基于深度强化学习的多能流楼宇低碳调度方法

建筑减排已成为中国达到“双碳”目标的重要途径,智慧楼宇作为多能流网络耦合的综合能源主体,面临碳排放量较多、多能流网络耦合程度高、负荷用能行为动态特性明显等问题。针对这一问题,提出基于深度强化学习的多能流楼宇低碳调度方法。首先,根据智慧楼宇的实际碳排放量,建立了一种奖惩阶梯型碳排放权交易机制。其次,面向碳市场和多能流耦合网络,以最小化运行成本为目标函数,建立多能流低碳楼宇调度模型,并将该调度问题转换为马尔可夫决策过程。然后,利用Rainbow算法进行优化调度问题的求解。最后,通过仿真分析验证了优化调度模型的可行性及有效性。     

基于电动汽车价格弹性需求响应的综合能源系统优化调度

针对电动汽车无序充电行为影响综合能源系统运行经济性的问题,提出一种考虑电动汽车电池荷电状态（stateof charge,SOC）弹性电价需求响应的综合能源系统优化调度策略。该策略首先分析了电动汽车充电行为,提出了考虑SOC的电动汽车弹性电价,建立基于电动汽车SOC因子的价格弹性需求响应优化调度模型;其次,在满足系统正常运行的前提下,以综合能源系统运行成本最小为目标,建立含电动汽车需求响应的区域综合能源系统模型,并采用混合线性规划进行求解;最后,根据电动汽车SOC弹性电价引导电动汽车参与需求响应,设置了3个场景进行对比,从电负荷、需求响应和热负荷3个方面分析了综合能源系统设备出力情况和系统运行成本。仿真结果表明,通过SOC弹性电价引导电动汽车参与综合能源系统需求响应,具有较好的可行性和经济性。