龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：南京邮电大学
摘要：本发明是基于分布式强化学习的多能源安全优化调度方法，包括步骤1：获取节点电压约束模型、获取微燃气轮机约束模型、光伏机组约束模型以及电储能约束模型；步骤2：考虑步骤1中的模型构建运行成本模型；步骤3：将多能源安全优化调度问题转换成离散的无限马尔可夫决策模型；步骤4：采取DDPG算法解决所述离散的无限马尔科夫决策模型问题，以日运行成本最低为目标，训练无限马尔可夫决策模型每个区域智能体的最优网络参数，最优网络参数包括策略网络和价值网络，最后通过每个区域间的信息交互从而求取整体的最优解。本发明将各区域神经网络联系起来，实现了多区域协同运行，相较于各区域独立运行会大幅度提升系统的性能。
主权项：1.一种基于需求侧多能源管理模型的优化调度方法，其特征在于：所述优化调度方法包括如下步骤：步骤1、获取预先构建的总运行效益模型；步骤2、获取风电、光伏及储能的总发电收益模型、获取电网购电费用模型、获取运维成本模型以及可控机组启停模型；步骤3、利用强化学习知识多能源优化问题转换为马尔科夫决策过程MDP，将某时刻的单个智能体系统内各个机组的发电功率、当前电价以及用户负荷需求，通过神经网络获取相应的光伏功率、风电功率、储能功率组成的最终输出集合；步骤4、基于每个区域内的机组发电功率、负荷功率、各个区域内的可控设备做功、当前电价，采取DDPG算法解决所述离散的无限马尔科夫决策问题，以总运行效益最大为目标，训练各个区域智能体的最优网络参数，其中包括策略网络和价值网络，最后通过每个区域间的信息交互从而求取整体的最优解，其中，所述步骤1针对包含风电、光伏及储能以及运维成本的多能源系统，以总运行效益最大为目标，考虑光伏发电安全约束、电储能安全约束、风力发电安全约束：每个智能体总运行效益： 其中，F为各个智能体的总效益函数，NT为调度时段总数，为t时刻风电、光伏及储能的总发电收益，为t时刻向电网购电费用，为t时刻运维成本，为t时刻可控机组启停成本。
全文数据：
权利要求：
百度查询： 南京邮电大学 基于分布式强化学习的多能源安全优化调度方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号