【技术实现步骤摘要】
一种基于A3C算法的江水源热泵供能系统优化调度方法
[0001]本专利技术涉及的是综合能源背景下的能源供需互动的优化与调度
,具体是一种基于A3C算法的江水源热泵供能系统优化调度方法。
技术介绍
[0002]随着能源消耗的日益加剧,发展可再生能源已经成为促进“碳达峰,碳中和”发展理念的重要趋势。目前,用户侧电气化水平急速上升,大城市的负荷集聚效应不断增强,居民居住区等城市密集负荷区域的用电量持续攀升,导致峰谷差不断扩大。峰谷差异常变大对电能的产量、质量、安全以及经济运行,对电力企业及用户都有重大影响。高峰或低谷时,若电网调峰乏力,造成高峰时低频率,使电能质量下降,影响用电可靠性;负荷峰谷差大使远距离输电电网的潮流日峰谷变大,造成武功电压状况恶化。
[0003]在电力负荷高峰时段,由于运行方式调整裕度小,电网运行压力大,输变电设备重载和过载问题严重。而负荷密集区供电可靠性要求高,线路走廊紧张,电网建设及改造难度逐年增大,因此需要寻求新的解决方案,破解城市负荷密集区电力供需矛盾的难题。
[0004]江水源作为一种可再生热源,其供能系统具有高效节能、绿色环保、运维可靠等优点。相较于风能、太阳能等清洁能源,江水源受季节、日照等影响较小,在区域供能系统中有着广阔的应用前景。江水源热泵技术利用江水水温冬季比室温高,夏季比室温低的特性,把江水面以下13
‑
16米的江水作为空调系统的冷热源。江水源热泵能量系数高、稳定性强、占地面积小,特别适合临江河资源且制冷供热负荷大,空间紧张的居民聚集区等负 ...
【技术保护点】
【技术特征摘要】
1.一种基于A3C算法的江水源热泵供能系统优化调度方法,其特征在于,包括以下步骤:步骤1,获取江水源热泵供能系统中各个时间段的环保指标、技术指标、经济指标和用户用电行为指标;步骤2:为环保指标、技术指标、经济指标和用户用电行为指标进行动态赋权;步骤3:依赖马尔科夫决策过程对江水源热泵供能系统优化调度方法建模;步骤4:基于强化学习A3C算法多线程异步训练,引入贝叶斯优化算法对超参数进行学习,并结合时序差分算法加速算法收敛,获得各个时间段的供能系统优化调度方法。2.根据权利要求1所述的一种基于A3C算法的江水源热泵供能系统优化调度方法,其特征在于,步骤1中,环保指标包括供能系统可再生能源出力和可再生能源装机总量,技术指标包括能源负荷和能源最大负荷,经济指标包括系统负荷总量和系统总负荷最大值。3.根据权利要求1所述的一种基于A3C算法的江水源热泵供能系统优化调度方法,其特征在于,步骤2中,环保指标的动态赋权函数β1为:公式(1)中,P
re
(t)为t时刻江水源热泵供能系统可再生能源出力,P
re_max
为江水源热泵供能系统的可再生能源装机总量;技术指标的动态赋权函数β2为:公式(2)中,P
L_k
(t)为第k种能源在t时刻的能源负荷;P
L_kmax
代表第k种能源的最大负荷;经济指标的动态赋权函数β3为:公式(3)中,P
L
(t)为t时刻江水源热泵供能系统的负荷总量;P
L_max
为江水源热泵供能系统总负荷的最大值;用户用电行为指标的动态赋权函数β4为:公式(4)中,P
max
为各个时间段内负荷功率最大值,P
min
为各个时间段内负荷功率最小值。4.根据权利要求3所述的一种基于A3C算法的江水源热泵供能系统优化调度方法,其特征在于,步骤3中建模依赖马尔科夫决策过程,对四元组<S,A,R,f>进行定义,S表示状态,A表示动作策略,R表示奖励函数,f表示状态转移函数,f由强化学习中深度神经网络进行表现;状态S为供能系统中设备状态和外部自然环境两者的结合;奖励函数R的计算式为:R=β3C
HP
+β2V
EQ
+β1M
CO2
+β4E
pur
ꢀꢀꢀꢀ
(5)公式(...
【专利技术属性】
技术研发人员:徐荆州,许洪华,肖晶,王璞,张玮亚,许自强,钱欣,朱正谊,施萱轩,许若冰,陈驰,
申请(专利权)人:国网江苏省电力有限公司南京供电分公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。