能源是目前人類賴以生存的重要保證,節(jié)能減排、清潔能源成為了現(xiàn)如今世界能源經(jīng)濟(jì)發(fā)展的重要方向。而在這個(gè)信息技術(shù)不斷發(fā)展的今天,微電網(wǎng)作為一種綠色環(huán)保、持續(xù)且高效的電力系統(tǒng),被業(yè)界廣泛認(rèn)為是一個(gè)技術(shù)平臺開闊、有著廣闊市場前景的新興方向。而針對不斷發(fā)展的微電網(wǎng)技術(shù),各國學(xué)者們也提出了許多關(guān)于其優(yōu)化以及控制策略的理論,其中強(qiáng)化學(xué)習(xí)是機(jī)器學(xué)習(xí)中較為熱門的優(yōu)化算法,也可以應(yīng)用于微電網(wǎng)中。本文將針對不同類型的微電網(wǎng),構(gòu)建不同的數(shù)學(xué)模型,提出不同的優(yōu)化目標(biāo)。根據(jù)馬爾可夫決策模型,將連續(xù)的調(diào)度過程離散化,結(jié)合強(qiáng)化學(xué)習(xí)算法求解出最優(yōu)的調(diào)度方案,并分別針對不同數(shù)學(xué)維度的場景,對算法進(jìn)行遞進(jìn)加深,本文的貢獻(xiàn)如下:1.在傳統(tǒng)強(qiáng)化學(xué)習(xí)的基礎(chǔ)上,針對性地融入了異步的概念,并分析其收斂性,在原有算法基礎(chǔ)上提出了“增益經(jīng)驗(yàn)復(fù)用”以及動(dòng)態(tài)決策的概念,適用于較低維度的數(shù)學(xué)模型。針對居民園區(qū)微電網(wǎng)場景,通過分析其模型特性,確定了控制手段,構(gòu)成了電價(jià)引導(dǎo)式的居民園區(qū)調(diào)度策略。同時(shí)根據(jù)其用電負(fù)荷以及用戶端需求,確立了三個(gè)優(yōu)化目標(biāo)并通過線性疊加成為單目標(biāo)優(yōu)化問題,然后通過理論分析確定該模型為較低維度的數(shù)學(xué)矩陣,最后在理論以及仿真中... 

