【技术实现步骤摘要】
本专利技术属于智能电网管理调度系统，尤其涉及一种结合深度强化学习技术的基于动态电动汽车运输的低成本电力交付方法应用。
技术介绍
1、电力交付是一个在电网物理层面运行的关键过程，促进电力从能源卖家到买家的传递，它发生在能源交易的财务结算阶段之后。而能源交易仅将能源作为虚拟商品进行信息处理和订单匹配，这些虚拟操作忽视了实际电力交付的保障，例如：突破配电网物理限制的交易订单会造成传输线路的拥塞，进而影响电网的安全性和可靠性并导致停电。解决电力交付问题需要管理甩负荷，即通过有计划地安排传输线路中的功率流来平衡每个节点的电力供需。减少甩负荷的策略包括增加能源供应、增强传输线路能力和优化网络拓扑。然而，当前面临两个显著的挑战：
2、1.传统的电池储能系统(bess)通过有计划的能源储存和释放来增加能源供应，但它们仍受到拓扑和传输线路的限制。为此，提出了基于电池的能源储存运输(best)方法，即通过火车或卡车运输模块化bess。虽然best为管理传输拥塞提供了一种合理的替代方案，但其运输基础设施(如车辆和电池)的前期投资和维护成本较高，还需要由系统运营商集中控制，包括放电策略和路线规划。
3、2.best通常采用传统的规划算法来优化总成本并在目标函数中获得最优结果，但这需要基于完全信息。尽管在一些交易机制中引入了物理约束，例如基于价格的需求响应管理，但它们通常也依赖于实时或短期规划的完全信息。这种对完全信息的依赖过于理想化，在实际情况下尤其是面对动态市场的不确定性和灵活性时，显得困难且难以实现。
1、针对现有技术存在的问题，本专利技术提供了一种结合深度强化学习技术的基于动态电动汽车运输的低成本电力交付方法应用。
2、本专利技术是这样实现的，一种结合深度强化学习技术的基于动态电动汽车运输的低成本电力交付方法，其特征在于，该方法包括：
3、s1、构建基于动态电动汽车运输的电力交付系统，明确各组件功能和运行逻辑；
4、s2、分别从甩负荷和电池衰退两个角度分析系统成本；
5、s3、假设在知晓能源订单和汽车路径的理想情况下，将系统成本构建为完全信息的最优控制问题；
6、s4、结合无模型的深度强化学习方法，将此最优控制问题映射到非完全信息的未知环境中；
7、s5、采用actor-critic网络训练智能体，求解最优策略，实现最小化系统成本的目标。
8、进一步，所述s1具体包括：
9、能源传输不仅通过传统的从发电到用户总线的传输线路进行，还通过电动汽车提供了一个灵活的电力传输替代方案；
10、传统的物理电网可以抽象为一个无向图g＝{v，e}，其中v是顶点集，e是边集，是nv个总线的集合，特别地，v＝vg∪vc且其中vg表示发电总线，vc表示消费总线，是ne个传输线的集合；
11、所述电力交付系统的各组件包括：
12、总线作为网络中的节点，根据其能源请求，可以分为发电总线和用户总线；它们是系统的服务客体，而系统需要将指定的电力交付到节点以匹配需求；
13、传输线负责将总线节点互连，每条传输线都是双向传输电能的；
14、电动汽车借由其移动能力，在不同节点停留并通过车载的电池充电或放电以突破物理传输线完成能源转运，使电力以一种“搭便车”的方式实现交付；
15、所述电力交付系统运行逻辑如下：
16、在没有储能电池的配电网络中，每个周期的甩负荷是独立的；而在配备本地电池的情况下，本周期交付后多余的能源可以先储存，并在后续周期中作为补充，从而减少未来的甩负荷；然而，即使在有足够能源供应的情况下，配电系统仍然要面对传输线的功率流限制；利用了电动汽车实现了如下功能：如果电动汽车的行驶轨迹恰好与一条拥堵的传输线路重合，可以在起点处充电，并在目的地处放电，从而实现有效的电力交付。其运行逻辑基于以下假设：
17、1)分布式的电动汽车驾驶计划不受系统集中控制或调度；但是，它们对总线节点开放了电池操作访问权限。
18、2)由总线节点发起与停在此处的电动汽车电池交互的请求；由总线节点制定决策以完成能源转运和错峰释放能量。
19、3)系统有义务补偿电动汽车因其操作而导致的电池退化成本，认可其对配电辅助的自愿贡献。
20、进一步，所述总线具备以下性质：
