基于双层模仿学习的多园区综合能源系统分布式协同优化调度
针对多园区综合能源系统协同调度存在的源荷及电价等多重不确定性因素和隐私保护问题,提出一种分布式协同双层优化模型.模型上层采用通信神经网络依据即时信息决策各园区储能动作,通过模仿学习进行监督式训练,使智能体获得预测决策一体化功能;下层由各园区采用交替方向乘子法进行分布式优化,得到其他设备动作及园区间电力交互量,形成当前时段完整的多园区分布式协同优化运行方案,并提出了考虑上级电网实时电价和多园区系统供求关系的园区间交易机制以保障各园区利益.算例证明所提方法不依赖于对源荷及电价等不确定性因素的准确预测,能够在保护各园区数据隐私的前提下达到与理论最优策略接近的性能.
多园区综合能源系统、分布式优化、多重不确定性、通信神经网络、模仿学习、交替方向乘子法
46
TM734;TP311.52;TV697
国家自然科学基金51977168
2023-01-16(万方平台首次上网日期,不代表论文的发表时间)
共10页
16-25