智能電網(wǎng)中多儲能裝置的學習優(yōu)化控制.pdf

1、智能電網(wǎng)是以傳統(tǒng)電網(wǎng)為基礎(chǔ)，結(jié)合先進的傳感、通信、控制、決策等技術(shù)，建立起來的現(xiàn)代電網(wǎng)。相較于傳統(tǒng)電網(wǎng)，智能電網(wǎng)更加安全、可靠、經(jīng)濟。廣泛運用儲能裝置是智能電網(wǎng)在組成架構(gòu)上與傳統(tǒng)電網(wǎng)的不同點之一。合理地對儲能裝置進行控制有利于發(fā)揮智能電網(wǎng)的優(yōu)勢，是當下的研究熱點。本文以智能電網(wǎng)為背景，研究了若干場景中多儲能裝置的優(yōu)化控制問題，主要內(nèi)容如下:
　　(1)針對供電能力變化導致的負載率上限變化這一情況，研究了含多儲能裝置智能配電網(wǎng)的電能

2、調(diào)度問題。考慮負載率上限以及負荷的隨機特性，將配電網(wǎng)電能調(diào)度問題描述為馬爾科夫決策過程(MDP)模型，并求解得到多儲能裝置的最優(yōu)控制策略。仿真結(jié)果顯示最優(yōu)策略下系統(tǒng)各線路的負載率超額次數(shù)明顯減少，運行安全性得到改善。
　　(2)考慮微網(wǎng)內(nèi)分布式發(fā)電系統(tǒng)出力以及各區(qū)域用戶需求的隨機動態(tài)特性，以微網(wǎng)用電經(jīng)濟性為優(yōu)化目標，研究了實時電價機制下，含多區(qū)域用戶多儲能裝置微網(wǎng)的能量調(diào)度問題。建立了該問題的半馬爾科夫決策過程(SMDP)模型，并

3、引入理論優(yōu)化和學習優(yōu)化兩種求解方法。仿真實驗結(jié)果表明，在兩種方法求得的最優(yōu)或近似最優(yōu)調(diào)度策略作用下，微網(wǎng)的電能分配更加合理，運行經(jīng)濟性更高。
　　(3)考慮到電網(wǎng)中負荷類型存在多樣性并且不同類型負荷的時間特性有著明顯的差異，研究了分時電價下，多儲能裝置微網(wǎng)的有功潮流優(yōu)化問題。在對負荷、光伏發(fā)電功率的時間特性分析基礎(chǔ)上，以提高微網(wǎng)運行經(jīng)濟性、安全性為目標，給出了微網(wǎng)有功潮流優(yōu)化的物理模型，建立了有限時段馬爾科夫決策過程(FHMDP)