【技术实现步骤摘要】
一种基于深度强化学习算法的光伏电力信息确定方法
[0001]本专利技术涉及光伏电站的电力交易
，更具体地，涉及一种基于深度强化学习算法的光伏电力信息确定方法。
技术介绍
[0002][0003]现有大量光伏电站参与现货电力市场将导致电网边缘存在明显的不确定性，该不确定性由包括光伏电站发电量在内的已知参数和包括各光伏电站能接受的售电电价底线在内的未知参数构成，该不确定性严重影响了光伏电站参与中长期电力市场交易时间点的选择，从而影响了光伏电站的收益。
[0004]因此，如何提供一种基于深度强化学习算法的光伏电力信息确定方法，用以解决光伏电站参与中长期电力市场交易时间点不能确定，不能实时提供光伏电站参与中长期电力市场的最优交易策略且使交易收益最大化，是目前有待解决的技术问题。
技术实现思路
[0005]本专利技术提供一种基于深度强化学习算法的光伏电力信息确定方法，用以解决大量光伏电站参与中长期电力市场交易时间点不能确定，不能实时提供光伏电站参与中长期电力市场的最优交易策略技术问题。该方法包括：>[0006]通过对本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于深度强化学习算法的光伏电力信息确定方法，其特征在于，包括：通过对光伏电站的不确定因素进行数学建模，利用场景生成法得到所述不确定因素中预设数量的训练集和测试集，其中，所述不确定因素包括光伏电站内预设时间段的实时电价、光伏电站发电量和电网限负荷；根据实际所述光伏电站鸟瞰图像生成虚拟仿真环境，将初始数据输入到所述虚拟仿真环境中进行迭代训练，得到强化学习过程；根据所述训练集和所述虚拟仿真环境训练深度学习算法模型，得到训练好的所述深度学习算法模型，所述测试集对所述深度学习算法模型进行测试，将通过测试的所述深度学习算法模型确定为最优光伏电力交易策略，其中，所述深度学习算法模型为以光伏电站售电利益最大化为目标的交易策略模型。2.如权利要求1所述的基于深度强化学习算法的光伏电力信息确定方法，其特征在于，所述将初始数据输入到所述虚拟仿真环境中进行迭代训练，得到强化学习过程时，包括：所述强化学习过程的建立基于四个向量元组，所述向量元组分别为第一状态空间、第二状态空间、操作空间和奖励函数。3.如权利要求2所述的基于深度强化学习算法的光伏电力信息确定方法，所述第二状态空间是由所述第一状态空间从第一预设时间到第二预设时间环境转换后的状态空间，其特征在于，所述第一状态空间包括：所述第一状态空间以第一向量组进行表示，所述第一向量组包括：其中，M
c,t
为光伏电站检修组的工作量，为升压站室温，为升压站内层温度，为升压站外层温度，P
b,t
为电力市场买电量，P
s,t
为卖电量。4.如权利要求2所述的基于深度强化学习算法的光伏电力信息确定方法，其特征在于，所述操作空间包括：所述操作空间以第二向量组进行表示，所述第二向量组包括：其中，为光伏电站检修组在升压站，为光伏电站检修组在风机点位，为光伏电站检修组在路上，σ
t
为升压站内部空调控制指令，u
b,t
为中长期向电力市场买电，u
s,t
为中长期向电力市场卖...
【专利技术属性】
技术研发人员：梁哲铭，张时，高跃，曹云栋，王启江，杨松圣，皇忠科，姚绍飞，
申请(专利权)人：华能新能源股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。