【文章頁數(shù)】：86 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外微電網(wǎng)現(xiàn)狀
    1.3 研究方法現(xiàn)狀
    1.4 研究內(nèi)容及論文架構(gòu)
第二章 智能電網(wǎng)框架以及算法理論
    2.1 智能電網(wǎng)框架
    2.2 能源系統(tǒng)數(shù)學(xué)模型
        2.2.1 風(fēng)能數(shù)學(xué)模型
        2.2.2 光伏發(fā)電數(shù)學(xué)模型
        2.2.3 蓄電池系統(tǒng)模型
        2.2.4 P2G數(shù)學(xué)模型
        2.2.5 V2G數(shù)學(xué)模型
    2.3 能源調(diào)度策略
    2.4 日前調(diào)度預(yù)測模型
    2.5 基于強(qiáng)化學(xué)習(xí)算法的能源調(diào)度
        2.5.1 蒙特卡洛與馬爾科夫決策理論
        2.5.2 Q-learning 算法
        2.5.3 Sarsa算法
    2.6 本章小結(jié)
第三章 基于異步強(qiáng)化學(xué)習(xí)的居民園區(qū)微電網(wǎng)能源調(diào)度研究
    3.1 數(shù)學(xué)模型
        3.1.1 基于電價(jià)引導(dǎo)的居民園區(qū)微電網(wǎng)模型
        3.1.2 優(yōu)化目標(biāo)
        3.1.3 約束條件
    3.2 異步強(qiáng)化學(xué)習(xí)
        3.2.1 異步Q-learning
        3.2.2 異步 Q-learning 以及微電網(wǎng)效益收斂性分析
        3.2.3 算法偽代碼
    3.3 動(dòng)態(tài)異步強(qiáng)化學(xué)習(xí)
        3.3.1 動(dòng)態(tài)異步Q-learning
        3.3.2 動(dòng)態(tài)決策算法流程
    3.4 基于動(dòng)態(tài)異步 Q-learning 的微電網(wǎng)能源調(diào)度
        3.4.1 數(shù)學(xué)模型
        3.4.2 算法流程
    3.5 仿真結(jié)果分析
        3.5.1 算例仿真
        3.5.2 收斂性及參數(shù)靈敏度分析
        3.5.3 目標(biāo)結(jié)果分析
    3.6 本章小結(jié)
第四章 基于GA-強(qiáng)化學(xué)習(xí)的工業(yè)園區(qū)微電網(wǎng)能源調(diào)度研究
    4.1 基于單微電網(wǎng)的數(shù)學(xué)模型
        4.1.1 工業(yè)園區(qū)微電網(wǎng)模型
        4.1.2 優(yōu)化目標(biāo)
        4.1.3 約束條件
        4.1.4 多屬性評價(jià)指標(biāo)
    4.2 基于多微電網(wǎng)的數(shù)學(xué)模型
        4.2.1 多個(gè)工業(yè)園區(qū)微電網(wǎng)模型
        4.2.2 約束條件
        4.2.3 微電網(wǎng)電能交易博弈模型
    4.3 GA-Q算法
    4.4 GA-DQSA算法
        4.4.1 DQSA算法
        4.4.2 基于GA的決策過程
    4.5 基于 GA-DQSA 算法的微電網(wǎng)能源調(diào)度
    4.6 仿真結(jié)果
        4.6.1 算例分析
        4.6.2 收斂性及參數(shù)靈敏度分析
        4.6.3 效益評估分析
        4.6.4 目標(biāo)函數(shù)分析
    4.7 本章小結(jié)
第五章 總結(jié)
    5.1 全文總結(jié)
    5.2 后續(xù)工作與進(jìn)展
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]強(qiáng)化學(xué)習(xí)研究綜述[J]. 高陽,陳世福,陸鑫.  自動(dòng)化學(xué)報(bào). 2004(01)
[2]基于用戶價(jià)格響應(yīng)和滿意度的峰谷分時(shí)電價(jià)決策模型[J]. 丁偉,袁家海,胡兆光.  電力系統(tǒng)自動(dòng)化. 2005(20)
[3]RLGA:一種基于強(qiáng)化學(xué)習(xí)機(jī)制的遺傳算法[J]. 王本年,高陽,陳兆乾,謝俊元,陳世福.  電子學(xué)報(bào). 2006(05)
[4]微電網(wǎng)的研究現(xiàn)狀及在我國的應(yīng)用前景[J]. 鄭漳華,艾芊.  電網(wǎng)技術(shù). 2008(16)
[5]微電網(wǎng)技術(shù)及發(fā)展概況[J]. 左文霞,李澍森,吳夕科,程軍照.  中國電力. 2009(07)
[6]分布式發(fā)電、微網(wǎng)與智能配電網(wǎng)的發(fā)展與挑戰(zhàn)[J]. 王成山,李鵬.  電力系統(tǒng)自動(dòng)化. 2010(02)
[7]基于影響出行滿意度的出行方式優(yōu)化研究[J]. 楊松堯.  赤峰學(xué)院學(xué)報(bào)(自然科學(xué)版). 2012(08)
[8]基于Elman神經(jīng)網(wǎng)絡(luò)的電力負(fù)荷預(yù)測模型研究[J]. 石黃霞,何穎,董曉紅.  工業(yè)儀表與自動(dòng)化裝置. 2013(01)
[9]電動(dòng)汽車參與V2G的最優(yōu)峰谷電價(jià)研究[J]. 項(xiàng)頂,宋永華,胡澤春,徐智威.  中國電機(jī)工程學(xué)報(bào). 2013(31)
[10]車網(wǎng)互聯(lián)（V2G）支持高峰電力的技術(shù)經(jīng)濟(jì)分析[J]. 廖強(qiáng)強(qiáng),周國定,葛紅花,蔣心澤,張宇,錢虹,李曉華,張沈陽.  中國電力. 2012(04)

碩士論文
[1]基于異步方法的強(qiáng)化學(xué)習(xí)研究[D]. 趙星宇.中國礦業(yè)大學(xué) 2019
[2]基于強(qiáng)化學(xué)習(xí)的微電網(wǎng)電能交易研究[D]. 周長華.廈門大學(xué) 2017
[3]智能電網(wǎng)中V2G系統(tǒng)能量管理及應(yīng)用研究[D]. 鐘偉鋒.廣東工業(yè)大學(xué) 2016
[4]儲能系統(tǒng)能量調(diào)度與需求響應(yīng)聯(lián)合優(yōu)化控制[D]. 高雪瑩.合肥工業(yè)大學(xué) 2015
[5]微電網(wǎng)建模及其控制策略研究[D]. 徐豐.南京理工大學(xué) 2013
[6]并行強(qiáng)化學(xué)習(xí)研究[D]. 楊旭東.蘇州大學(xué) 2012
[7]基于V2G應(yīng)用的車載充放電機(jī)的研究與設(shè)計(jì)[D]. 張宏坡.華南理工大學(xué) 2012
[8]電動(dòng)汽車大規(guī)模接入對電網(wǎng)的影響分析[D]. 寇凌峰.華北電力大學(xué)（北京） 2011
[9]基于模擬退火-Q學(xué)習(xí)的移動(dòng)機(jī)器人路徑規(guī)劃技術(shù)研究[D]. 郭娜.南京理工大學(xué) 2009



本文編號：3692526