【技术实现步骤摘要】
本专利技术涉及微电网群优化调度，尤其涉及一种基于maddpg和帕累托前沿相结合的微电网群优化调度方法及系统。
技术介绍
1、随着全球能源需求的增长和环保标准的提升，微电网作为一种集成可再生能源的关键平台，正日益受到关注。微电网通过整合风力、光伏、火力发电及储能设备等多种能源形式，不仅能够提高能源的利用效率，还能实现能源供应的灵活性和优化。这些系统在连接至主电网时，可以增强电力系统的稳定性和负载响应能力；在主电网失效时，它们也能独立运行，保证关键区域的电力供应，极大地提升了供电的安全性和可靠性。
2、微电网的高度自主性和能源管理的灵活性，为其在特定地区或社区提供了独立或辅助的电力支持。然而，随着技术的进步和应用场景的拓展，单个微电网的功能和效益往往受限于其规模和所处的地理位置。在这种背景下，微电网群的概念应运而生。微电网群由多个微电网节点组成，这些节点在保持各自独立运营的同时，还能通过互联互通的方式实现能源和信息的共享，从而大大提高整体的能源效率和经济效益。
3、微电网群的管理和优化调度面临着比单个微电网更加复杂的挑战。每个微电网节点都具备一定程度的自主性，并需要处理各自的能源生产和消耗，同时还需要与其他节点进行能源交换。这不仅要求有一个高效的系统来协调和优化整个微电网群的操作，还要求该系统能够适应快速变化的环境和复杂的多目标决策需求。主要的技术挑战包括如何实时响应能源需求的波动、如何优化可再生能源的利用、如何协调各个节点间的能源交换，如何防范和应对潜在的系统故障或外部干扰等。
4、传统的控制方
技术实现思路
1、本专利技术的目的是提供一种基于maddpg和帕累托前沿相结合的微电网群优化调度方法、装置及设备，旨在有效处理动态复杂环境中的连续动作空间问题，通过整合多目标优化工具，支持决策者在经济效益、环境影响和供电可靠性之间寻求最佳平衡，从而实现资源的高效利用和优化环境绩效。
2、本专利技术提供了一种基于maddpg和帕累托前沿相结合的微电网群优化调度方法，包括：
3、根据微电网群的多重目标及与微电网群调度优化相关的关键因素，建立微电网群优化调度模型，所述多重目标至少包括经济成本、环境影响及安全运行目标，与微电网群调度优化相关的关键因素包括储能系统的优化运行、柴油机及设备的操作约束；
4、建立基于多智能体深度强化学习的模型，将微电网群调度问题框架化为马尔可夫决策过程，并定义相应的状态空间、动作空间以及奖励函数，生成多智能体强化学习模型；
5、基于maddpg算法对处于训练初始阶段的多智能体强化学习模型进行初始优化操作并进行训练，所述初始优化操作包括基于maddpg算法引入ou过程来向强化学习中的策略添加噪声；
6、采集历史数据分析以获得关键能源输出和负载需求的波动曲线，并计算得到微电网群在不同行为模式下的最优策略的帕累托前沿，选择奖励值较高的策略作为最终输出结果。
7、作为优选地，所述建立微电网群优化调度模型包括多个微电网节点，每个节点包括风力发电、光伏发电、柴油发电、负载及储能设施，
8、分别将风力发电、光伏发电及负载t时刻输出功率配置为、和；
9、确定并配置储能设施中储能电池当前时刻的剩余电量与前一时刻的剩余电量、储能电池功率及充放电效率的关系，储能状态更新的计算如下：
10、，
11、充放电约束：和，
12、储能容量约束：，
13、其中，和表示时间t和时间t+1时的储能状态，δt表示时间间隔，、和分别表示储能衰减系数、充电效率和放电效率，和表示充电和放电功率；
14、配置柴油发电作为微电网群的后备电源，柴油发电机的燃料成本计算如下：
15、；
16、柴油发电机在t时刻的输出功率需满足如下爬坡约束：
17、；
18、其中，为t时刻柴油发电机总燃料成本，为柴油发电机输出功率，a 、b为方程系数，用于计算燃料耗量，为柴油发电机消耗单位燃料所需费用。
19、作为优选地，所述建立微电网群优化调度模型还包括：
20、配置运行时单个微电网节点在任意时刻t内部需维持电力平衡，需满足如下公式：
21、，
22、电量交换的约束条件：，
23、配置整个微电网群在t时刻的电力平衡则表述为如下公式：
24、，
25、式中，为微电网节点与主电网进行交易的电量，、分别为节点j到节点i的输入电量与节点i到节点j的输出电量，j∈n，、为0/1变量，当节点i向节点j输出电量时，该变量取值为1，否则取值为0；当节点j向节点i输入电量时，该变量取值为1，否则取值为0。
