【技术实现步骤摘要】
一种基于深度强化学习的混合能源系统多目标调度优化方法
[0001]本专利技术涉及电力系统自动化
,具体为一种基于深度强化学习的混合能源系统多目标调度优化方法
。
技术介绍
[0002]随着化石燃料的日益紧缺,能源成为了
21
世纪以来全球社会生产最不可或缺的物质要素之一,推动着人类发展进
‑
步前行
。
在中国,庞大的人口基数带来的是能源需求急速增长
。
最直观的是传统能源,例如煤炭
、
天然气
、
石油等不可再生资源的使用量得到空前地开发利用
。
因此,发展风能
、
光伏
、
水能等清洁的可再生能源成为了现代能源发展的主要趋势,也成为了许多国家未来能源发展的最重要的战略之一
。
[0003]近年来,能源枢纽的概念被提出,能源枢纽通过不同的能源载体实现各种能源
(
例如,天然气,电力
)
的转换,以实现对能源更有效地利用
。
由于能源枢纽和智能电网的集成,形成了智能多能源系统
。
同时,产销者这个角色的出现,自然导致了本地能源市场的出现,除了零售能源市场以外,还为产销者提供了额外的能源交易选择
。
因此,多能源调度策略的设计对于提高多能源系统中的能源利用率至关重要
。
[0004]现有技术中,申请号为
CN202010757411.0
【技术保护点】
【技术特征摘要】
1.
一种基于深度强化学习的混合能源系统多目标调度优化方法,其特征在于:包括如下步骤:步骤1:建立电热综合能源系统模型;步骤2:建立电气综合能源系统模型;步骤3:建立电热气综合能源系统的优化模型
。2.
根据权利要求1所述的一种基于深度强化学习的混合能源系统多目标调度优化方法,其特征在于:所述步骤1中,电热综合能源系统的结构由五部分组成,风机
(Wind Turbine,WT)、
热泵
(Heat Pump,HP)、
热电联产
(Combined Heat and Power Plant,CHP)、
用户端和上级电网
。3.
根据权利要求2所述的一种基于深度强化学习的混合能源系统多目标调度优化方法,其特征在于:风机
(wind turbine,WT)、
热泵
(Heat Pump,HP)、
热电联产
(Combined Heat and Power Plant,CHP)、
用户端和上级电网由两个网络连接:电力子网和热力子网,在混合能源系统运行模式下,系统运营商可以根据电价向上级电网购电或售电,电力子网用于满足用户的用电需求,而热子网用于满足用户的热需求;热电联产可以同时产生热能和电能,可同时作为热网和电网的能量来源;风机“直接”连接到电力系统,并通过热泵“间接”连接到热力系统;通过将多余的风能转换成热能,部分供热需求也可以由热泵提供,最后,热源,即热电联产和热泵,连接到分布式热网,用于将产生的热量从热源传输到用户
。4.
根据权利要求1所述的一种基于深度强化学习的混合能源系统多目标调度优化方法,其特征在于:所述步骤2中,电气综合能源系统主要包括天然气管网,天然气管网主要由天然气源
、
管道
、
加压站
、
储气设备和天然气负荷组成;管道负责连接各节点,加压站用于补充能量输送过程中的压力损失,根据能量在多个周期内的动态变化,在模型中加入储气设备
。5.
根据权利要求4所述的一种基于深度强化学习的混合能源系统多目标调度优化方法,其特征在于:在...
【专利技术属性】
技术研发人员:田雨森,
申请(专利权)人:华电宁夏能源有限公司,
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。