[發(fā)明專利]基于自動(dòng)強(qiáng)化學(xué)習(xí)多時(shí)段預(yù)測(cè)的孤立微電網(wǎng)優(yōu)化調(diào)度方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110955516.1
• 申請(qǐng)日: 2021-08-19
• 公開（公告）號(hào): CN113708404A
• 公開（公告）日: 2021-11-26
• 發(fā)明（設(shè)計(jì)）人: 李揚(yáng);王瑞濃;楊震;李嘉政
• 申請(qǐng)（專利權(quán)）人: 東北電力大學(xué)
• 主分類號(hào): H02J3/38
• 分類號(hào): H02J3/38;H02J3/46;H02J3/00;G06Q10/04;G06Q10/06;G06Q50/06
• 代理公司: 成都其高專利代理事務(wù)所(特殊普通合伙) 51244
• 代理人: 廖曾

一種基于自動(dòng)強(qiáng)化學(xué)習(xí)多時(shí)段可再生能源出力及負(fù)荷預(yù)測(cè)的孤立微電網(wǎng)優(yōu)化調(diào)度方法，其特點(diǎn)是，包括:輸入并更新風(fēng)、光出力及負(fù)荷的歷史數(shù)據(jù)并將其按時(shí)段重構(gòu)為24組新的時(shí)間序列；生成基于優(yōu)先經(jīng)驗(yàn)回放自動(dòng)強(qiáng)化學(xué)習(xí)預(yù)測(cè)的調(diào)度模型；根據(jù)輸入數(shù)據(jù)自動(dòng)確定優(yōu)先經(jīng)驗(yàn)回放自動(dòng)強(qiáng)化學(xué)習(xí)預(yù)測(cè)模型的架構(gòu)與超參數(shù)；獲得預(yù)測(cè)值及預(yù)測(cè)誤差分布并生成預(yù)測(cè)誤差的概率性序列；修正預(yù)測(cè)值；確定旋轉(zhuǎn)備用機(jī)會(huì)約束；將機(jī)會(huì)約束轉(zhuǎn)化為確定性約束；獲得符合混合整數(shù)線性規(guī)劃形式的調(diào)度模型；輸入微電網(wǎng)參數(shù)；求解微電網(wǎng)日前調(diào)度模型；檢查解決方案是否存在，若存在，則終止流程；否則更新置信水平；輸出微電網(wǎng)優(yōu)化調(diào)度方案。具有系統(tǒng)的運(yùn)行成本低，求解速度快等優(yōu)點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于自動(dòng)強(qiáng)化學(xué)習(xí)多時(shí)段預(yù)測(cè)的孤立微電網(wǎng)優(yōu)化調(diào)度方法，屬于微電網(wǎng)經(jīng)濟(jì)運(yùn)行的技術(shù)領(lǐng)域。

背景技術(shù)

由于化石能源逐漸枯竭，生態(tài)環(huán)境日益惡化，加之傳統(tǒng)的集中供電方式暴露出諸多弊端，可再生能源發(fā)電因其具備良好的經(jīng)濟(jì)性與環(huán)保性在電力系統(tǒng)中所占比例正在日益增加。微電網(wǎng)作為分布式電源的有效載體，近年來大量投入電力系統(tǒng)之中。對(duì)微電網(wǎng)進(jìn)行深入研究以及加速建設(shè)能夠推進(jìn)分布式電源與可再生能源的大規(guī)模接入，形成多種類型能源的聯(lián)合供電，這不僅能夠促進(jìn)電網(wǎng)的經(jīng)濟(jì)運(yùn)行，同時(shí)也可以減少環(huán)境污染，達(dá)到環(huán)保作用。但在帶來多種優(yōu)勢(shì)的同時(shí)，由于可再生能源出力與負(fù)荷具有不確定性，這對(duì)微電網(wǎng)的日前調(diào)度計(jì)劃造成了強(qiáng)烈的阻礙。精準(zhǔn)的預(yù)測(cè)可以為調(diào)度計(jì)劃提供可靠的依據(jù)，結(jié)合先進(jìn)預(yù)測(cè)方法的調(diào)度模型無疑可以減小可再生能源出力與負(fù)荷的不確定性對(duì)微電網(wǎng)經(jīng)濟(jì)運(yùn)行所產(chǎn)生的影響，提高運(yùn)行的經(jīng)濟(jì)性。

