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