基于深度强化学习的光储充电站储能系统优化运行

优化储能充放电策略有利于提升光储充电站运行经济性,但是现有模型驱动的随机优化方法无法全面考虑储能系统的复杂运行特性以及光伏发电功率、电动汽车充电负荷的不确定性.因此,提出一种基于深度强化学习的光储充电站储能系统全寿命周期优化运行方法.首先对储能运行效率模型和容量衰减模型进行精细化建模.然后考虑电动汽车充电需求、光伏出力和电价的不确定性,在满足电动汽车充电需求和光伏消纳的条件下,以光储充电站收益最大化为目标,建立了基于强化学习的储能优化运行问题.考虑到储能充放电决策动作的连续性,采用双延迟深度确定性策略梯度算法进行求解.采用实际历史数据对模型进行训练,根据当前时段状态对储能充放电策略进行实时优化.最后,对所提方法及模型进行测试,并将所提出的方法与传统模型驱动方法进行对比,结果验证了所提方法及模型的有效性.     

电力市场环境下灵活爬坡产品实施路径研究

可再生能源发电的间歇性和波动性给电力系统的安全运行带来了巨大压力,使得电力系统灵活性缺乏的问题更加突出。目前,我国灵活性调节主要依靠传统发电资源,但调节成本高,灵活性有限;由于缺乏合理的市场机制,其他类型的灵活性资源参与的积极性不高。对此,结合国外灵活爬坡产品参与电力市场的经验,首先阐述灵活爬坡产品的概念并与现有的辅助服务进行对比和区分;其次,对现有灵活性资源类型的应用前景进行总结;最后,结合我国电力市场发展阶段,提出了一种适应电力市场发展阶段的灵活爬坡产品实施路径。随着中国现货市场和辅助服务市场的发展,灵活爬坡产品的逐步引入可弥补灵活性资源市场交易机制的缺乏,促进可再生能源消纳。