华南理工大学学报(自然科学版)

作者：程小华, 王泽夫, 曾君, 等

单位：华南理工大学 电力学院，广东 广州 510640

关键词：分布式能源集群,深度强化学习,进化强化学习算法,多场景一体化调度

基金：国家自然科学基金项目(62173148);广东省自然科学基金项目(2022A1515010150);广东省基础与应用基础研究基金项目(2022A1515240026)

目前对于分布式能源集群调度的研究大多局限于单一场景，同时也缺少高效、准确的算法。该文针对以上问题提出了一种基于进化算法经验指导的深度强化学习（EA-RL）的分布式能源集群多场景调度方法。分别对分布式能源集群中的电源、储能、负荷进行个体建模，并基于个体调度模型建立了包含辅助调峰调频的多场景分布式能源集群优化调度模型；基于进化强化学习算法框架，提出了一种EA-RL算法，该算法融合了遗传算法（GA）与深度确定性策略梯度（DDPG）算法，以经验序列作为遗传算法个体进行交叉、变异、选择，筛选出优质经验加入DDPG算法经验池对智能体进行指导训练以提高算法的搜索效率和收敛性；根据多场景调度模型构建分布式能源集群多场景调度问题的状态空间和动作空间，再以最小化调度成本、最小化辅助服务调度指令偏差、最小化联络线越限功率以及最小化源荷功率差构建奖励函数，完成强化学习模型的建立；为验证所提算法模型的有效性，基于多场景的仿真算例对调度智能体进行离线训练，形成能够适应电网多场景的调度智能体，通过在线决策的方式进行验证，根据决策结果评估其调度决策能力，并通过与DDPG算法的对比验证算法的有效性，最后对训练完成的智能体进行了连续60 d的加入不同程度扰动的在线决策测试，验证智能体的后效性和鲁棒性。

来源：2025年第1期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2025年第1期