多智能体深度强化学习驱动的跨园区能源交互优化调度
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-agentdeepreinforcementlearningintegratedenergysystemoptimalschedulingrenewableenergyconsumptionloadcharacteristiclearningenergyinteractionamongcommunities
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
页:
[1]