一种电热综合能源系统能量优化调度控制方法及装置制造方法及图纸

本发明专利技术提供了一种能量优化调度控制方法及装置。解决了综合能源系统由于受到天气变化的影响，使得再生能源发电是高度间歇性和随机性的，这些不确定性的资源与亦具有不确定性的用户电负荷和热负荷相结合，导致系统中供需双侧的随机变化，因此不利于综合能源系统的能量优化调度控制问题。所述一种能量优化调度控制方法包括：采集系统运行数据；基于所述系统运行数据和设备运行时段得到马尔可夫决策过程；基于所述马尔可夫决策过程和能源价格，通过深度强化学习模型制定能量优化调度控制策略；基于所述能量优化调度控制策略得到设备输出参数；基于所述设备输出参数控制设备运行。基于所述设备输出参数控制设备运行。基于所述设备输出参数控制设备运行。

【技术实现步骤摘要】
一种电热综合能源系统能量优化调度控制方法及装置


[0001]本专利技术涉及能量调度
，具体涉及一种电热综合能源系统能量优化调度控制方法及装置。

技术介绍

[0002]综合能源系统可实现能源的梯级利用以及多种能源的协调互补，是缓解环境压力的重要选择。在能源需求中，电能与热能是人类生活的基本需求，也是综合能源系统的两大主要能源形式。电热综合能源系统并非两个独立供能系统的直接叠加，而是通过对多种能量单元的协同调度控制，在更大范围内实现系统资源的优化配置。多种能量单元的共存和使用使得如何对电热综合能源系统进行调度控制以实现系统的运行优化得到广泛关注。然而，受天气变化的影响，系统中可再生能源发电是高度间歇性和随机性的。这些不确定性的资源与亦具有不确定性的用户电负荷和热负荷相结合，导致系统中供需双侧的随机变化，为电热综合能源系统的能量优化调度控制带来巨大挑战。

