[发明专利]基于强化学习的分布式能源参与配电网调峰调度优化方法有效
| 申请号： | 201910750247.8 | 申请日： | 2019-08-14 |
| 公开（公告）号： | CN110365057B | 公开（公告）日： | 2022-12-06 |
| 发明（设计）人： | 马溪原;田兵;胡洋;雷金勇;袁智勇;周长城;罗俊平;丁士;黄安迪;练依情;郭祚刚;谈赢杰 | 申请（专利权）人： | 南方电网科学研究院有限责任公司;中国南方电网有限责任公司 |
| 主分类号： | H02J3/38 | 分类号： | H02J3/38 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 张春水;杜嘉伟 |
| 地址： | 510663 广东省广州市萝岗区科*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 强化 学习 分布式 能源 参与 配电网 调度 优化 方法 | ||
1.一种基于强化学习的分布式能源参与配电网调峰调度优化方法，其特征在于，包括：
建立分布式能源参与配电网调峰调度模型，确定系统目标函数和相关约束条件，形成原始优化问题；
将分布式能源参与配电网调峰调度模型转化为马尔可夫决策过程；
获取某地区典型日的系统负荷、可控分布式电源和分布式储能的历史数据；
根据深度确定性策略梯度DDPG算法原理，构建神经网络；
利用DDPG算法对历史数据进行学习，并对分布式能源参与配电网调峰调度模型进行求解，得到分布式储能单元的最优行为策略，实现分布式能源参与配电网调峰调度优化；
所述神经网络包括策略网络和Q网络，所述神经网络的结构分为动作模块和价值模块；
其中，动作模块执行策略网络的优化计算，价值模块执行Q网络的优化计算。
2.根据权利要求1所述的基于强化学习的分布式能源参与配电网调峰调度优化方法，其特征在于，所述分布式能源参与配电网调峰调度模型为以系统负荷方差最小、系统运行成本最小为目标的多目标调峰模型。
3.根据权利要求1所述的基于强化学习的分布式能源参与配电网调峰调度优化方法，其特征在于，所述相关约束条件包括电网平衡约束、潮流约束、分布式电源出力约束和分布式储能单元运行约束。
4.根据权利要求1所述的基于强化学习的分布式能源参与配电网调峰调度优化方法，其特征在于，所述可控分布式电源包括分布式光伏和分散式风电。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南方电网科学研究院有限责任公司;中国南方电网有限责任公司，未经南方电网科学研究院有限责任公司;中国南方电网有限责任公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910750247.8/1.html，转载请声明来源钻瓜专利网。
- 上一篇：基于延迟优化策略的短期风电功率预测方法
- 下一篇：一种光功率预测方法及装置
