间存在功率协调问题,并且储能的荷电状态(state of charge, SOC)对虚拟惯性的调节也有约束作用。针对上述问题,提出了...电力电子化的直流配电网存在低惯性问题,不利于系统稳定运行。混合储能设备可向电网提供虚拟惯性,但不同类型的储能之间存在功率协调问题,并且储能的荷电状态(state of charge, SOC)对虚拟惯性的调节也有约束作用。针对上述问题,提出了一种自适应时间常数的分频控制策略,时间常数根据混合储能系统(hybridenergy storage system, HESS)的SOC而动态调整以改变功率分配。首先,通过分析储能SOC与虚拟惯性的关系,并考虑储能充放电极限问题,研究兼顾SOC、电压变化率以及电压幅值的自适应虚拟惯性控制策略,提高系统惯性。然后,建立控制系统的小信号模型,分析虚拟惯性系数对系统的影响。最后,基于Matlab/Simulink搭建直流配电网仿真模型,验证了所提控制策略能合理分配HESS功率,提高超级电容器利用率,改善直流电压与功率稳定性。展开更多
文摘深度强化学习算法以数据为驱动,且不依赖具体模型,能有效应对虚拟电厂运营中的复杂性问题。然而,现有算法难以严格执行操作约束,在实际系统中的应用受到限制。为了克服这一问题,提出了一种基于深度强化学习的改进深度Q网络(improved deep Q-network,MDQN)算法。该算法将深度神经网络表达为混合整数规划公式,以确保在动作空间内严格执行所有操作约束,从而保证了所制定的调度在实际运行中的可行性。此外,还进行了敏感性分析,以灵活地调整超参数,为算法的优化提供了更大的灵活性。最后,通过对比实验验证了MDQN算法的优越性能。该算法为应对虚拟电厂运营中的复杂性问题提供了一种有效的解决方案。
文摘多能互补综合能源系统(Integrated Energy System,IES)是提高分布式新能源渗透率和增强终端能源消费灵活性的重要手段,针对现有技术在多能系统对外能量特性建模和多系统交互策略方面研究的不足,文章提出了一种基于虚拟储能的综合能源系统用能协调控制方法,基于多代理技术构建楼宇-代理商-配网三层能量交互架构,以描述系统对外特性的虚拟储能模型为交互接口,量化分析管控多楼宇和并网储能、微燃机等多能分布式资源的代理商的虚拟储能。在此基础上,按照系统空间范围扩大递进分析,构建基于多代理的综合能源系统用能协调控制策略,该策略能够根据决策目标最大化利用以配电网为核心的楼宇、园区等各层级综合能源系统的资源,尽可能实现自治运行。