基于需求侧多能源管理模型的优化调度方法技术

本发明专利技术属于电力系统自动化领域，公布了一种基于需求侧多能源管理模型的优化调度方法，首先获取预先构建的总运行效益模型，然后获取风电、光伏及储能的总发电收益模型、获取电网购电费用模型、获取运维成本模型以及可控机组启停模型，并且考虑各种运行约束，在根据神经网络优化算法，求得多智能体下的局部最优策略集合中的全局最优，该方法考虑了多智能体中，在考虑各个智能体的情况下，智能体之间相互通信问题，通过多智能体间的信息相互交流，达到总运行收益最大的最终目标，在源荷随机波动的情况下实时给出了优化调度策略。情况下实时给出了优化调度策略。情况下实时给出了优化调度策略。

【技术实现步骤摘要】
基于需求侧多能源管理模型的优化调度方法


[0001]本专利技术属于电力系统自动化领域，具体的说是涉及一种在考虑电力系统安全运行的环境下的基于需求侧多能源管理模型的优化调度方法。

技术介绍

[0002]随着社会的不断发展进步，人类对于能源的需求不断增大，电力能源不同于传统的煤炭资源，电力是二次能源，是现代社会能源资源的重要组成部分，是一种可再生的清洁能源，并且具有高效性及多样性。
[0003]由于当前环境电力源的多样性，加上间歇式的发电特点，这就会造成电力传输过程中可能出现随机波动的情况，而当前一般使用如单体强化学习的方法去求取模型的最优策略，但现有的优化方法只能够针对简单的目标以及约束的情况，且现有的方法是在动态环境下，很难求取模型的最优解，而且它只能够处理低维特征，在面对高维时，就会陷入维度诅咒中。

技术实现思路

[0004]为了解决上述技术问题，本专利技术提出了一种基于需求侧多能源管理模型的优化调度方法，本专利技术通过分布式强化学习方法恰好可以解决以上单体强化学习所带来的缺陷，通过系统内多类型分布式能源的调度，从而提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于需求侧多能源管理模型的优化调度方法，其特征在于：所述优化调度方法包括如下步骤：步骤1、获取预先构建的总运行效益模型；步骤2、获取风电、光伏及储能的总发电收益模型、获取电网购电费用模型、获取运维成本模型以及可控机组启停模型；步骤3、利用强化学习知识多能源优化问题转换为马尔科夫决策过程(MDP)，将某时刻的单个智能体系统内各个机组的发电功率、当前电价以及用户负荷需求，通过神经网络获取相应的光伏功率、风电功率、储能功率组成的最终输出集合；步骤4、基于每个区域内的机组发电功率、负荷功率、各个区域内的可控设备做功、当前电价，采取DDPG算法解决所述离散的无限马尔科夫决策问题，以总运行效益最大为目标，训练各个区域智能体的最优网络参数，其中包括策略网络和价值网络，最后通过每个区域间的信息交互从而求取整体的最优解。2.根据权利要求1所述的基于需求侧多能源管理模型的优化调度方法，其特征在于：所述步骤1针对包含风电、光伏及储能以及运维成本的多能源系统，以总运行效益最大为目标，考虑光伏发电安全约束、电储能安全约束、风力发电安全约束：每个智能体总运行效益：其中，F为各个智能体的总效益函数，N
T
为调度时段总数，为t时刻风电、光伏及储能的总发电收益，为t时刻向电网购电费用，为t时刻运维成本，为t时刻可控机组启停成本。3.根据权利要求2所述的基于需求侧多能源管理模型的优化调度方法，其特征在于：在步骤2中，风电、光伏及储能的总发电收益模型为：其中，表示光伏发电总收益，表示风电发电总收益，表示储能智能体收益；光伏发电总收益模型：其中，a
p,j
(t)、a
w,i
(t)、a
c,k
(t)为0
‑
1常数变量，分别表示t时刻下i号风电机组、j号光伏机组的开关状态、k号储能机组的充放电状态，0表示关机、充电，1表示开机、放电，P
w,i
(t)为t时刻风电功率，P
p,j
(t)为t时刻光伏功率，P
c,k
(t)为t时刻储能功率，P
net
(t)为t时刻向电网购电量，P
load
(t)为t时刻负荷需求，M
p
(t)表示光伏在t时刻的售电价格；光伏发电安全约束：
其中，表示为第m类光伏设备在t时刻的功率，和分别表示为第m个光伏设备功率最大和最小值，和分别表示为第m个光伏设备爬坡上限和爬坡下限；风电发电总收益模型：其中，a
p,j
(t)、a
w,i
(t)、a
c,k
(t)为0
‑
1常数变量，分别表示t时刻下i号风电机组、j号光伏机组的开关状态、k号储能机组的充放电状态，0表示关机、充电，1表示开机、放电，P
w,i
(t)为t时刻风电功率，P
p,j
(t)为t时刻光伏功率，P
c,k
(t)为t时刻储能功率，P
net
(t)为t时刻向电网购电量，P
load
(t)为t时刻负荷需求，M
w
(t)表示风电在t时刻的售电价格；风电发电安全约束：其中，P
wm
(t)表示为第m类风力发电设备在t时刻的功率，和分别表示为第m个风力发电设备功率最大和最小值，和分别表示为第m个风力发电设备爬坡上限和爬坡下限；储能智能体收益模型：其中，a
p,j
(t)、a
w,i
(t)、a
c,k
(t)为0
‑
1常数变量，分别表示t时刻下i号风电机组、j号光伏机组的开关状态、k号储能机组的充放电状态，0表示关机、充电，1表示开机、放电，P
w,i
(t)为t时刻风电功率，P
p,j
(t)为t时刻光伏功率，P
c,k
(t)为t时刻储能功率，P
net
(t)为t时刻向电网购电量，P
load
(t)为t时刻负荷需求，M
c
(t)表示储能在t时刻的售电价格；储能设备安全约束：其中，表示为第m类储能设备在t时刻的功率，和分别表示为第m个储能设备功率最大...

【专利技术属性】
技术研发人员：张慧峰，黄金虎，强程鹏，岳东，窦春霞，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：