一种基于多智能体深度强化学习的低碳经济综合能源系统能量规划方法技术方案

本发明专利技术公开了一种基于多智能体深度强化学习的低碳经济综合能源系统能量规划方法，所述方法包括如下步骤：构建包含风电、光伏、电转气、热电联产、储能等多种能源形态的综合能源系统结构；基于能量输入输出关系建立各子系统的碳排放强度模型，构建分段碳税函数以量化碳成本；设计双层两阶段Nash优化模型，兼顾子系统间协同与对外能源交互的博弈关系；将优化问题转化为马尔可夫决策过程，定义状态、动作和奖励函数；构建并训练多智能体TD3算法模型，通过差分进化机制提升策略稳定性和鲁棒性；将训练完成的策略模型部署于实际系统中，实现面向碳经济目标的自适应能量规划调度。本发明专利技术具有自适应性强、碳效益高、智能协同能力优的特点。

【技术实现步骤摘要】

本专利技术属于综合能源系统优化领域，涉及一种综合能源系统能量规划方法，具体涉及一种基于多智能体深度强化学习的低碳经济综合能源系统能量规划方法。

技术介绍

1、随着全球能源结构加速向低碳化、清洁化方向发展，综合能源系统（ies）逐渐成为未来能源基础设施的重要形态。ies通过将电能、热能、气能及可再生能源（如光伏、风电）等多种能源形式耦合，实现能源的多元协同供给与优化配置，提升能源利用效率。然而，ies在实际运行中面临多重挑战：

2、一方面，可再生能源出力具有高度波动性与不确定性，尤其在微电网或独立供能场景下，易造成系统不稳定；另一方面，用户负荷需求具有动态性和随机性，电价、气价等市场信号波动频繁，加之碳税政策的推行，进一步增加了能量调度问题的复杂性。传统的优化方法，如线性规划、混合整数规划、鲁棒优化等，虽能在一定程度上应对部分不确定因素，但普遍存在实时性差、难以处理高维非线性决策问题等缺陷。同时，现有大多数方法忽视了能源子系统间在运行目标上的差异性，未能建模其博弈行为，缺乏系统性、智能化的协调机制。因此，亟需一种同时具备不确定性建模能力、多能协同本文档来自技高网...

【技术保护点】

1.一种基于多智能体深度强化学习的低碳经济综合能源系统能量规划方法，其特征在于所述方法包括如下步骤：

2.根据权利要求1所述的基于多智能体深度强化学习的低碳经济综合能源系统能量规划方法，其特征在于所述步骤S2的具体步骤如下：

3.根据权利要求1所述的基于多智能体深度强化学习的低碳经济综合能源系统能量规划方法，其特征在于所述步骤S3的具体步骤如下：

4.根据权利要求1所述的基于多智能体深度强化学习的低碳经济综合能源系统能量规划方法，其特征在于所述步骤S4的具体步骤如下：

5.根据权利要求1所述的基于多智能体深度强化学习的低碳经济综合能源系统能...

【技术特征摘要】

1.一种基于多智能体深度强化学习的低碳经济综合能源系统能量规划方法，其特征在于所述方法包括如下步骤：

2.根据权利要求1所述的基于多智能体深度强化学习的低碳经济综合能源系统能量规划方法，其特征在于所述步骤s2的具体步骤如下：

3.根据权利要求1所述的基于多智能体深度强化学习的低碳经济综合能源系统能量规划方法，其特征在于所述步骤s3的具体步骤如下：

4.根据权利要求1所述的基于多智能体深度强化学习的低碳经济综合能源系统能量规划方法，其特征在于所述步骤s4的具体步骤如下：

5....

【专利技术属性】
技术研发人员：李青阳，李中伟，陈泳旭，雷芊，关淮铭，吴倩莹，金显吉，佟为明，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：