APP下载

基于深度强化学习的光伏-储能混合系统联合控制策略

2021-11-26向光伟黄诗颖

山东电力高等专科学校学报 2021年5期
关键词:深度模型系统

向光伟,黄诗颖

(1.国网黑龙江省电力有限公司,黑龙江 哈尔滨 150000;2.山东大学,山东 济南 250000)

0 引言

随着化石能源储备量的减少,以及化石能源的使用对环境产生的恶劣影响,全球能源调整的焦点正指向可再生能源的开发和利用。利用可再生能源的光伏发电在新能源开发与应用中扮演着越来越重要的角色。随着以“管住中间,放开两头”为核心的电力体制改革的推进,光伏发电商必将参与电力市场交易[1-2]。光伏发电商的收益与电站出力和市场结算电价直接挂钩。但是光伏发电的不确定性和电力市场中的时变电价使得光伏发电商的收益多变而?不可控。光伏电站需配备可行的控制手段使光伏电站最终输出的电能可以在一定程度上被调控,进而优化发电策略并实现长期利益的最大化。常见的调控手段有储能系统控制与购买外部备用两种方式。

由于光伏发电出力的不确定性,光伏-储能系统参与电力市场运行策略常采用随机优化方法来处理不确定性问题。文献[3]提出了基于在线模型预测控制(Model Predictive Control,简称MPC)的智能光伏电站运行策略优化方法,可在参与日内电力市场交易的过程中来抵消光伏发电预测误差。文献[4]以MPC作为光储系统参与市场的运行策略,在降低电池成本的同时实现运行的可靠性和收益性。文献[5]在采用MPC的基础上结合鲁棒优化,提出了基于鲁棒模型预测控制的光储系统参与实时能量和调频市场的运行策略优化方法。……

登录APP查看全文

猜你喜欢

深度模型系统
一半模型
Smartflower POP 一体式光伏系统
WJ-700无人机系统
ZC系列无人机遥感系统
重尾非线性自回归模型自加权M-估计的渐近分布
深度观察
深度观察
深度观察
连通与提升系统的最后一块拼图 Audiolab 傲立 M-DAC mini
3D打印中的模型分割与打包