多智能体深度强化学习驱动的跨园区能源交互优化调度

为协调多园区综合能源系统各个园区之间的能量交互，多能源子系统之间的能源转换，实现综合能源系统整体优化调度，提出一种利用多智能体深度强化学习算法学习不同园区的负荷特征，并在此基础上进行决策的综合调度模型。该模型将多园区综合能源系统的调度问题转化为马尔科夫决策过程，并利用深度强化学习算法进行求解，避免了对多园区、多能源子系统之间复杂的能量耦合关系进行建模。仿真结果表明，所提方法可以很好地捕捉到不同园区的负荷特性，并利用其中的互补特性协调不同园区之间进行合理的能量交互，可以实现弃风率由16.3%降低至0,并可以使总运行成本降低5 445.6元，具有良好的经济效益和环保效益。