當(dāng)下,我國(guó)已成為世界上風(fēng)電裝機(jī)容量最大的國(guó)家,風(fēng)力發(fā)電已經(jīng)成為調(diào)整發(fā)電能源結(jié)構(gòu)的重要手段。同時(shí)新一輪的電力體制改革也在如火如荼的推進(jìn)中,公平公正的電力市場(chǎng)機(jī)制正在逐步完善,風(fēng)力發(fā)電作為發(fā)電商并網(wǎng)并進(jìn)入電力市場(chǎng)追逐利潤(rùn)成為必然趨勢(shì)。然而,風(fēng)電和市場(chǎng)電價(jià)本身具有不確定性,這對(duì)電力系統(tǒng)經(jīng)濟(jì)調(diào)度帶來(lái)了諸多挑戰(zhàn)。在此背景下,如何協(xié)調(diào)風(fēng)力發(fā)電作為被動(dòng)電源和發(fā)電商的雙重身份即如何在應(yīng)對(duì)多重不確定性的同時(shí)追逐最大利益成為風(fēng)力發(fā)電決策與控制急需解決的難題。儲(chǔ)能系統(tǒng)和其他具有調(diào)節(jié)能力的備用作為風(fēng)電場(chǎng)的調(diào)度對(duì)象能解決上述問(wèn)題。目前面向風(fēng)電場(chǎng)儲(chǔ)能/備用的不確定性調(diào)度優(yōu)化算法可以被分為兩大類(lèi):一類(lèi)以基于場(chǎng)景的隨機(jī)優(yōu)化、動(dòng)態(tài)規(guī)劃、機(jī)會(huì)約束等方法為代表,該類(lèi)方法在進(jìn)行優(yōu)化前需要將風(fēng)電或市場(chǎng)電價(jià)的不確定性人為地表征為已知的數(shù)學(xué)概率分布。然而假設(shè)的概率分布是否與實(shí)際的風(fēng)電場(chǎng)不確定性規(guī)律匹配將直接影響整個(gè)優(yōu)化算法的優(yōu)化效果;另一類(lèi)魯棒優(yōu)化方法將不確定性用考慮極端結(jié)果的區(qū)間來(lái)模糊表示,規(guī)避了對(duì)不確定性的人為假設(shè),提升了計(jì)算效率。然而,該類(lèi)方法未能有效挖掘不確定性規(guī)律,導(dǎo)致其決策結(jié)果具有保守性,在以收益為首要目標(biāo)的電力市場(chǎng)環(huán)...

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景與意義
        1.1.1 風(fēng)電發(fā)展現(xiàn)狀與趨勢(shì)
        1.1.2 風(fēng)電場(chǎng)運(yùn)行策略研究意義
    1.2 風(fēng)電場(chǎng)運(yùn)行策略研究概述
        1.2.1 儲(chǔ)能系統(tǒng)以及外部備用
        1.2.2 面向風(fēng)電不確定性的隨機(jī)優(yōu)化算法
        1.2.3 風(fēng)電場(chǎng)運(yùn)行策略研究存在的問(wèn)題
    1.3 本文工作和章節(jié)安排
第二章 面向風(fēng)電場(chǎng)調(diào)度的深度強(qiáng)化學(xué)習(xí)算法
    2.1 強(qiáng)化學(xué)習(xí)與深度學(xué)習(xí)
        2.1.1 強(qiáng)化學(xué)習(xí)以及不確定性的應(yīng)對(duì)
        2.1.2 深度學(xué)習(xí)以及多場(chǎng)景的應(yīng)對(duì)
        2.1.3 深度、強(qiáng)化學(xué)習(xí)在電力系統(tǒng)中的應(yīng)用綜述
    2.2 深度強(qiáng)化學(xué)習(xí)算法
    2.3 本章小結(jié)
第三章 基于DRL的風(fēng)-儲(chǔ)-備用聯(lián)合發(fā)電策略
    3.1 方法概述
        3.1.1 儲(chǔ)能系統(tǒng)與備用的合作機(jī)制
        3.1.2 深度強(qiáng)化學(xué)習(xí)模型
    3.2 RAINBOW算法
        3.2.1 Deep Q Network (2015)算法
        3.2.2 Rainbow算法框架
        3.2.3 動(dòng)作選擇策略
    3.3 電力市場(chǎng)環(huán)境模型
        3.3.1 即時(shí)收益與長(zhǎng)期收益目標(biāo)
        3.3.2 儲(chǔ)能系統(tǒng)運(yùn)行約束
        3.3.3 懲罰費(fèi)用計(jì)算
        3.3.4 維修費(fèi)用計(jì)算
    3.4 深度強(qiáng)化學(xué)習(xí)模型的實(shí)現(xiàn)
        3.4.1 狀態(tài)空間和動(dòng)作空間
        3.4.2 學(xué)習(xí)環(huán)節(jié)的實(shí)現(xiàn)
        3.4.3 應(yīng)用環(huán)節(jié)的實(shí)現(xiàn)
    3.5 算例分析
        3.5.1 學(xué)習(xí)環(huán)節(jié)
        3.5.2 應(yīng)用環(huán)節(jié)
        3.5.3 不同優(yōu)化控制方法的比較分析
        3.5.4 不同深度強(qiáng)化學(xué)習(xí)算法的比較分析
    3.6 本章小結(jié)
第四章 基于DRL的風(fēng)電場(chǎng)儲(chǔ)能系統(tǒng)預(yù)測(cè)決策一體化調(diào)度
    4.1 風(fēng)電場(chǎng)預(yù)測(cè)決策一體化調(diào)度模型
        4.1.1 風(fēng)電場(chǎng)預(yù)測(cè)決策一體化調(diào)度
        4.1.2 一體化調(diào)度模式下儲(chǔ)能系統(tǒng)的優(yōu)化控制
    4.2 深度強(qiáng)化學(xué)習(xí)在預(yù)測(cè)決策一體化調(diào)度中的應(yīng)用
        4.2.1 一體化調(diào)度模式下的狀態(tài)空間
        4.2.2 動(dòng)作空間
        4.2.3 獎(jiǎng)勵(lì)函數(shù)
        4.2.4 儲(chǔ)能系統(tǒng)運(yùn)行約束與懲罰費(fèi)用
    4.3 算例分析
        4.3.1 算例數(shù)據(jù)
        4.3.2 學(xué)習(xí)環(huán)節(jié)
        4.3.3 應(yīng)用環(huán)節(jié)
        4.3.4 關(guān)于控制器輸入數(shù)據(jù)的討論與分析
        4.3.5 與傳統(tǒng)調(diào)度方法的比較分析
    4.4 本章小結(jié)
第五章 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間所發(fā)表的論文及參與的項(xiàng)目
學(xué)位論文評(píng)閱及答辯情況表



本文編號(hào)：3842008