文档名：多智能体深度强化学习驱动的跨园区能源交互优化调度
摘要：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5445.6元,具有良好的经济效益和环保效益.
Abstract：Inordertocoordinateenergyinteractionsamongvariouscommunitiesandenergyconversionsamongmulti-energysubsystemswithinthemulti-communityintegratedenergysystemunderuncertainconditions,andachieveoveralloptimizationandschedulingofthecomprehensiveenergysystem,thispaperproposesacomprehensiveschedulingmodelthatutilizesamulti-agentdeepreinforcementlearningalgorithmtolearnloadcharacteristicsofdifferentcommunitiesandmakedecisionsbasedonthisknowledge.Inthismodel,theschedulingproblemoftheintegratedenergysystemistransformedintoaMarkovdecisionprocessandsolvedusingadata-drivendeepreinforcementlearningalgorithm,whichavoidstheneedformodelingcomplexenergycouplingrelationshipsbetweenmulti-communitiesandmulti-energysubsystems.Thesimulationresultsshowthattheproposedmethodeffectivelycapturestheloadcharacteristicsofdifferentcommunitiesandutilizestheircomplementaryfeaturestocoordinatereasonableenergyinteractionsamongthem.Thisleadstoareductioninwindcurtailmentratefrom16.3%to0%andlowerstheoveralloperatingcostby5445.6Yuan,demonstratingsignificanteconomicandenvironmentalbenefits.
作者：李扬 马文捷 卜凡金 杨震 王彬 韩猛 Author：LIYang MAWenjie BUFanjin YANGZhen WANGBin HANMeng
作者单位：东北电力大学电气工程学院,吉林省吉林市132012国网淄博供电公司,山东省淄博市255022国网北京市电力公司,北京市100032国网济宁供电公司,山东省济宁市272000
刊名：电力建设
Journal：ElectricPowerConstruction
年，卷(期)：2024, 45(5)
分类号：TM732
关键词：多智能体深度强化学习 综合能源系统 优化调度 可再生能源消纳 负荷特征学习 多园区能量交互
Keywords：multi-agentdeepreinforcementlearning integratedenergysystem optimalscheduling renewableenergyconsumption loadcharacteristiclearning energyinteractionamongcommunities
机标分类号：TM73TP301.6D64
在线出版日期：2024年5月8日
基金项目：多智能体深度强化学习驱动的跨园区能源交互优化调度[
期刊论文] 电力建设--2024, 45(5)李扬 马文捷 卜凡金 杨震 王彬 韩猛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...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
多智能体深度强化学习驱动的跨园区能源交互优化调度 Deep Reinforcement Learning-driven Cross-Community Energy Interaction Optimal Scheduling
多智能体深度强化学习驱动的跨园区能源交互优化调度.pdf
- 文件大小:
- 7.42 MB
- 下载次数:
- 60
-
高速下载
|
|
