基于分布式强化学习的多能源安全优化调度方法

摘要

本发明是基于分布式强化学习的多能源安全优化调度方法，包括步骤1：获取节点电压约束模型、获取微燃气轮机约束模型、光伏机组约束模型以及电储能约束模型；步骤2：考虑步骤1中的模型构建运行成本模型；步骤3：将多能源安全优化调度问题转换成离散的无限马尔可夫决策模型；步骤4：采取DDPG算法解决所述离散的无限马尔科夫决策模型问题，以日运行成本最低为目标，训练无限马尔可夫决策模型每个区域智能体的最优网络参数，最优网络参数包括策略网络和价值网络，最后通过每个区域间的信息交互从而求取整体的最优解。本发明将各区域神经网络联系起来，实现了多区域协同运行，相较于各区域独立运行会大幅度提升系统的性能。