基于深度强化学习算法的风光互补可再生能源制氢系统调度方案

作     者：梁涛 孙博峰 谭建鑫 曹欣 孙鹤旭 LIANG Tao;SUN Bofeng;TAN Jianxin;CAO Xin;SUN Hexu

作者机构：河北工业大学人工智能与数据科学学院天津300130 河北建投能源投资股份有限公司石家庄050051 河北科技大学电气工程学院石家庄050018 

基　　金：河北省科技支撑计划(19210108D 19214501D 20314501D F2021202022) 

出 版 物：《高电压技术》 (High Voltage Engineering)

年 卷 期：2023年第49卷第6期

页      码：2264-2274页

摘      要：风光可再生能源制备“绿氢”是实现能源低碳化的重要途径,但风能、太阳能的波动性、间歇性等问题会使系统存在“弃风、弃光”现象。为解决该问题,构建了可再生能源并网制氢系统,针对传统CPLEX需要精准预测数据、基于状态控制法的监控策略控制效果不够理想的缺点,将协调控制转化为序列决策问题,采用深度强化学习连续近端策略优化算法进行解决。在发电量、负荷等多种因素变化的情况下,设计了适合解决可再生能源制氢系统调度问题的深度强化学习模型(renewable energy to hydrogen-proximal policy optimization,R2H-PPO),经过足够的训练后能够实现在线决策控制,并与日前控制方案和基于状态控制法的监控策略进行了对比,证明所采用方法避免了传统方案的不足,并能有效处理不同时刻、天气、季节的场景。结果证明了所提出的R2H-PPO方法的可行性和有效性。

主 题 词：可再生能源 制氢系统 深度强化学习 近端策略优化 运行优化 R2H-PPO 

学科分类：0710[理学-生物科学类] 12[管理学] 081702[081702] 1201[管理学-管理科学与工程类] 0817[工学-轻工类] 08[工学] 081104[081104] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.13336/j.1003-6520.hve.20230099

馆 藏 号：203122389...