一种计及风险的省间省内电量互动方法

    公开(公告)号:CN115034587B

    公开(公告)日:2024-08-02

    申请号:CN202210579368.2

    申请日:2022-05-25

    Abstract: 本发明公开了一种计及风险的省间省内电量互动方法。所述方法包括以下步骤:省电量互动参与者利用上层优化模型,在实现省内电量互动平台运行计量值和风险指标最小的条件下,求解自身的获取电量需求并上报到省间电量互动管理者;省间电量互动管理者利用下层优化模型进行计算,实现省间电量互动运行计量值的最小化,求解出省间电量互动的预互动结果;重复上述步骤,直到省间获取电量需求达到最优;省电量互动参与者最终确认的省间获取电量需求,并上报省间电量互动管理者,参与省间电量互动的过程。本发明的方法充分考虑到了省间获取电量对各省省内电量互动平台所带来的风险,并对上述风险进行了规避。所述装置由上层优化模型计算模块、数据传输模块和下层优化模型计算模块三个部分,用于求解省间最优获取电量方法。

    一种基于深度强化学习的灵活性虚拟电厂优化调度方法

    公开(公告)号:CN119398222A

    公开(公告)日:2025-02-07

    申请号:CN202411402196.7

    申请日:2024-10-09

    Abstract: 本发明适用于电厂优化调度技术领域,提供了一种基于深度强化学习的灵活性虚拟电厂优化调度方法,包括以下步骤:建立灵活性资源模型,所述灵活性资源模型包括蓄电池储能设备模型、空调负荷模型以及需求响应负荷模型;基于深度强化学习进行灵活性虚拟电厂优化调度,具体包括:通过近端策略优化算法设置重要性采样和经验池使得智能体在与环境进行一次交互后进行多次更新,以提升算法的效率;基于状态空间、动作空间和奖励函数构建深度强化学习优化模型。本发明有效结合了神经网络结构和深度强化学习算法来应对复杂,高维的状态空间。并使用监督学习预训练方法提前对初始策略网络进行训练,促进策略网络学习模型驱动方法的优化结果。

Patent Agency Ranking