[发明专利]一种电热联合系统的优化运行方法、系统、设备及介质

权利要求书

1.一种电热联合系统的优化运行方法，其特征在于，包括以下步骤：获取待优化运行的电热联合系统的状态参数；其中，所述状态参数包括：电负荷、风电最大出力、热负荷以及环境温度；

将所述状态参数输入预训练好的多智能体深度强化学习模型，通过所述多智能体深度强化学习模型输出动作量；其中，所述动作量包括：常规机组发电功率、热电联产装置发电功率、风力发电功率和热电联产装置产热功率；所述多智能体深度强化学习模型的基本要素包括智能体、环境、各智能体的动作空间、各智能体的状态空间和各智能体的奖励函数；

基于所述动作量实现电热联合系统的优化运行；

其中，所述多智能体深度强化学习模型中，

所述智能体包括电力系统智能体和热力系统智能体；

所述环境包括电力系统和热力系统能流的数学模型；

所述各智能体的动作空间包括电力系统智能体动作空间和热力系统智能体动作空间；其中，所述电力系统智能体动作空间包括常规机组发电功率、热电联产装置发电功率以及风力发电功率；所述热力系统智能体动作空间包括热电联产装置产热功率；

所述各智能体的状态空间包括电力系统智能体状态空间和热力系统智能体状态空间；其中，所述电力系统智能体状态空间包括电负荷、当前热电联产装置发电功率、风电最大出力以及当前常规机组出力；所述热力系统智能体状态空间包括热负荷、当前热电联产装置产热功率以及环境温度；

所述各智能体的奖励函数包括电力系统智能体奖励函数和热力系统智能体奖励函数；其中，所述电力系统智能体奖励函数包括常规机组运行成本、弃风惩罚以及变量越限惩罚；所述热力系统智能体奖励函数包括热电联产装置运行成本及变量越限惩罚。

2.根据权利要求1所述的一种电热联合系统的优化运行方法，其特征在于，所述电力系统智能体和热力系统智能体均包括各自的行动器网络和判别器网络；

所述行动器网络用于输入智能体从环境感知的状态集合，输出给定状态下智能体的动作；判别器网络用于根据智能体的状态和此状态下智能体的动作产生状态值函数，评估行动器网络采取当前动作的优劣；其中，行动器网络和判别器网络均采用双网络结构，包括结构相同的估值网络和目标网络；在训练过程中，对各智能体的行动器估值网络和判别器估值网络参数进行更新，利用训练后的估值网络参数对目标网络进行软更新。