基于多智能体深度强化学习的大容量电池储能电站功率分配策略.pdfVIP

第19卷第9期南方电网技术Vol.19，No.9

2025年9月SOUTHERNPOWERSYSTEMTECHNOLOGYSep.2025

文章编号：1674-0629（2025）09-0082-12中图分类号：TM71；TP18文献标志码：A

DOI10.13648/j.cnki.issn1674-0629.2025.09.008

：

基于多智能体深度强化学习的大容量电池储能电

站功率分配策略

111，21，21，2

彭寒梅，赵长桥，谭貌，陈颉，李辉

（1.湘潭大学自动化与电子信息学院，湖南湘潭411105；2.湖南省多能协同控制技术工程研究中心（湘潭大学），湖南

湘潭411105）

摘要：大容量电池储能电站功率分配的决策变量多，且策略需考虑多个优化目标及能自动适应场景的不确定性。为

此，提出了一种基于多智能体深度强化学习（multi-agentdeepreinforcementlearning，MADRL）的电池储能电站功率分

配决策方法。首先，基于大容量电池储能电站结构及其功率分配特性构建基于MADRL的功率分配决策框架，每个储

能单元设置一个功率分配智能体，多个智能体构成合作关系；然后，设计考虑储能电站有功功率损耗、荷电状态

（stateofcharge，SOC）一致性和健康状态损失最小优化目标的功率分配智能体模型，采用深度确定性策略梯度（deep

deterministicpolicygradient，DDPG）算法去中心化训练各智能体网络参数，算法收敛后得到储能子系统充放电功率值。

最后，算例验证了所提方法的有效性，能在有效提高储能子系统SOC均衡性的同时降低有功功率损耗、健康状态损失

和充放电切换次数。

关键词：电池储能电站；功率分配；多智能体；深度强化学习；SOC一致性

PowerAllocationStrategyforLarge-CapacityBatteryEnergyStoragePower

StationBasedonMulti-AgentDeepReinforcementLearning

111,21,21,2

PENGHanmei,ZHAOChangqiao,TANMao,CHENJie,LIHui

（1.CollegeofAutomationandElectronicInformation,XiangtanUniversity,Xiangtan,Hunan411105,China；2.Hunan

EngineeringResearchCenterofMulti-EnergyCooperativeControlTechnology,XiangtanUniversity,Xiangtan,Hunan411105,

China）

Abstract：Thedecisionvariablesf