一种基于强化学习的负荷管控方法及系统技术方案

本发明专利技术涉及一种基于强化学习的负荷调控方法及系统，该方法包括：步骤1，在源网荷储管控场景中，采用分层优化框架，将多时间尺度的优化问题分解为多个层次，每个层次对应不同的时间尺度，并分别进行优化；短期优化层中使用采用模型预测控制算法，中期优化层中采用混合整数线性规划算法，长期优化层中采用强化学习方法求解多目标优化问题；步骤2，长期负荷调控决策，基于强化学习通过可实际调整的奖励机制，控制电网做出不同的负荷调控决策，以使智能电网负荷调控系统适应不断变化的环境和目标，提高系统的灵活性和适应性。本发明专利技术可保证电力供应的可靠性和稳定性，实现对电力负荷的精细化管理和调控，提高电力系统的运行效率、可靠性和安全性。

【技术实现步骤摘要】

本专利技术属于智能电网，尤其涉及一种基于强化学习的负荷管控方法及系统。

技术介绍

1、智能电网电力负荷调控系统是在智能电网建设中的重要组成部分，其市场前景广阔且具有良好的发展趋势。智能电网电力负荷调控系统通过运用先进的信息技术、通信技术和控制技术，实现对电力负荷的精细化管理和调控，旨在提高电力系统的运行效率、可靠性和安全性。

2、目前，智能电网电力负荷调控系统主要基于先进的信息通信技术、能源管理技术和智能控制技术，融合各类电力系统数据，包括供电侧、用电侧、环境侧等多源数据，通过智能分析技术对这些数据进行处理和综合分析，实现对电力负荷的精确预测和动态调控，虽然现在智能电网电力负荷调控系统的建设取得了显著的成效，但仍然存在海量需求侧资源难以调控、层级间互动不足、多目标优化难、长短期目标冲突等问题。

技术实现思路

1、本专利技术的目的是提供一种基于强化学习的负荷管控方法及系统，对海量需求侧资源进行细分和管理，引入多时间尺度的多目标奖励函数，以解决长短期目标优化难题，并结合多智能体强化学习和层次化强化学习本文档来自技高网...

【技术保护点】

1.一种基于强化学习的负荷调控方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于强化学习的负荷调控方法，其特征在于，所述步骤1包括：

3.根据权利要求2所述的基于强化学习的负荷调控方法，其特征在于，所述步骤1.2中，短期目标追求最小化实时运行成本Cshort-term、最大化可再生能源利用URE、确保电力系统的稳定性Spower：

4.根据权利要求3所述的基于强化学习的负荷调控方法，其特征在于，所述步骤2包括：

5.根据权利要求4所述的基于强化学习的负荷调控方法，其特征在于，所述步骤2.2中，从时间序列数据挖掘角度引入负荷曲线特...

【技术特征摘要】

1.一种基于强化学习的负荷调控方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于强化学习的负荷调控方法，其特征在于，所述步骤1包括：

3.根据权利要求2所述的基于强化学习的负荷调控方法，其特征在于，所述步骤1.2中，短期目标追求最小化实时运行成本cshort-term、最大化可再生能源利用ure、确保电力系统的稳定性spower：

4.根据权利要求3所述的基于强化学习的负荷调控方法，其特征在于，所述步骤2包括：

5.根据权利要求4所述的基于强化学习的负荷调控方法，其特征在于，所述步骤2.2中，从时间序列数据挖掘角度引入负荷曲线特征...

【专利技术属性】
技术研发人员：李同辉，张宏博，孙坤元，王丽杰，刘帅伟，何博宇，蔡啸，王鹏，张宁，
申请(专利权)人：中国大唐集团科技创新有限公司，
类型：发明
国别省市：