技术实现思路

[0003]有鉴于此，本专利技术实施例提供了一种电热综合能源系统能量优化调度控制方法及装置。解决了综合能源系统由于受到天气变化的影响，使得再生能源发电是高度间歇性和随机性的，这些不确定性的资源与亦具有不确定性的用户电负荷和热负荷相结合，导致系统中供需双侧的随机变化，因此不利于综合能源系统的能量优化调度控制问题。
[0004]本专利技术一实施例提供的一种电热综合能源系统能量优化调度控制方法及装置。包括：
[0005]采集系统运行数据；
[0006]基于所述系统运行数据和设备运行时段得到马尔可夫决策过程；
[0007]基于所述马尔可夫决策过程和能源价格，通过深度强化学习模型制定能量优化调度控制策略；
[0008]基于所述能量优化调度控制策略得到设备输出参数；
[0009]基于所述设备输出参数控制设备运行。
[0010]本专利技术一实施例中，所述得到马尔可夫决策过程包括得到马尔可夫决策过程的状态、动作和奖励函数。
[0011]本专利技术一实施例中，所述状态定义为：
[0012]s
t
＝[p
load
(t),h
load
(t),p
RG
(t),SOC(t),t]，
[0013]其中，t为设备运行时段，s
t
为电热综合能源系统在设备运行时段t时的状态，P
load(
t)为设备运行时段t时的用户电负荷，h
load
(t)为设备运行时段t时的用户热负荷，P
RG
(t)为可再生能源发电单元的输出功率，SOC(t)为电储能在设备运行时段t的荷电状态。
[0014]本专利技术一实施例中，所述动作定义为：
[0015][0016]其中，P
CHP
为电热综合能源系统的动作包括热电联供机组的输出电功率、P
BA
为电储能的充/放电功率、h
GB
为燃气锅炉的输出热功率，将P
CHP
、P
BA
、h
GB
按各自范围分别划分为K1、K2、K3个离散的动作选择，k1∈[1,K1]，k2∈[1,K2]，k3∈[1,K3]。
[0017]本专利技术一实施例中，所述奖励函数为：
[0018]r
t
(s
t
,a
t
)＝
‑
[C
MG
(s
t
,a
t
)+C
NG
(s
t
,a
t
)+C
BA
(s
t
,a
t
)]*0.001，
[0019]其中，C
MG
(s
t
,a
t
)是设备运行时段t与主网能量交互成本，C
NG
(s
t
,a
t
)为消耗的天然气成本，C
BA
(s
t
,a
t
)为电储能的充放电折旧成本。
[0020]本专利技术一实施例中，综合能源系统模型包括热电联供机组模型、燃气锅炉模型、电锅炉模型和电储能模型。
[0021]本专利技术一实施例中，采集系统运行数据包括：采集可再生能源设备的发电量信息、用户电负荷数据和热负荷数据以及电储能的荷电状态信息。
[0022]本专利技术一实施例中，能量优化调度控制策略对热电联供机组的输出电功率、电储能的充/放电功率和燃气锅炉的输出热功率进行优化。
[0023]本专利技术一实施例中，所述设备输出参数包括：热电联供机组的输出热功率、电锅炉的输出热功率和系统与主电网的电力交互功率。
[0024]一种能量优化调度控制装置，包括：
[0025]采集模块，配置为采集系统运行数据；
[0026]调度控制模块，配置为基于所述系统运行数据和设备运行时段得到马尔可夫决策过程；基于所述马尔可夫决策过程和能源价格，通过深度强化学习模型制定能量优化调度控制策略；基于所述能量优化调度控制策略得到设备输出参数；
[0027]执行模块，配置为基于所述设备输出参数控制设备运行。
[0028]本专利技术实施例提供的一种电热综合能源系统能量优化调度控制方法包括：采集系统运行数据；基于所述系统运行数据和设备运行时段得到马尔可夫决策过程，基于所述马尔可夫决策过程和能源价格，通过深度强化学习模型制定能量优化调度控制策略；基于所述能量优化调度控制策略得到设备输出参数；基于所述设备输出参数控制设备运行。本申请基于深度强化学习对能量进行优化调度控制，进一步地不需要未来可再生能源发电设备的发电量信息、用户电负荷数据和热负荷数据的预测信息，进一步地也不需要对再生能源发电设备进行建模，能够自适应地对这些不确定因素的随机波动做出响应。
附图说明
[0029]图1所示为本专利技术一实施例提供的一种能量优化调度控制方法的流程示意图。
[0030]图2所示为本专利技术一实施例提供的一种电热综合能源系统能量调度控制方法模块结构图。
[0031]图3所示为本专利技术一实施例提供的电热综合能源系统的结构示意图。
[0032]图4所示为本专利技术一实施例提供的一种基于深度强化学习的电能调度控制结果。
[0033]图5所示为本专利技术一实施例提供的一种基于深度强化学习的热能调度控制结果。
[0034]图6所示为本专利技术一实施例提供的一种能量优化调度控制装置的结构示意图。
具体实施方式
[0035]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0036]实施例一：
[0037]图1所示为本专利技术一实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电热综合能源系统能量优化调度控制方法，其特征在于，包括：采集系统运行数据；基于所述系统运行数据和设备运行时段得到马尔可夫决策过程；基于所述马尔可夫决策过程和能源价格，通过深度强化学习模型制定能量优化调度控制策略；基于所述能量优化调度控制策略得到设备输出参数；基于所述设备输出参数控制设备运行。2.根据权利要求1所述的电热综合能源系统能量优化调度控制方法，其特征在于，所述得到马尔可夫决策过程包括得到马尔可夫决策过程的状态、动作和奖励函数。3.根据权利要求2所述的电热综合能源系统能量优化调度控制方法，其特征在于，所述状态定义为：s
t
＝[p
load
(t),h
load
(t),p
RG
(t),SOC(t),t]，其中，t为设备运行时段，s
t
为电热综合能源系统在设备运行时段t时的状态，P
load
(t)为设备运行时段t时的用户电负荷，h
load
(t)为设备运行时段t时的用户热负荷，P
RG
(t)为可再生能源发电单元的输出功率，SOC(t)为电储能在设备运行时段t的荷电状态。4.根据权利要求2所述的电热综合能源系统能量优化调度控制方法，其特征在于，所述动作定义为：其中，P
CHP
为电热综合能源系统的动作包括热电联供机组的输出电功率、P
BA
为电储能的充/放电功率、h
GB
为燃气锅炉的输出热功率，将P
CHP
、P
BA
、h
GB
按各自范围分别划分为K1、K2、K3个离散的动作选择，k1∈[1,K1]，k2∈[1,K2]，k3∈[1,K3]。5.根据权利要求2所述的电热综合能源系统能量优化调度控制方法，其特征在于，所述奖励函数为：r
t
(s
t
,a
t
...

【专利技术属性】
技术研发人员：王新迎，赵琦，陈盛，
申请(专利权)人：国网北京市电力公司国家电网有限公司，
类型：发明
国别省市：