基于深度强化学习的居民综合能源系统管理研究

随着居民综合能源系统（residential integrated energy system,RIES）中能源类型、设备种类愈加丰富，如何应对多能异质负荷与外部能源价格信号的波动性，是提升居民综合能源系统精细化管理水平和优化系统经济效益的关键。以包含电、热、气能源的居民综合能源系统模型为研究对象，基于深度确定性策略梯度(deep deterministic policy gradient,DDPG)深度强化学习算法构建R IES管理模型。针对RIES多能价格信号与负荷不确定性问题，对居民综合能源系统中的能源采购和储存行为进行动态调节，在满足多能负荷要求的前提下，尽可能优化经济效益。最后通过对比仿真验证了该模型的有效性，可实现居民侧能源系统多能管理，促进系统经济效益的提高。