基于深度强化学习的有源配电网多时间尺度源荷储协同优化调控.pdfVIP

2025年3月电工技术学报Vol.40No.5

第40卷第5期TRANSACTIONSOFCHINAELECTROTECHNICALSOCIETYMar.2025

DOI:10.19595/j.cnki.1000-6753.tces.240316

基于深度强化学习的有源配电网多时间

尺度源荷储协同优化调控

112341

李鹏钟瀚明马红伟李建锋刘洋王加浩

（1.华北电力大学电气与电子工程学院保定071003

2.河北雄安许继电科综合能源技术有限公司雄安071600

3.中国电力科学研究院有限公司北京1001924.许继集团有限公司郑州450040）

摘要构建以新能源为主体的新型电力系统是实现“双碳”目标的重要举措，配电网源荷储

协同是促进高比例风光能源消纳的有力措施。基于数据驱动的人工智能方法具有无模型、自适应

等特点，可以自主学习风光能源及负荷的复杂不确定性，对有源配电网优化调控具有良好的支撑

作用。该文考虑源荷功率预测精度特点和设备运行调控特性，提出基于深度强化学习算法的有源

配电网多时间尺度智能优化调控方法。其中，日前阶段制定储能系统和柔性负荷的调控计划，以

实现配电网的经济运行，减小对上级电网造成的调峰压力，并针对多节点多时段状态空间设计相

应的特征提取方法；日内阶段将优化调度问题转换为马尔科夫决策过程，设计表征联络线功率波

动平抑和灵活性资源日前计划跟踪效果的奖励函数，实现了对全调控时段内的功率波动平抑及跟

踪日前计划效果的统筹优化。最后通过修改后的IEEE33算例系统验证了所提方法的有效性与优

越性。

关键词：有源配电网优化调控源荷储协同深度强化学习

中图分类号：TM73

[7]

0引言网优化调控时需考虑风、光能源的复杂不确定性。

[8]

对于不确定性优化问题，常用的方法有模糊优化、

构建以新能源为主体的新型电力系统是实现

随机优化[9]、区间优化[10]、鲁棒优化[11]等。其中，

“双碳”目标的必由之路，而促进以风能、太阳能为

模糊优化使用模糊隶属度函数假定随机变量分布，

代表的可再生能源并网消纳将成为完成这一目标的

关键[1]。推动有源配电网等新形态电网建设可满足易受主观因素的影响[12]；随机优化通常假设随机变

量服从某一概率分布模型，其依赖于参数假设，往

新能源分布式发电和新型交互式用能设备的大量接

入，对新能源的开发利用起到了支撑作用[2]。但风、往难以准确地描述不确定量的实际分布[13]；区间优

化使用区间变量代替点变量，适用于波动范围较小

光等新能源发电出力具有波动性、随机性和不可控

的情况[14]；鲁棒优化只需不确定量的变化范围，其

性，其装机容量的增加将提高配电网的不确定性和

通常针对不确定集中的最坏