原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第57卷第1期中国电力Vol.57,No.1
2024年1月ELECTRICPOWERJan.2024
基于改进深度Q网络的虚拟电厂实时优化调度
1,2122
张超，赵冬梅，季宇，张颖
(1.
华北电力大学
电气与电子工程学院，北京102206；2.
国网上海能源互联网研究院有限公司，上海200120)
摘要：深度强化学习算法以数据为驱动，且不依赖具体模型，能有效应对虚拟电厂运营中的复杂性问
题。然而，现有算法难以严格执行操作约束，在实际系统中的应用受到限制。为了克服这一问题，提出了
一种基于深度强化学习的改进深度Q网络（improved
deep
Q-network，MDQN）算法。该算法将深度神经网
络表达为混合整数规划公式，以确保在动作空间内严格执行所有操作约束，从而保证了所制定的调度在实
际运行中的可行性。此外，还进行了敏感性分析，以灵活地调整超参数，为算法的优化提供了更大的灵活
性。最后，通过对比实验验证了MDQN算法的优越性能。该算法为应对虚拟电厂运营中的复杂性问题提供
了一种有效的解决方案。
关键词：虚拟电厂；实时优化；深度强化学习；云边协同；优化调度
DOI：10.11930/j.issn.1004-9649.202307006
0引言效率低下。
数学规划方法在建立数学模型后，可以直接
[6]
新型电力系统背景下，大规模接入电网的可使用商业求解器如Cplex进行求解。如果能获
再生能源具有随机性和波动性，给电网运营带来得VPP的系统参数和准确的预测值信息，利用数
了巨大挑战。为解决这一问题，虚拟电厂（virtual学规划方法可以计算出准确解。然而，由于可再
power
plant，VPP）作为智能控制技术整合可再生生能源和负荷具有不确定性，在实践中很难获得
能源、储能和负荷设备，通过能量管理寻找最佳这些完整信息。为了消除系统中的不确定性，鲁
策略调度可调度资源。棒优化和随机优化广泛应用于最优化问题。文献[7]
对于虚拟电厂而言，找到合适的策略来调度利用条件风险价值法和鲁棒随机优化理论构
文档评论（0）