基于近端策略优化算法的电力系统多类型储能爬坡功率分配策略.pdfVIP

第51卷第9期：4796-4812高电压技术Vol.51,No.9:4796-4812

2025年9月30日HighVoltageEngineeringSeptember30,2025

DOI:10.13336/j.1003-6520.hve2025年9月30日第51卷September

基于近端策略优化算法的电力系统多类型储能爬

坡功率分配策略

1,21,21,21,234

王杰，苗世洪，王廷涛，姚福星，励刚，汤伟

1.()430074

（强电磁技术全国重点实验室华中科技大学，武汉；

2.华中科技大学电气与电子工程学院，武汉430074；

3.国网安徽省电力有限公司，合肥230022；

4.国网安徽省电力有限公司电力科学研究院，合肥230601）

摘要：随着新能源发电比例不断提高，由此引发的短时大规模功率爬坡事件愈加频繁，因此研究多类型储能爬

坡功率分配策略对防范极端爬坡风险、保障系统稳定运行具有重要意义。该文提出一种面向紧急爬坡需求的多类

型储能功率优化分配策略，引入深度强化学习(deepreinforcementlearning,DRL)方法以兼顾功率分配的准确性与时

效性。首先，以绝热压缩空气储能(adiabaticcompressedairenergystorage,A-CAES)、风电联合储能、火电联合飞

A-CAES-

轮储能为代表，分析多类型储能的爬坡互补特性，重点研究的非线性热动气动耦合特征及风储系统的风

机转子动能瞬态响应行为，并据此构建多类型储能爬坡功率响应模型；其次，将功率优化分配问题转化为适合DRL

的马尔可夫决策过程，并引入学习率动态衰减、策略熵以及状态归一化等训练机制，提出基于近端策略优化算法

的电力系统多类型储能爬坡功率分配策略；最后，在多种爬坡场景下开展算例分析。结果表明，所提分配策略能

够充分发挥各类储能的调控优势，提高爬坡功率分配的灵活性、精准性、时效性。

关键词：近端策略优化算法；多类型储能；功率优化分配；爬坡场景；深度强化学习；绝热压缩空气储能

RampingPowerAllocationStrategyforMulti-typeEnergyStorageinPowerSystemBasedon

ProximalPolicyOptimization

1,21,21,21,234

WANGJie,MIAOShihong,WANGTingtao,YAOFuxing,LIGa