基于深度强化学习的微电网复合储能协调控制方法

在微电网中,由于负荷和电源功率波动较大、各种不确定因素复杂,通常需要增加储能系统以保证供需实时平衡、并提高可再生能源的利用率。该文构建了一个孤岛运行的包含光伏发电、储氢装置(长期储能)、蓄电池(短期储能)的复合能源系统,并将复合储能系统的协调控制转化为序列决策问题,并采用深度强化学习方法加以解决。在发电量、负荷等多种因素变化的情况下,复合能量协调控制是一个复杂的优化决策问题,不同方案可能会影响系统供电稳定、利用效率和经济效益。为此该文设计了适合解决该类问题的深度强化学习框架和神经网络模型,经过足够的训练后能够实现实时在线决策控制,避免了传统算法在这方面的不足,同时,对于不同时刻、天气、季节的场景均能有效处理。结果表明了深度强化学习在复合储能协调控制问题中的可行性和有效性,具有较强的学术意义和工程价值,并可以用于处理相似的问题。     

深度学习在电网图像数据及时空数据中的应用综述

智能电网的数字化建设提供了海量的数据,而深度学习的发展则为数据价值萃取提供了有效手段。首先阐述了深度学习的发展史及基本框架,总结了深度学习的理论基础和技术体系;而后结合电力系统实际需求,以图像数据和时空数据这两大类为基础综述了深度学习在电力系统数据处理的重点应用领域和价值,并提出了相关的技术发展建议。