基于多智能体强化学习的供能系统优化方法及系统技术方案

本发明专利技术提供了一种基于多智能体强化学习的供能系统优化方法及系统，属于综合能源系统的设计及其运行优化技术领域,获取多源分布式供能系统的运行参量数据；根据获取的运行参量数据，以经济效益最大和能源利用率最大构建目标函数，采用多智能体强化学习算法对目标函数进行求解，得到各能源单元对应的智能体优化控制策略；其中，目标函数中还包括各个智能体之间的收益偏差最小的目标；本发明专利技术实现了功能系统各智能体的控制策略优化，极大的提高了多源能源系统的控制能力。能源系统的控制能力。能源系统的控制能力。

【技术实现步骤摘要】
基于多智能体强化学习的供能系统优化方法及系统


[0001]本专利技术涉及综合能源系统的设计及其运行优化
，特别涉及一种基于多智能体强化学习的供能系统优化方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
[0003]目前，对可再生能源的高效率利用成为了研究的重点。一些小型园区或者居民区可用土地面积广阔，且易于搭建能源供应网络，所以针对于园区的可再生综合能源系统是综合能源系统利用的重要试点地。
[0004]当前的分布式能源系统主要是单一能源的利用，例如分布式光伏，分布式天然气等，单一能源的分布式供能方式在一定程度上会造成占用场地过大，难以支撑较大的区域用电或者能源浪费较多等问题；而多源的分布式供能方式则会造成能源转化多样性和能源的生产比例动态性，这会使机组的结构十分复杂，耦合关系比较强，而且对不同能源的供应控制也是一个比较困难的问题；由于不同能源的生产比例或者供应方式也会关乎到收益问题和能否按照实际所需对园区进行能源供应，同时也会面临着数据搜集和分析以及效益评估等多本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多智能体强化学习的供能系统优化方法，其特征在于：包括以下过程：获取多源分布式供能系统的运行参量数据；根据获取的运行参量数据，以经济效益最大和能源利用率最大构建目标函数，采用多智能体强化学习算法对目标函数进行求解，得到各能源单元对应的智能体优化控制策略；其中，目标函数中还包括各个智能体之间的收益偏差最小的目标。2.如权利要求1所述的基于多智能体强化学习的供能系统优化方法，其特征在于：所述目标函数包括约束：供电量与需求量的差值在预设范围内。3.如权利要求2所述的基于多智能体强化学习的供能系统优化方法，其特征在于：所述目标函数包括约束：供气量与需求量的差值在预设范围内。4.如权利要求3所述的基于多智能体强化学习的供能系统优化方法，其特征在于：当智能体的供给状态不满足约束条件时，视为惩罚项，将收益直接置零，使得智能体调整供给策略，在满足约束条件进行优化控制。5.如权利要求1所述的基于多智能体强化学习的供能系统优化方法，其特征在于：经济效益最大为各能源单元对应的经济效益的加和的最大化。6.如权利要求1所述的基于多智能体强化学习的供能系统优化方法，其特征在于：能源利用率最大化...

【专利技术属性】
技术研发人员：刘帅，周飞龙，王瑞琪，王小文，赵浩然，孙波，张洪亮，
申请(专利权)人：山东大学，
类型：发明
国别省市：