【技术实现步骤摘要】
本专利技术涉及虚拟电厂优化调度领域，具体而言，涉及一种基于深度强化学习的含氢虚拟电厂低碳经济调度方法。
技术介绍
0、技术背景
1、随着分布式能源大规模并网，如何有效组织和高效管理分布式能源，充分应对分布式能源的出力的波动性成为电力系统面临的一大难点，在此背景下，虚拟电厂的概念应运而生，通过整合多种分布式能源资源，如风能、太阳能及储能系统，利用先进的信息技术和智能管理系统，实现资源的高效协同工作，不仅提升了电网对于可再生能源波动的适应能力，还能在总体上提供稳定的出力，从而有效参与电网调节，满足系统功率平衡的需求。然而，虚拟电厂的绿色低碳转型迫在眉睫。通过分析全球碳排放结构可知，电力、热力能源生产碳排量占比最高，因此减少虚拟电厂中电力、热力生产过程中的碳排放是关键。
2、碳捕集、电转气等低碳技术的应用为虚拟电厂的绿色低碳转型提供了新思路，目前已有研究在虚拟电厂建模中引入碳捕集、电转气设备。通过将电转气和碳捕集设备进行耦合，碳捕集设备可以将电力、热力能源生产所排出的co2进行捕集，并作为原料提供给电转气设备对氢气进行...
【技术保护点】
1.一种基于深度强化学习的含氢虚拟电厂低碳经济调度方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于深度强化学习的含氢虚拟电厂低碳经济调度方法，其特征在于，S1建立虚拟电厂数学模型，各个模型搭建如下：
3.根据权利要求1所述基于深度强化学习的含氢虚拟电厂低碳经济调度方法，其特征在于，S2所述系统运行的目标函数为：
4.根据权利要求1所述基于深度强化学习的含氢虚拟电厂低碳经济调度方法，其特征在于，S2所述系统约束条件包括功率平衡约束与系统运行约束：
5.根据权利要求1所述基于深度强化学习的含氢虚拟电厂低碳经济调...
【技术特征摘要】
1.一种基于深度强化学习的含氢虚拟电厂低碳经济调度方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于深度强化学习的含氢虚拟电厂低碳经济调度方法，其特征在于，s1建立虚拟电厂数学模型，各个模型搭建如下：
3.根据权利要求1所述基于深度强化学习的含氢虚拟电厂低碳经济调度方法，其特征在于，s2所述系统运行的目标函数为：
4.根据权利要求1所述基于深度强化学习的含氢虚拟电厂低碳经济调度方法，其特征在于，s2所述系统约束条件包括功率平衡约束与系统运行约束：
5.根据权利要求1所述基于深度强化学习的含氢虚拟电厂低碳经济调度方法，其特...
【专利技术属性】
技术研发人员：赵黎媛，张鹏举，李金泽，李辽，刘晓明，徐富广，李辉，
申请(专利权)人：河北工业大学，
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。