【技术实现步骤摘要】
本专利技术涉及储能控制，特别涉及一种基于多智能体深度强化学习的氢储能单元功率分配方法。
技术介绍
1、由于光伏发电的随机性和波动性及光伏出力预测方法的局限性，光伏发电的日前预测并上报电网的数据与其当日实际发电数据存在一定误差，当实际发电与预测发电存在较大偏差时，需要通过向上级电网购买旋转备用发电，以满足日前上报水平。考虑到光伏发电产生的电能可以与氢能之间互相转换，且光伏发电电解水产生的氢气绿色无污染，具有良好的应用前景，因此可以通过引入氢储能系统来补偿光伏发电的预测误差。
2、对于大型光伏电站，其产生的电能功率较大，若想通过氢储能装置补偿其预测误差对氢储能的功率和容量要求也较高。然而，目前电解槽和燃料电池的额定功率一般为kw级，如想实现大的功率输出，一般需要配置多个氢储能单元，通过各单元之间的协调出力，以满足实际需求。然而，如何协调氢储能各单元出力，实现经济效益最大化，是目前需要解决的问题。传统的功率分配方法主要是通过线性规划、整数规划、非线性规划、动态规划、随机优化及模糊逻辑控制等，然而上述方法存在效率不高、智能化不足等问...
【技术保护点】
1.一种基于多智能体深度强化学习的氢储能单元功率分配方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于多智能体深度强化学习的氢储能单元功率分配方法，其特征在于，氢储能单元包括充电系统和放电系统，当放电系统的燃料电池出力无法满足需求时，通过充电系统的燃料电池进行补充响应；当充电系统的电解槽出力无法满足需求时，通过放电系统的电解槽进行补充响应；当充电系统或放电系统达到荷电状态（state ofcharge，SOC）边界时，交换两系统的功能；
3.根据权利要求2所述的基于多智能体深度强化学习的氢储能单元功率分配方法，其特征在于，步骤S1中...
【技术特征摘要】
1.一种基于多智能体深度强化学习的氢储能单元功率分配方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于多智能体深度强化学习的氢储能单元功率分配方法，其特征在于，氢储能单元包括充电系统和放电系统，当放电系统的燃料电池出力无法满足需求时，通过充电系统的燃料电池进行补充响应；当充电系统的电解槽出力无法满足需求时，通过放电系统的电解槽进行补充响应；当充电系统或放电系统达到荷电状态（state ofcharge，soc）边界时，交换两系统的功能；
3.根据权利要求2所述的基于多智能体深度强化学习的氢储能单元功率分配方法，其特征在于，步骤s1中，奖励函数包括旋转备用费用和发电收益，旋转备用费用由光伏发电系统日前上报数据...
【专利技术属性】
技术研发人员：董洪达，李成钢，周嘉辰，刘淇，曹慧，李沛，刘座铭，张家郡，李德鑫，张海锋，孟祥东，董运昌，
申请(专利权)人：国网吉林省电力有限公司电力科学研究院，
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。