21、根据实际的能源交互性质，节点可以被分为发电总线(通常是发电厂)和用户总线(如工厂等设施)，并且此性质在特定时段内保持不变，如δt；向量用来表示总线的能源请求：
22、p＝pout+pin
23、其中表示总线的剩余生成能源，表示总线的负载需求。当vi∈vg时，pout，i≥0且pin，i＝0；当vi∈vc时，pout，i＝0且pin，i≤0；每一个总线都将配备一个或多个装置：新能源发电装置、火力发电装置、存储电池、用电装置；每当运行过程中有盈余或缺损时，总线通过传输线与电网进行交互能源；特别地，在节点vi处配备的储能电池，满足以下约束：
24、
25、
26、
27、其中，表示t时刻节点vi的电池状态，表示电池充电功率，表示电池放电功率，η为充放电效率。和分别为电池状态的上下边界；本地电池不具备移动性。
28、进一步，所述传输线具备以下性质：
29、每条传输线可以双向传输电力，功率流可以简单表示为其中θ1和θ2分别表示该条传输线两端总线的相角，yi是线路ei的导纳；实际的潮流方向可以根据图g初始方向和功率的正负性来判断，潮流的约束为
30、
31、进一步，所述电动汽车具备以下性质：
32、电动汽车作为一种移动储能设备流通在电网中，在每一个δt内，一个电动汽车只出现在一个总线节点附近。我们用向量表示第i个电动汽车evi在t时刻的轨迹，其中当且仅当evi停留在节点vj时，否则evi的车载电池满足以下约束
33、
34、
35、其中表示t时刻电动汽车evi的电池状态，分别表示电动汽车电池充放电功率，和分别为电池状态的上下边界。表示evi由t到t+1时刻行驶的耗能成本函数，特别地，当时，
36、进一步，所述s2分别从甩负荷和电池衰退两个角度分析系统成本，包括以下步骤：
37、s21，甩负荷模型：考虑某一个固定时段内配电网仅靠传输线实现的最优甩负荷s，在这个场景下，不涉及电池和电动汽车调度，首先给定总线的能源请求p，以及弧节点关联矩阵a，问题可以构建为：
38、
39、s.t.atbsin(aθ)-p＝d
40、
41、0≤pout+dout≤pout
42、pin≤pin+din≤0
43、
44、其中wi表示用户总线甩负荷的权重，表示发电总线和用户总线交付后的功率与请求的差值，θ是相角向量本文档来自技高网...
【技术保护点】
1.一种结合深度强化学习技术的基于动态电动汽车运输的低成本电力交付方法，其特征在于，该方法包括：
2.如权利要求1所述的基于动态电动汽车运输的低成本电力交付方法，其特征在于，所述S1具体包括：
3.如权利要求1所述的基于动态电动汽车运输的低成本电力交付方法，其特征在于，所述S2具体包括：
4.如权利要求1所述的基于动态电动汽车运输的低成本电力交付方法，其特征在于，所述S3具体包括：
5.如权利要求1所述的基于动态电动汽车运输的低成本电力交付方法，其特征在于，所述S4具体包括：
6.如权利要求1所述的基于动态电动汽车运输的低成本电力交付方法，其特征在于，所述S5具体包括：
7.一种结合深度强化学习技术的基于动态电动汽车运输的低成本电力交付系统，其特征在于，包括：
8.一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，其特征在于：提供用户输入接口以实施如权利要求1至6任意一项所述的结合深度强化学习技术的基于动态电动汽车运输的低成本电力交付方法。
9.一种
...【技术特征摘要】
1.一种结合深度强化学习技术的基于动态电动汽车运输的低成本电力交付方法，其特征在于，该方法包括：
2.如权利要求1所述的基于动态电动汽车运输的低成本电力交付方法，其特征在于，所述s1具体包括：
3.如权利要求1所述的基于动态电动汽车运输的低成本电力交付方法，其特征在于，所述s2具体包括：
4.如权利要求1所述的基于动态电动汽车运输的低成本电力交付方法，其特征在于，所述s3具体包括：
5.如权利要求1所述的基于动态电动汽车运输的低成本电力交付方法，其特征在于，所述s4具体包括：
6.如权...
【专利技术属性】
技术研发人员：唐长兵，鲍峥，郑忠龙，许秀玲，
申请(专利权)人：浙江师范大学，
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。