基于深度强化学习的电网前瞻调度智能决策架构及关键技术初探

随着新型电力系统建设的快速推进,电网运行方式不确定性增加,调度对象类型/数量指数级增长,当前基于物理模型的电网调度计划存在优化决策计算速度慢、耗时长以及应对多重不确定场景适应性不够等问题,特别是日内阶段仍经常依赖调度员人工调控。为此,该文结合电网前瞻调度的时序滚动优化、多元对象决策、调度多目标构建等实际特点,提出基于深度强化学习的电网前瞻调度智能决策功能架构,分析离线训练模块、在线决策模块和效果评估模块3部分的具体实现;并在适用于电网前瞻调度的深度强化学习算法、学习样本效率提升、调度多目标奖励函数设计、拓扑改变情形下的迁移学习和前瞻调度效果评估等关键技术方面进行了初步探索,基于IEEE30节点算例验证了所提算法和技术的有效性。最后,探讨了电网前瞻调度智能决策需进一步研究的问题。     

多能源形式下商业区微网的方案设计与调度优化

微网作为智能电网的重要组成部分,其内部接入的能源种类逐渐丰富,使得系统运行状态多样,微网规划设计难度增大.为了分析微网容量配置的合理性,以降低运行成本为调度优化目标,提出了基于深度Q学习方法的多类型能源优化调度方法,进而对不同规划方案下的微网最优运行策略进行了求解,并对不同方案的经济效益进行了比较.最后,对合肥某商业地...