基于强化学习的微电网能源调度策略及优化

刘金华¹, 柯钟鸣^1,2, 周文辉¹

1. 电子科技大学 中山学院, 中山 528402;
2. 电子科技大学 自动化工程学院, 成都 611731

收稿日期:2019-03-18出版日期:2020-02-28发布日期:2020-03-27

作者简介:刘金华(1982-),女,副教授,E-mail:29565575@qq.com.
基金资助:国家自然科学基金项目（61773126）

Reinforcement Learning Based Energy Dispatch Strategy and Control Optimization of Microgrid

LIU Jin-hua¹, KE Zhong-ming^1,2, ZHOU Wen-hui¹

1. Zhongshan Institute, University of Electronic Science and Technology of China, Zhongshan 528402, China;
2. School of Automation Engineering, University of Electronic Science and Technology of China, Chengdu 611731, China

Received:2019-03-18Online:2020-02-28Published:2020-03-27


Supported by:

摘要/Abstract

摘要： 针对微电网中能源调度的经济效益、充电效率优化、系统负荷波动以及碳排放问题，提出将强化学习运用到微电网调度中，通过建立一个完整的微电网模型，使强化学习在不断迭代过程中得到最优策略，同时达到经济效益趋向最大化、充电功率相对稳定、系统负荷波动减少、碳排放量达到最小化这4个联合优化目标.仿真结果表明，采用的控制策略既能很好地实现经济效益最大化收敛、碳排放量最小化收敛，同时又能使得充电功率相对稳定，微电网的负荷也能减少，极大地提高了系统的稳定性.
中图分类号:
TP273

引用本文

刘金华, 柯钟鸣, 周文辉. 基于强化学习的微电网能源调度策略及优化[J]. 北京邮电大学学报, 2020, 43(1): 28-34.
LIU Jin-hua, KE Zhong-ming, ZHOU Wen-hui. Reinforcement Learning Based Energy Dispatch Strategy and Control Optimization of Microgrid[J]. Journal of Beijing University of Posts and Telecommunications, 2020, 43(1): 28-34.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3426