基于深度强化学习的多能虚拟电厂优化调度

作     者：孙冬川 孙亮 孔令乾 李冠儒 SUN Dongchuan;SUN Liang;KONG Lingqian;LI Guanru

作者机构：东北电力大学电气工程学院吉林吉林132012 

基　　金：国家重点研发计划(2022YFB2403000) 

出 版 物：《东北电力大学学报》 (Journal of Northeast Electric Power University)

年 卷 期：2024年第44卷第3期

页      码：102-111页

摘      要：多能虚拟电厂(Multi-Energy VPP,MEVPP)能够聚合电能、热能等多种形式的分布式能源及需求侧灵活性资源。为实现MEVPP的优化调度,文中建立了包含发电单元、制热单元、储能装置以及空调负荷集群、需求响应负荷的MEVPP模型,并面向该模型提出一种基于深度强化学习(Deep Reinforcement Learning, DRL)的优化调度方法,并设计了相应的状态、动作空间与奖励函数。该方法以近端策略优化(Proximal Policy Optimization, PPO)算法为基础,能够根据预测负荷、风/光出力、室外气温等环境信息,对分布式能源和需求侧灵活性资源进行调节,并以最小化运行成本为目标得到MEVPP优化调度策略集。算例结果证明了DRL在MEVPP优化调度中的可行性与策略集的可拓展性。

主 题 词：虚拟电厂 多能互补 优化调度 深度强化学习 

学科分类：080802[080802] 0808[工学-自动化类] 08[工学] 

D　O　I：10.19718/j.issn.1005-2992.2024-03-0102-10

馆 藏 号：203128751...