基于改进Q学习算法的储能系统实时优化决策研究

• 作者: 汪波 郑文迪
• 来源期刊: 电气技术
• 关键词: Q学习 储能系统 实时 优化决策
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 研究与开发
• 页码范围: 54-60,65
• 页数: 8页
• 字数: 7531字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-3800.2018.02.012

摘要

随着分布式清洁能源在电网所占比重逐年增加,其功率预测误差给电网的稳定运行带来巨大挑战,如何使储能系统在实时调度周期快速做出充放电决策达到最优的削峰填谷效果需要一种控制方法.本文考虑储能系统充放电爬坡和存储电量限值等约束条件,提出改进的Q学习算法,用全局最优惩罚项引导其利用离线数据分阶段学习训练得出最优决策,可以快速地收敛,且准确性高;在实时调度周期负荷功率预测不准确时,储能系统只需要修正状态量并判断其所处状态,基于训练好的Q值表,采用贪婪策略可以快速得出其最优动作值,不需要再进行全局寻优迭代运算.仿真算例结果表明,相比于传统Q学习算法,本文所提方法收敛速度更快,且训练好的Q值表可以用于实时调度周期储能系统做优化决策.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑文迪	福州大学电气工程与自动化学院	18	49	3.0	6.0
2	汪波	福州大学电气工程与自动化学院	2	3	1.0	1.0