[发明专利]一种考虑源荷不确定性下微电网能量调度的深度强化学习方法

权利要求书

1.一种考虑源荷不确定性下微电网能量调度的深度强化学习方法，其特征在于，包括以下步骤：

S1：建立微电网优化调度模型，在满足负荷需求以及微电网安全运行的前提下，通过对微电网能量优化管理，实现微电网运行成本最小化的目标；

S2：提出基于深度强化学习的能量管理办法，针对微电网优化运行问题建立相应的马尔可夫决策模型；

S3：利用长短期记忆(LSTM)神经网络得到光伏、负荷数据的有效预测模型，并且基于LSTM和深度确定性策略梯度(DDPG)方法构建微电网能量优化求解框架，得到最优能量调度策略；

S4：通过算例仿真验证方法的有效性，能有效应对随机变量的影响，提升微电网运行的经济性。

2.如权利要求1所述的一种考虑源荷不确定性下微电网能量调度的深度强化学习方法，其特征在于，所述步骤S1中，微电网优化调度模型包括以下构成：

S1-1：构建最小化成本的目标函数模型，考虑三个成本因素，分别是微电网的购电成本C_g、储能设备的折旧成本C_pv和光伏发电设备的运维成本C_b，模型可表示如下：

min C＝C_g+C_pv+C_b       (1)

S1-1-1：建立微电网购电成本模型，表示如下：

式中，λ_b,t和λ_s,t分别为t时段微电网向主电网购电和售电的价格；和分别为t时段微电网向主电网的购售电量；

S1-1-2：建立光伏设备运维成本模型，表示如下：

式中，k_pv为光伏的单位运维成本，P_t^pv为t时段光伏出力；

S1-1-3：建立储能设备折旧成本模型，表示如下：

式中，k_b为储能设备的单位折旧成本；P_t^b为t时段储能设备的工作功率，P_t^b0表示储能设备充电，反之，则表示储能设备放电；

S1-2：构建微电网优化调度问题中的约束条件模型，包括储能设备约束、功率平衡约束和与主电网功率交互约束，可表示如下：

S1-2-1：建立储能设备约束模型，表示如下：

由于储能设备深度充电和放电会对自身造成损害，所以需要在每个时段将储能设备功率和荷电状态约束在一定范围内；因此，储能设备所需满足的约束如下所示：

式中，为储能设备充放电功率的上限值；η_ch和η_dis分别为储能设备的充电效率和放电效率；和分别为t时段储能设备充电和放电的状态变量，值为1时表示储能设备处于工作状态，值为0时，则不工作；Δt为时间间隔；和

分别为调度周期内储能设备荷电状态的最小值和最大值；为t时段储能设备的荷电状态；

由于储能设备的工作状态是单一进行的，即在一个工作时段内，储能设备的充放电状态无法同时存在，故采用下式对其约束：

此外，为满足下一个调度周期起始时段对储能设备的蓄能和放能要求，需保证储能设备在调度周期初和调度周期末的荷电状态相等，故采用下式对其约束：

式中，为调度周期末储能设备的荷电状态，为储能设备在下一个调度周期的初始荷电状态；

S1-2-2：建立功率平衡约束模型，表示如下：

式中，P_t^l为t时段的负荷需求；由于同一时段内不能同时存在购电和售电行为，故采用下式对其约束；

S1-2-3：建立与主电网功率交互约束模型，表示如下：

为保证在调度周期内变压器的安全运行，与主电网功率交互还需满足如下约束：

式中，和分别为微电网向主电网购电和售电的最大功率。