一种基于强化学习算法的交易电量优化方法技术

本发明专利技术涉及一种基于强化学习算法的交易电量优化方法，包括如下步骤：S1、构建用电量预测模型和售电收益模型；S2、输入用户本月已用电量数据至用电量预测模型，得到用户本月用电预测量数据；S3、根据售电收益模型，构建基于强化学习算法的交易电量优化模型；S4、输入用户本月用电预测量数据至交易电量优化模型，得到使售电收益最大化的交易电量。使售电收益最大化的交易电量。使售电收益最大化的交易电量。

【技术实现步骤摘要】
一种基于强化学习算法的交易电量优化方法


[0001]本专利技术涉及一种基于强化学习算法的交易电量优化方法，属于电力系统领域。

技术介绍

[0002]电网在运行过程面临巨大调峰压力，近年来多采用峰谷分时电价方法进行负荷调整，而对电力市场交易问题缺乏一定的关注。当前电力市场交易模式多采用中长期电力交易规则，最新中长期交易规则中提出计划电量分解到月、集中竞价、合同转让、偏差考核、应急交易、抽水蓄能抽水电量专项交易、辅助服务等诸多规范与创新。但根据年前、月前安排的计划电量不能准确描述用电侧的用电需求，据此进行电网调度优化，存在较大效率损失和资源浪费。因此需要一种交易电量优化方法。
[0003]授权公告号为CN108537363B的《一种配售分开环境下售电公司购电量控制方法》，所述控制方法包括以下步骤：根据售电公司Agent、以及用户Agent建立电网公司—售电公司—用户的三层购售电服务架构；基于三层购售电服务架构，构建由不可控负荷、可转移负荷、以及可变动负荷的组成的用户电量弹性模型；依据用户电量电价弹性模型、售电公司运行与评估参数，建立售电公司本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于强化学习算法的交易电量优化方法，其特征在于，包括以下步骤：S1、构建用电量预测模型和售电收益模型；S2、输入用户本月已用电量数据至用电量预测模型，得到用户本月用电预测量数据；S3、根据售电收益模型，构建基于强化学习算法的交易电量优化模型；S4、输入用户本月用电预测量数据至交易电量优化模型，得到使售电收益最大化的交易电量。2.根据权利要求1所述的一种基于强化学习算法的交易电量优化方法，其特征在于，所述构建用电量预测模型，具体为：根据用户历史月计划用电量数据和用户历史月实际用电量数据，计算得到标幺值数据；对标幺值数据进行离群值检测，删除其中的离群值；将标幺值数据转换为累计分布函数F(x)；将累计分布函数F(x)转换为标幺值数据拟合分位表。3.根据权利要求2所述的一种基于强化学习算法的交易电量优化方法，其特征在于，所述步骤S2，具体为：通过所述累计分布函数F(x)，计算用户本月已用电量的累积分布值p＝F(x*)；根据所述累积分布值，计算满足均匀分布U[p,1]的随机数y；在所述标幺值数据拟合分位表中查找与随机数y最接近的标幺值；根据标幺值和用户本月计划用电量，得到用户本月用电预测量。4.根据权利要求1所述的一种基于强化学习算法的交易电量优化方法，其特征在于，所述构建售电收益模型，具体为：根据年度长协电量、年度以下电量，计算年度长协售电价格和年度以下售电价格，确定售电成本；根据年度长协售电价格、年度以下售电价格和用户本月预测用电量，确定售电收入；根据售电收入和售电成本，得到售电收益。5.根据权利要求1所述的一种基于强化学习算法的交易电量优化方法，其特征在于，所述步骤S4，具体为：预设动作空间和环境空间；在每个时间步内，接收状态s
...

【专利技术属性】
技术研发人员：钱晓瑞，詹祥澎，陈筱珺，董美蓉，肖恺，卢威，林女贵，沈一民，
申请(专利权)人：国网福建省电力有限公司营销服务中心，
类型：发明
国别省市：