电网技术

2020, v.44;No.438(05) 1696-1705

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

分散式储能自趋优经济运行的强化学习算法
Reinforcement Learning Driven by Self-optimizing Operation for Distributed Electrical Storage System

邵明明;刘友波;陈婧婷;王潇笛;左坤雨;刘俊勇;

摘要(Abstract):

随着大量分散式储能装置接入楼宇和园区,储能系统的去中心化经济运行已成为研究热点,而传统上通过将储能用于区域电网经济运行和平抑可再生能源出力,已难以适应个体自治寻优的诉求,且中心化建模思想对模型假设、全局信息可观性、市场模式等要求较高。基于售电电价周期性和波动性,提出一种无模型的分散式储能自趋优经济运行算法:利用强化学习算法求解分散式储能最优充放电策略以获取周期最大收益,同时在峰谷时段通过聚合商参与需求响应市场获取补偿收益;并将储能调用成本作为算法迭代罚函数。分散式储能去中心化的自趋优强化学习算法可避免传统集中控制模型因区域电网信息不确定、全局可观性差等复杂问题,易于求解和商用。最后,基于2018年加拿大电价数据和不同的储能参数进行算例分析,结果证明所提方法的日收益比模型预测控制和电价分段算法平均分别高10%和40%,具有较强的工程和商业价值。

关键词(KeyWords): 分散式储能;聚合商;强化学习;自趋优经济运行

Abstract:

Keywords:

基金项目(Foundation): 国家重点研发计划项目(2017YFE0112600);; 国家自然科学基金项目(51377111)~~

作者(Author): 邵明明;刘友波;陈婧婷;王潇笛;左坤雨;刘俊勇;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享