26、作为优选地，所述建立微电网群优化调度模型还包括：
27、以最大化整个微电网群在t个时间间隔内的总收益为目标，建立第一目标函数：
28、，
29、其中，为储能系统的成本，包括功率损耗和维护管理费用，表示为：
30、，
31、为柴油发电机的维护成本表示为：
32、，
33、为电力交易收入，当为正时，为售电，对应的售电价格为；当为负时，为买电，对应的买电价格为，计算公式如下：
34、，
35、以最小化整个系统的碳排放为目标，建立第二目标函数：
36、，
37、以最小化所有成本和碳排放的总和为总目标函数，建立总目标函数：
38、，
39、其中，为t时刻柴油机总燃料成本，为单位功率操作成本，为单位功率维护成本，ef为碳排放因子，为碳排放定价。
40、作为优选地，所述建立基于多智能体深度强化学习的模型包括：
41、定义状态空间，所述状态空间包含风力发电量、光伏发电量、柴油发电量、储能状态、当前负载需求，以及与邻近节点及主电网的电力交易价格和历史交易数据及与每个微电网节点的状态在任意时刻 t 的相关信息，状态空间表示为：
42、，
43、定义动作空间，所述动作空间包括调整各类发电设备的输出功率、储能设备的充电和放电决策、决定向邻近微电网买入或卖出的电量、以及与主电网的电力买卖及每个节点智能体能够采取的具有可能性的动作，动作空间表示为：
44、，
45、定义奖励函数，构建包括经济效益影响因素、环境影响因素、供电可靠性影响因素的多目标奖励函数：
46、，
47、其中，表示柴油发电维护成本，表示标量化奖励函数中各个子目标的优先级系数，表示对动作越界/不符合约束的惩罚；
48、根据智能体的状态、动作本文档来自技高网...
【技术保护点】
1.一种基于MADDPG和帕累托前沿相结合的微电网群优化调度方法，其特征在于，包括：
2.根据权利要求1所述的基于MADDPG和帕累托前沿相结合的微电网群优化调度方法，其特征在于，所述建立微电网群优化调度模型包括多个微电网节点，每个节点包括风力发电、光伏发电、柴油发电、负载及储能设施，
3.根据权利要求1所述的基于MADDPG和帕累托前沿相结合的微电网群优化调度方法，其特征在于，所述建立微电网群优化调度模型还包括：
4.根据权利要求1所述的基于MADDPG和帕累托前沿相结合的微电网群优化调度方法，其特征在于，所述建立微电网群优化调度模型还包括：
5.根据权利要求1所述的基于MADDPG和帕累托前沿相结合的微电网群优化调度方法，其特征在于，所述建立基于多智能体深度强化学习的模型包括：
6.根据权利要求1所述的基于MADDPG和帕累托前沿相结合的微电网群优化调度方法，其特征在于，所述基于MADDPG算法对处于训练初始阶段的多智能体强化学习模型进行初始优化操作包括：
7.根据权利要求1所述的基于MADDPG和帕累托
8.根据权利要求1所述的基于MADDPG和帕累托前沿相结合的微电网群优化调度方法，其特征在于，所述计算得到微电网群在不同行为模式下的最优策略的帕累托前沿，选择奖励值较高的策略作为最终输出结果包括：
9.一种基于MADDPG和帕累托前沿相结合的微电网群优化调度系统，其特征在于，包括：
10.一种电子设备，其特征在于，包括：
...【技术特征摘要】
1.一种基于maddpg和帕累托前沿相结合的微电网群优化调度方法，其特征在于，包括：
2.根据权利要求1所述的基于maddpg和帕累托前沿相结合的微电网群优化调度方法，其特征在于，所述建立微电网群优化调度模型包括多个微电网节点，每个节点包括风力发电、光伏发电、柴油发电、负载及储能设施，
3.根据权利要求1所述的基于maddpg和帕累托前沿相结合的微电网群优化调度方法，其特征在于，所述建立微电网群优化调度模型还包括：
4.根据权利要求1所述的基于maddpg和帕累托前沿相结合的微电网群优化调度方法，其特征在于，所述建立微电网群优化调度模型还包括：
5.根据权利要求1所述的基于maddpg和帕累托前沿相结合的微电网群优化调度方法，其特征在于，所述建立基于多智能体深度强化学习的模型包括：
6.根据权利要求1所述的基于ma...
【专利技术属性】
技术研发人员：余为，郭方洪，
申请(专利权)人：格瓴新能源科技杭州有限公司，
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。