位置:成果数据库 > 期刊 > 期刊详情页
基于强化学习方法的风储合作决策
  • ISSN号:1000-3673
  • 期刊名称:《电网技术》
  • 时间:0
  • 分类:TM71[电气工程—电力系统及自动化]
  • 作者机构:[1]电网智能化调度与控制教育部重点实验室山东大学,山东省济南市250061, [2]天津城东供电分公司,天津市河东区300250
  • 相关基金:国家自然科学基金项目(51477091,51177091);国家重点基础研究发展计划项目(973计划)(2013CB228205).
中文摘要:

在风储配置给定前提下,研究风电与储能系统如何有机合作的问题。核心在于风电与储能组成混合系统参与电力交易,通过合作提升其市场竞争的能力。针对现有研究的不足,在具有过程化样本的前提下,引入强化学习算法。所建立的控制器具备在线学习能力,在学习过程中不断以混合系统收益为反馈信息逐步具备对储能系统充/放电功率、购买备用容量的决策能力。伴随学习时间的累积,将渐进趋于最佳策略,减轻电网调控负担的同时,提高风储合作效率。

英文摘要:

Under premise of given wind power and energy storage configuration, this paper studies how wind power and energy storage can cooperate effectively. The core is that wind power and energy storage form a hybrid system to participate in power trading and to enhance its market competition ability through cooperation. Aiming at shortcomings of existing research, reinforcement learning algorithm is introduced under premise of given process samples. Established controller has on-line learning ability, and gain of hybrid system is taken as feedback information in learning process. The controller gradually has the ability to make decisions on power charge/discharge of energy storage system and purchasing reserve capacity. Along with accumulation of learning time, control strategy will gradually become the best one for reducing burden of power system regulation and improving cooperation efficiency of wind power and energy storage.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《电网技术》
  • 北大核心期刊(2011版)
  • 主管单位:国家电网公司
  • 主办单位:国家电网公司
  • 主编:张文亮
  • 地址:北京清河小营东路15号中国电力科学研究院内
  • 邮编:100192
  • 邮箱:pst@epri.sgcc.com.cn
  • 电话:010-82812976 82812543
  • 国际标准刊号:ISSN:1000-3673
  • 国内统一刊号:ISSN:11-2410/TM
  • 邮发代号:82-604
  • 获奖情况:
  • 中国优秀科技期刊,电力部优秀科技期刊,全国中文核心期刊,中国期刊方阵“双效”期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:66600