[发明专利]基于SARSA(λ)算法的风电-抽蓄联合系统日随机动态调度方法

说明书

本发明提供了基于SARSA(λ)算法的风电‑抽蓄联合系统日随机动态调度方法，具体如下：首先考虑风电出力的随机性，并用Beta分布来表示风电出力的概率分布；其次建立考虑分时电价的风电‑抽蓄联合系统日随机动态调度模型；最后将强化学习中多步时序差分的SARSA(λ)算法引入到模型求解中，通过历史场景数据进行学习，不断试错积累经验。该方法为解决考虑随机性的风蓄联合优化调度这类多阶段决策问题提供了新的思路，在获得优化调度目标的同时，提高了求解效率。

技术领域

本发明属于节能环保产业领域中水资源循环利用与节水活动中的天然水收集与分配问题，采用大数据中的强化学习方法求解。涉及一种基于强化学习SARSA(λ)算法的风电-抽蓄联合系统日随机动态调度方法。

背景技术

在能源行业步入高质量发展的今天，风力发电在世界范围内得到了广泛的应用。同时，风电的随机性和波动性给电网的运行调度带来了挑战，如何控制风电并网时的功率特性，高效的消纳大规模风电成为了亟待解决的难题。

随着储能技术的发展，抽水蓄能电站作为技术成熟、应用广泛的储能装置，具有反应灵活、启停迅速的特性，为电力系统配备抽水蓄能电站，不仅可以削峰填谷，而且可以提供旋转备用、负荷跟踪、调相、频率控制等动态服务，提高系统的静稳定性和动稳定性，为系统带来可观的效益，保障电网安全稳定运行。将风电与抽水蓄能电站联合优化运行，可有效提高风电运行效益，降低风电并网局限性，取得可观的经济效益。

现有的方法中，对于风电-抽水蓄能联合系统的调度，采用传统随机动态规划算法，存在调度效果不佳以及效率低的技术问题。

发明内容

本发明提出一种基于SARSA(λ)算法的风电-抽蓄联合系统日随机动态调度方法，用于解决或者至少部分解决现有技术中存在的调度效果不佳以及效率低的技术问题。

为了解决上述技术问题，本发明提供了基于SARSA(λ)算法的风电-抽蓄联合系统日随机动态调度方法，包括：

S1：描述风电出力的随机性；

S2：根据风电出力的随机性以及分时电价，构建风电-抽蓄联合系统日随机动态调度模型：

式中：T为一个周期内的时段数；R_t为t时段的指标函数；V_t为t时段初的抽水蓄能电站上水库的库容；P_t^gd为t时段抽水蓄能电站发出的功率，小于0为抽水，大于0为发电；R_t、P_t^gd的表达式如下所示：

式中：C_t为t时段对应的峰谷电价；将t时段风电预测误差分布函数曲线离散成N个值后，其对应功率为相应的概率为p_t,i；G_h为抽水蓄能电站启停单个机组所需的费用，n_t为抽水蓄能电站t时段开启/关闭的机组台数；当t时段抽水蓄能电站机组处于发电态时，的值为1，否则为0；P_t^g为t时段机组对应的发电出力；当t时段抽水蓄能电站机组处于电动机态时，的值为1，否则为0，P_t^d为t时段机组对应的抽水功率；

S3：确定风电-抽蓄联合系统日随机动态调度模型的约束条件；

S4：采用强化学习中的SARSA(λ)算法对风电-抽蓄联合系统日随机动态调度模型进行求解，得到调度结果。

在一种实施方式中，S1具体包括：

采用Beta分布来表示风电功率预测误差的概率密度函数，表达式为：