與傳統(tǒng)電力系統(tǒng)相比，微電網(wǎng)中所含新能源發(fā)電所占比例較大，如何處理新能源出力及負(fù)荷的不確定性對(duì)微電網(wǎng)經(jīng)濟(jì)運(yùn)行產(chǎn)生的影響成為了微電網(wǎng)調(diào)度計(jì)劃中不得不面對(duì)的難題。

目前針對(duì)微電網(wǎng)的日前優(yōu)化調(diào)度問題，國內(nèi)外學(xué)者已進(jìn)行了一些有益的探索。但現(xiàn)有方法中鮮有考慮將調(diào)度模型與先進(jìn)的預(yù)測(cè)模型進(jìn)行結(jié)合形成統(tǒng)一的整體；對(duì)于目前基于強(qiáng)化學(xué)習(xí)的預(yù)測(cè)模型，其架構(gòu)與參數(shù)都需要手動(dòng)確定，迄今未見有關(guān)將自動(dòng)機(jī)器學(xué)習(xí)與強(qiáng)化學(xué)習(xí)相結(jié)合的文獻(xiàn)報(bào)道；目前預(yù)測(cè)方法多為多步預(yù)測(cè)，會(huì)造成誤差累積現(xiàn)象，且多數(shù)方法并未考慮預(yù)測(cè)誤差對(duì)于預(yù)測(cè)精度的影響。

發(fā)明內(nèi)容

本發(fā)明的目的是克服現(xiàn)有技術(shù)的不足，為更好的有效解決新能源出力及負(fù)荷的不確定性對(duì)微電網(wǎng)經(jīng)濟(jì)運(yùn)行產(chǎn)生的影響提供一種科學(xué)合理，能夠降低系統(tǒng)的發(fā)電成本，將調(diào)度模型與先進(jìn)的預(yù)測(cè)模型相結(jié)合，同時(shí)能夠簡化預(yù)測(cè)模型的建模難度，提高預(yù)測(cè)精度以進(jìn)一步促進(jìn)微電網(wǎng)經(jīng)濟(jì)運(yùn)行的微電網(wǎng)日前優(yōu)化調(diào)度方法。

本發(fā)明的目的是由以下技術(shù)方案來實(shí)現(xiàn)的：提出了一種基于自動(dòng)強(qiáng)化學(xué)習(xí)多時(shí)段可再生能源出力及負(fù)荷預(yù)測(cè)的孤立微電網(wǎng)優(yōu)化調(diào)度方法。首先提出了能夠以定制化的方法簡化深度強(qiáng)化學(xué)習(xí)預(yù)測(cè)模型部署的結(jié)合優(yōu)先經(jīng)驗(yàn)回放的自動(dòng)強(qiáng)化學(xué)習(xí)(prioritizedexperience replay automated reinforcement learning，PER-AutoRL)；然后設(shè)計(jì)一種基于PER-AutoRL的多時(shí)段單步預(yù)測(cè)方法進(jìn)行新能源出力及負(fù)荷預(yù)測(cè)；再通過預(yù)測(cè)誤差分布修正預(yù)測(cè)值并確定旋轉(zhuǎn)備用容量作為調(diào)度模型輸入；其次，構(gòu)建以最小化微電網(wǎng)總運(yùn)行成本為目標(biāo)，考慮需求響應(yīng)的調(diào)度模型；最后通過序列運(yùn)算理論(sequence operation theory，SOT)將原始調(diào)度模型轉(zhuǎn)換為易于求解的混合整數(shù)線性規(guī)劃形式，并使用CPLEX求解器對(duì)轉(zhuǎn)換后的模型進(jìn)行求解，得到全局最優(yōu)解，其具體步驟包括：

1)輸入并更新風(fēng)、光出力及負(fù)荷的歷史數(shù)據(jù)；

2)將歷史數(shù)據(jù)根據(jù)時(shí)段分割重建為24組新的時(shí)間序列；

3)生成基于PER-AutoRL預(yù)測(cè)的調(diào)度模型；

4)根據(jù)輸入的歷史數(shù)據(jù)，自動(dòng)確定PER-AutoRL預(yù)測(cè)模型的架構(gòu)與超參數(shù)；

5)獲得預(yù)測(cè)值以及預(yù)測(cè)誤差分布；

6)根據(jù)預(yù)測(cè)誤差分布生成風(fēng)、光出力以及負(fù)荷的預(yù)測(cè)誤差概率性序列；