電動汽車（electric vehicle,EV）及其他分布式資源正大規(guī)模地滲透到增量配電網(wǎng)中,使其調(diào)度問題成為一個充滿隨機(jī)性、高維的多階段優(yōu)化問題。因此基于強(qiáng)化學(xué)習(xí)框架,提出一種增量配電網(wǎng)實時隨機(jī)優(yōu)化調(diào)度算法。首先,將增量配電網(wǎng)的實時調(diào)度描述成一個多階段隨機(jī)序貫決策問題,并提出原問題的動態(tài)規(guī)劃公式,構(gòu)造表征當(dāng)前決策對后續(xù)所有時段影響的值函數(shù);利用決策后狀態(tài)值函數(shù)代替期望值的計算,從而避免了增量配電網(wǎng)的隨機(jī)性;利用基于時序差分TD（1）的策略迭代算法在大量模擬場景下訓(xùn)練值函數(shù),得到收斂的近似值函數(shù);將近似值函數(shù)投入在線運(yùn)行進(jìn)而得出配電網(wǎng)每時刻的近似全局最優(yōu)調(diào)度方案。該算法避免了EV、可再生能源等數(shù)據(jù)預(yù)測誤差的影響,有效應(yīng)對各類能源隨機(jī)性給優(yōu)化調(diào)度帶來的挑戰(zhàn)。仿真算例表明,該算法收斂速度快,魯棒性強(qiáng),計算時間不受EV接入數(shù)量的影響,與其他算法對比更具可行性和經(jīng)濟(jì)性。 

【文章來源】：電網(wǎng)技術(shù). 2020,44(09)北大核心EICSCD

【文章頁數(shù)】：12 頁

【參考文獻(xiàn)】：
期刊論文
[1]考慮多重不確定性的綜合能源系統(tǒng)日前優(yōu)化調(diào)度[J]. 周星球,鄭凌蔚,楊蘭,仇琦.  電網(wǎng)技術(shù). 2020(07)
[2]基于模型預(yù)測控制的微電網(wǎng)群分布式優(yōu)化調(diào)度[J]. 吳成輝,林聲宏,夏成軍,管霖.  電網(wǎng)技術(shù). 2020(02)
[3]基于信息-物理-社會系統(tǒng)融合和群體機(jī)器學(xué)習(xí)的弱中心化微元網(wǎng):理論研究與關(guān)鍵科學(xué)問題分析[J]. 余濤,程樂峰,張孝順.  中國科學(xué):技術(shù)科學(xué). 2019(12)
[4]考慮多方主體利益的大規(guī)模電動汽車分布式實時協(xié)同優(yōu)化[J]. 潘振寧,余濤,王克英.  中國電機(jī)工程學(xué)報. 2019(12)
[5]基于模型預(yù)測控制的智能樓宇用能靈活性調(diào)控策略[J]. 陳厚合,李澤寧,姜濤,李雪,張儒峰,李國慶.  電力系統(tǒng)自動化. 2019(16)
[6]主動配電網(wǎng)分布式魯棒優(yōu)化調(diào)度方法[J]. 梁俊文,林舜江,劉明波,宋雨濃,范官盛,何森,蔣浩.  電網(wǎng)技術(shù). 2019(04)
[7]基于多主體博弈與強(qiáng)化學(xué)習(xí)的并網(wǎng)型綜合能源微網(wǎng)協(xié)調(diào)調(diào)度[J]. 劉洪,李吉峰,葛少云,張鵬,陳星屹.  電力系統(tǒng)自動化. 2019(01)
[8]機(jī)器學(xué)習(xí)在能源與電力系統(tǒng)領(lǐng)域的應(yīng)用和展望[J]. 程樂峰,余濤,張孝順,殷林飛.  電力系統(tǒng)自動化. 2019(01)
[9]含大規(guī)模電動汽車接入的主動配電網(wǎng)多目標(biāo)優(yōu)化調(diào)度方法[J]. 肖浩,裴瑋,孔力.  電工技術(shù)學(xué)報. 2017(S2)
[10]含分布式電源和可調(diào)負(fù)荷的售電公司優(yōu)化調(diào)度模型[J]. 顧偉,任佳依,高君,高菲,宋曉輝,劉海波.  電力系統(tǒng)自動化. 2017(14)



本文編號：3219291