10.19768/j.cnki.dgjs.2023.06.032
基于三维Kmeans-DDPG的多能园区优化调度
模型驱动的优化方法已无法解决风、光的间歇性和负荷的波动性给多能微电网系统的调度带来的问题,在此背景下提出了一种基于三维K均值聚类算法(K-means Clustering Algorithm,K-means)及深度确定性策略梯度(Improved Deep Deterministic Policy Gradient,IDDPG)算法的调度方法,以解决复杂环境下的随机性问题.首先按照风、光出力和负荷需求将微电网环境数据划分为三个维度并采用K-means对三维空间下的数据进行分类,然后将分类后的数据分别交互至DDPG中,同时构建综合能源微电网系统的数学模型,选取状态空间、调度策略和奖励函数,随后分别训练各类别的数据得出不同类别微电网数据下DDPG的参数,同时自适应改变动作探索范围,并根据微电网模型选取最优动作策略,最后将所提算法应用在某高校实际微电网算例中,并证明此算法无论在收敛性和给微电网带来的经济效益方面都优于DDPG和传统的调度方法.
综合能源系统调度、深度确定性策略梯度、K均值聚类算法、随机性处理
TM73;F426.61(输配电工程、电力网及电力系统)
2023-05-18(万方平台首次上网日期,不代表论文的发表时间)
共8页
111-117,120