基于强化学习的增量配电网实时随机调度方法

发布时间：2021-06-08 22:03

　　电动汽车（electric vehicle,EV）及其他分布式资源正大规模地渗透到增量配电网中,使其调度问题成为一个充满随机性、高维的多阶段优化问题。因此基于强化学习框架,提出一种增量配电网实时随机优化调度算法。首先,将增量配电网的实时调度描述成一个多阶段随机序贯决策问题,并提出原问题的动态规划公式,构造表征当前决策对后续所有时段影响的值函数;利用决策后状态值函数代替期望值的计算,从而避免了增量配电网的随机性;利用基于时序差分TD（1）的策略迭代算法在大量模拟场景下训练值函数,得到收敛的近似值函数;将近似值函数投入在线运行进而得出配电网每时刻的近似全局最优调度方案。该算法避免了EV、可再生能源等数据预测误差的影响,有效应对各类能源随机性给优化调度带来的挑战。仿真算例表明,该算法收敛速度快,鲁棒性强,计算时间不受EV接入数量的影响,与其他算法对比更具可行性和经济性。 

【文章来源】：电网技术. 2020,44(09)北大核心EICSCD

【文章页数】：12 页

【参考文献】：
期刊论文
[1]考虑多重不确定性的综合能源系统日前优化调度[J]. 周星球,郑凌蔚,杨兰,仇琦.  电网技术. 2020(07)
[2]基于模型预测控制的微电网群分布式优化调度[J]. 吴成辉,林声宏,夏成军,管霖.  电网技术. 2020(02)
[3]基于信息-物理-社会系统融合和群体机器学习的弱中心化微元网:理论研究与关键科学问题分析[J]. 余涛,程乐峰,张孝顺.  中国科学:技术科学. 2019(12)
[4]考虑多方主体利益的大规模电动汽车分布式实时协同优化[J]. 潘振宁,余涛,王克英.  中国电机工程学报. 2019(12)
[5]基于模型预测控制的智能楼宇用能灵活性调控策略[J]. 陈厚合,李泽宁,姜涛,李雪,张儒峰,李国庆.  电力系统自动化. 2019(16)
[6]主动配电网分布式鲁棒优化调度方法[J]. 梁俊文,林舜江,刘明波,宋雨浓,范官盛,何森,蒋浩.  电网技术. 2019(04)
[7]基于多主体博弈与强化学习的并网型综合能源微网协调调度[J]. 刘洪,李吉峰,葛少云,张鹏,陈星屹.  电力系统自动化. 2019(01)
[8]机器学习在能源与电力系统领域的应用和展望[J]. 程乐峰,余涛,张孝顺,殷林飞.  电力系统自动化. 2019(01)
[9]含大规模电动汽车接入的主动配电网多目标优化调度方法[J]. 肖浩,裴玮,孔力.  电工技术学报. 2017(S2)
[10]含分布式电源和可调负荷的售电公司优化调度模型[J]. 顾伟,任佳依,高君,高菲,宋晓辉,刘海波.  电力系统自动化. 2017(14)



本文编号：3219291