基于改进DDPG的多能园区典型日调度研究

摘要：

电-气-热综合能源系统(power gas heat integrated energy system,IPGHES)中可再生能源出力的波动性、负荷需求的随机性、热水环流的动态特性给调度过程带来了诸多挑战,传统的随机调度方法无法适应综合能源系统负荷和可再生能源的多样性.针对以上问题,提出一种基于改进深度确定性策略梯度(improved deep deterministic policy gradient,IDDPG)算法的典型日调度方法,灵活处理供需过程中的随机性问题.首先将优先级经验回放(prioritized experience replay,PER)机制加入到DDPG的经验池中以区分不同经验的价值,并将采用方差递减高斯过程的OU随机噪声加入到策略网络参数向量中,提高探索性能,使用二阶振荡贝叶斯(second order oscillatory-Bayesian,SOO-Bayes)算法对结构参数进行调节,然后构建以能源交换、设备折旧、供需不平衡量为成本的与IDDPG数据交互的园区动态IPGHES模型后,定义状态空间、调度动作以及奖励函数,继而根据IDDPG对工作日与双休日进行决策调度分析与比对,最后采用某高校实际微电网算例证明所提调度方法在工作日和双休日都比随机调度、Cplex求解器调度和传统的DDPG调度方法具有更好的效果.

关键词：综合能源系统、深度确定性策略梯度、优先级经验回放、OU随机噪声、二阶振荡贝叶斯

所属期刊栏目：46

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金;上海市科技创新行动计划项目

在线出版日期：2022-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1867-1876,中插22-中插25