基于深度强化学习的自适应不确定性经济调度

• 作者: 孙元章 廖思阳 彭刘阳 徐箭 杨丽
• 来源期刊: 电力系统自动化
• 关键词: 间歇性电源 不确定性 动态经济调度 深度强化学习 深度确定性策略梯度算法
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 学术研究
• 页码范围: 33-42
• 页数: 10页
• 字数: 9532字
• 语种: 中文
• DOI: 10.7500/AEPS20190706003

摘要

当风电、光伏等间歇性电源大规模接入电力系统时,为应对其出力的不确定性,电力系统经济调度模型需建立在对不确定性建模的基础上,建模精确度将直接影响调度结果的精确度.但当系统同时包含风电、光伏和负荷复杂的不确定性时,对系统整体不确定性进行精确建模显得尤为困难.针对这一问题,引入深度强化学习中深度确定性策略梯度算法,避免对复杂的不确定性进行建模,利用其与环境交互、根据反馈学习改进策略的机制,自适应不确定性的变化.为确保算法适用性,进行了模型泛化方法的设计,针对算法稳定性问题进行了感知-学习比例调整和改进经验回放的机制设计.算例结果表明,所提方法能在自适应系统不确定性的基础上,实现任意场景下的电力系统动态经济调度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙元章	武汉大学电气与自动化学院	74	2604	26.0	50.0
2	徐箭	武汉大学电气与自动化学院	75	941	17.0	28.0
3	杨丽	武汉大学电气与自动化学院	23	109	7.0	10.0
4	廖思阳	武汉大学电气与自动化学院	17	59	4.0	7.0
5	彭刘阳	武汉大学电气与自动化学院	3	1	1.0	1.0