基于联邦强化学习的社区共享储能日前调度

作     者：余兴兴 李元诚 王庆乐 郭宜果 杨夯 YU Xingxing;LI Yuancheng;WANG Qingle;GUO Yiguo;YANG Ben

作者机构：华北电力大学控制与计算机工程学院北京市昌平区102206 国网山东省电力公司经济技术研究院山东省济南市250021 

基　　金：国家电网有限公司科技项目:支撑分布式储能网络化运营关键技术研究(5100-202199544A-0-5-ZN) 

出 版 物：《中国电机工程学报》 (PROCEEDINGS OF THE CHINESE SOCIETY FOR ELECTRICAL ENGINEERING)

年 卷 期：2024年第44卷第20期

页      码：8103-8112,I0015页

摘      要：社区家庭共享大容量储能设备,实现低储高发套利和家庭需求的时空转移,在分时电价下具有广阔的应用前景。然而,传统储能调度方法难以应对动态变化的储能调度环境。储能调度涉及家庭详细的能源消耗数据,泄露家庭作息习惯、人口数量等隐私信息的风险也不可忽视。为此,采用深度近端策略优化(deep proximal policy optimization,DPPO)强化学习方法,设计了考虑社区实时负荷、分时电价和储能老化的社区共享储能日前调度模型。考虑社区之间的隐私保护需求和数据壁垒问题,进一步提出隐私保护的联邦强化社区共享储能调度模型。该模型通过交互本地与全局DPPO模型梯度等参数信息,保护社区数据隐私。最后,仿真实验表明,所提方法在成本节约以及隐私保护方面具有优势。

主 题 词：社区共享储能日前调度 联邦学习 强化学习 能源管理 隐私保护 

学科分类：0839[0839] 08[工学] 081201[081201] 0812[工学-测绘类] 

核心收录：

D　O　I：10.13334/j.0258-8013.pcsee.230712

馆 藏 号：203154841...