公开(公告)号：CN113904382A

公开(公告)日：2022-01-07

申请号：CN202111246448.8

申请日：2021-10-26

Applicant: 国网青海省电力公司 ,  清华大学

Inventor： 方保民 ,  胡伟 ,  马晓伟 ,  李延和 ,  孙云超 ,  任景 ,  张馨月 ,  李兵 ,  张鑫 ,  薛晨 ,  向异 ,  王光辉 ,  徐有蕊 ,  李剑 ,  陈春萌

IPC: H02J3/46

Abstract: 本申请属于电力系统时序运行模拟领域，涉及一种多能源电力系统时序运行模拟方法、装置、电子设备及存储介质。本方法首先建立风电、光伏等多能源电源的运行模型；对具有日以上调节能力的水库进行以月为时间尺度的中长期月末库容优化；进行以日为时间尺度的梯级水电电量分解；最后对电力系统进行以小时为时间尺度的滚动运行优化，所建立的模型可以转化为混合整数线性规划问题进行求解，得到全年时序运行模拟结果。本方法折中平衡了长程时序相关建模能力和短时波动建模能力，在提高计算效率的同时较为准确地描述系统全年小时分辨率的运行风险。本方法对可再生能源发电基地的规划和运行有指导意义，并为以多能互补加储能配置电网清洁化探索提供帮助。

公开(公告)号：CN111582441B

公开(公告)日：2021-07-30

申请号：CN202010298982.2

申请日：2020-04-16

Applicant: 清华大学

Inventor： 杨君 ,  薛晨 ,  芦维宁 ,  梁斌 ,  赵千川

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种共享循环神经网络的高效值函数迭代强化学习方法，该方法包括：通过智能体与环境进行交互获得样本数据，并将样本数据添加至样本池中；在样本池中随机选取样本数据作为训练样本数据；根据训练样本数据对Critic网络的输出进行归一化，并对其MLP网络和共享LSTM参数进行更新；循环迭代对Critic网络更新两次后，根据训练样本数据对Actor网络的MLP部分参数进行更新；对Critic网络中的第三Critic网络和第四Critic网络、Actor网络的第二Actor网络参数进行更新。该方法将循环神经网络与值函数迭代相结合，提高算法训练效率，缩短算法训练时间。

公开(公告)号：CN111582439A

公开(公告)日：2020-08-25

申请号：CN202010291366.4

申请日：2020-04-14

Applicant: 清华大学

Inventor： 薛晨 ,  杨君 ,  许函 ,  陈章 ,  梁斌

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种状态部分可观测强化学习算法的高效采样更新方法及装置，其中，方法包括：采集智能体与环境交互生成的交互数据，并将交互数据添加至样本池中；从样本池中随机选取多条样本片段，生成训练样本数据；根据训练样本数据对更新长短时记忆网络的网络参数。根据本申请的更新方法，可以极大缩短算法训练时间、提高算法表现，不但提高更新效率，而且有效保证更新的准确性，提升算法的使用体验。

公开(公告)号：CN113904382B

公开(公告)日：2023-09-26

申请号：CN202111246448.8

申请日：2021-10-26

Applicant: 国网青海省电力公司 ,  清华大学

Inventor： 方保民 ,  胡伟 ,  马晓伟 ,  李延和 ,  孙云超 ,  任景 ,  张馨月 ,  李兵 ,  张鑫 ,  薛晨 ,  向异 ,  王光辉 ,  徐有蕊 ,  李剑 ,  陈春萌

IPC: H02J3/46

Abstract: 本申请属于电力系统时序运行模拟领域，涉及一种多能源电力系统时序运行模拟方法、装置、电子设备及存储介质。本方法首先建立风电、光伏等多能源电源的运行模型；对具有日以上调节能力的水库进行以月为时间尺度的中长期月末库容优化；进行以日为时间尺度的梯级水电电量分解；最后对电力系统进行以小时为时间尺度的滚动运行优化，所建立的模型可以转化为混合整数线性规划问题进行求解，得到全年时序运行模拟结果。本方法折中平衡了长程时序相关建模能力和短时波动建模能力，在提高计算效率的同时较为准确地描述系统全年小时分辨率的运行风险。本方法对可再生能源发电基地的规划和运行有指导意义，并为以多能互补加储能配置电网清洁化探索提供帮助。

公开(公告)号：CN111582439B

公开(公告)日：2021-08-10

申请号：CN202010291366.4

申请日：2020-04-14

Applicant: 清华大学

Inventor： 薛晨 ,  杨君 ,  许函 ,  陈章 ,  梁斌

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种状态部分可观测强化学习算法的高效采样更新方法及装置，其中，方法包括：采集智能体与环境交互生成的交互数据，并将交互数据添加至样本池中；从样本池中随机选取多条样本片段，生成训练样本数据；根据训练样本数据对更新长短时记忆网络的网络参数。根据本申请的更新方法，可以极大缩短算法训练时间、提高算法表现，不但提高更新效率，而且有效保证更新的准确性，提升算法的使用体验。

公开(公告)号：CN111582441A

公开(公告)日：2020-08-25

申请号：CN202010298982.2

申请日：2020-04-16

Applicant: 清华大学

Inventor： 杨君 ,  薛晨 ,  芦维宁 ,  梁斌 ,  赵千川

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种共享循环神经网络的高效值函数迭代强化学习方法，该方法包括：通过智能体与环境进行交互获得样本数据，并将样本数据添加至样本池中；在样本池中随机选取样本数据作为训练样本数据；根据训练样本数据对Critic网络的输出进行归一化，并对其MLP网络和共享LSTM参数进行更新；循环迭代对Critic网络更新两次后，根据训练样本数据对Actor网络的MLP部分参数进行更新；对Critic网络中的第三Critic网络和第四Critic网络、Actor网络的第二Actor网络参数进行更新。该方法将循环神经网络与值函数迭代相结合，提高算法训练效率，缩短算法训练时间。