基于联邦强化学习的电热综合能源系统能量管理策略

TM732; 电热综合能源系统(IES)的能量管理关系到园区的经济效益与多能互补能力,但面临新能源出力随机性和用户负荷不确定性的挑战.首先,构建电热IES能量管理问题的数学模型,将各供能子系统赋能为智能体,基于深度确定性策略梯度(DDPG)算法建立综合考虑子系统实时用能负荷、分时电价及各设备出力的系统能量管理模型.然后,采用联邦学习技术,在训练过程中交互3个子系统的能量管理模型梯度参数对模型的训练效果进行协同优化,打破数据壁垒的同时保护各子系统数据隐私.最后,通过算例分析验证了所构建基于联邦学习框架的DDPG能量管理模型能有效提升园区IES经济效益....

Full description

Saved in:
Bibliographic Details
Published in上海交通大学学报 Vol. 58; no. 6; pp. 904 - 915
Main Authors 王金锋, 王琪, 任正某, 孙晓晨, 孙毅, 赵一伊
Format Journal Article
LanguageChinese
Published 国网陕西省电力有限公司经济技术研究院,西安 710065%华北电力大学电气与电子工程学院,北京 102206 28.06.2024
Subjects
integrated energy system(IES)
能量管理
深度确定性策略梯度
综合能源系统
energy management
联邦学习
federated learning
deep deterministic policy gradient(DDPG)
Online AccessGet full text
ISSN1006-2467
DOI10.16183/j.cnki.jsjtu.2022.418

Cover

More Information
Summary:TM732; 电热综合能源系统(IES)的能量管理关系到园区的经济效益与多能互补能力,但面临新能源出力随机性和用户负荷不确定性的挑战.首先,构建电热IES能量管理问题的数学模型,将各供能子系统赋能为智能体,基于深度确定性策略梯度(DDPG)算法建立综合考虑子系统实时用能负荷、分时电价及各设备出力的系统能量管理模型.然后,采用联邦学习技术,在训练过程中交互3个子系统的能量管理模型梯度参数对模型的训练效果进行协同优化,打破数据壁垒的同时保护各子系统数据隐私.最后,通过算例分析验证了所构建基于联邦学习框架的DDPG能量管理模型能有效提升园区IES经济效益.
ISSN:1006-2467
DOI:10.16183/j.cnki.jsjtu.2022.418