文献类型：期刊文章

作　　者：于一潇[1] 杨佳峻[2] 杨明[1] 高源[1]

YU Yixiao;YANG Jiajun;YANG Ming;GAO Yuan(Key Laboratory of Power System Intelligent Dispatch and Control of Ministry of Education(Shandong University),Jinan 250061,China;Electric Power Research Institute of State Grid Shaanxi Electric Power Corporation,Xi’an 710054,China)

机构地区：[1]山东大学电网智能化调度与控制教育部重点实验室,山东省济南市250061 [2]国网陕西省电力公司电力科学研究院,陕西省西安市710054

出　　处：《电力系统自动化》

基　　金：国家电网公司科技项目(52060018000X)。

年　　份：2021

卷　　号：45

期　　号：1

起止页码：132-140

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：风电场储能系统的优化控制可以提高风电场作为发电商在电力市场中的竞争力。文中提出基于深度强化学习的储能系统预测决策一体化调度方法,令高维度的风电场原始测量数据直接驱动储能系统。与预测、决策相分离的传统调度模式相比,预测决策一体化调度模式将风电功率预测与储能系统动作决策相融合,避免了预测阶段中有效决策信息的损失,使风电的随机规律无须通过数学假设等方式被人为刻画,避免了建模误差。其次,引入深度强化学习Rainbow算法优化风电场测量数据与储能系统动作指令之间端到端的控制策略,该策略具备动态统筹多时段系统收益的能力。最后,基于风电场历史数据的算例分析,验证了所提一体化调度模式的优越性和深度强化学习应对不确定性问题的有效性。

关 键 词：风电 储能系统 电力市场 一体化调度 深度强化学习  Rainbow算法  

分 类 号：TP18] TM614]