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。

    储能电站容量配置方法、装置、设备、存储介质及产品

    公开(公告)号:CN119671630A

    公开(公告)日:2025-03-21

    申请号:CN202411634203.6

    申请日:2024-11-15

    Abstract: 本发明提供一种储能电站容量配置方法、装置、设备、存储介质及产品,涉及电力技术领域,方法包括:构建储能电站在计划建设阶段的储能等效年投资建设效益模型;构建调频市场竞价出清模型;构建电量交易市场竞价出清模型;在运行阶段,基于储能等效年投资建设效益模型、调频市场竞价出清模型和电量交易市场竞价出清模型,对储能电站的容量进行配置;储能电站的容量配置过程以储能电站参与电量交易市场、调频市场联合出清的年均储能总收益最高为目标。通过上述方式,可确保联合出清机制下储能电站容量配置的经济性,进而确保储能电站的收益。

Patent Agency Ranking