CN119496210A 电能存储系统群分布式并网的调度方法、装置及电子设备 （湖北工业大学）

本发明涉及一种电能存储系统群分布式并目标函数包括以电能存储系统收益最大构建的强化学习算法在更新算子中选择算子在约束条2在预设的全局搜索算子池中选择全局搜索算子，在预设的局基于预设的深度强化学习算法在更新算子中选择算S2：将电能存储系统群吸收和释放的功率作为S5：将所述初始种群和所述第一种群合并得到3所述氢储能系统约束包括氢储能系统容量上限约束和充放氢约束，4释放功率；为配电网向综合电能存储系统吸收功率；为每一个小时负荷功通过预设的自适应均衡参数来调节所述电池储能系统和所述氢储能系统功率的吸收和释5当配电网或光伏系统输出功率大于第一电池储能子系统功率吸收上限或可用功率空pr表示t时刻第一电池储能子系统吸收功率；表示t时刻第一电池储能当配电网吸收或电动汽车EV吸收功率不大于第二电池储能子系统最大释放功率或剩(1-B)⃞+Br>y6构建目标函数模块，用于构建电能存储系统群中每算子选择模块，用于在预设的全局搜索算子池中选择全局搜调度模块，用于基于预设的深度强化学习算法在更新权利要求1至8中任意一项所述的一种电能存储系统群分布式并网的调度方法中的步78基于预设的深度强化学习算法在更新算子中选择算子在约束条件下求解目标函S4：所述初始种群基于所述更新算子在目标函数的函数空间中生成子代第一种述经验放入经验池，所述经验池基于预设深度强化学习训练价值网络参数和动作网络参迭代后的种群确定电能存储系统群分布式并网的调[0011]式中，表示综合电9为电动汽车充电的功率；为电动汽车从综合电能存储系统充电的价格；HW和[0016]式中，为电池子系统的最小容量；为电池子系统每个时刻的容量；"为电池子系asoc:当配电网或光伏系统输出功率大于第一电池储能子系统功率吸收上限或可用功pr储能子系统无法吸收而转至第一氢储能子系统的功率；表示t时刻第一氢储能子系统时刻需求功率；pcharser为t时刻第二电池储能子系统释放功率；4soc"为第二电池储能一电池储能子系统剩余荷电状态空间；pmv:表示t时刻电动汽车的吸收功率；当配电网吸收或电动汽车EV吸收功率不大于第二电池储能子系统最大释放功率上述任意一种实现方式中所述的一种电能存储系统群分布式并网的调[0033]本发明的有益效果是：本发明提供的一种电能存储系统群分布式并网的调度方新算子，基于预设的深度强化学习算法在更新算子中选择算子在约束条件下求解目标函[0034]图1为本发明提供的一种电能存储系统群分布式并网的调度方法的一个实施例方图2为本发明提供的一种电能存储系统群分布式并网的调度方法中综合电能存储伏发电系统以及风力涡轮机系统在24小时伏发电系统以及风力涡轮机系统在24小时伏发电系统以及风力涡轮机系统在24小时图21为本发明提供的一种电能存储系统群分布式并网的调度装置的一个实施例[0037]图1为本发明提供的电能存储系统群分布式并网的调度方法的一个实施例流程示数包括以电能存储系统收益最大构建的第一目标函数、以最小峰谷差构建的第二目标函数、以最小负荷标准差构建的第三目标函数以及以最小电压幅值偏差构建的第四目标函[0038]与现有技术相比，本实施例提供的一种电能存储系统群PBr()为电动汽车在时间t时吸收功率；为配电网在时间t时吸收功h示。HT用于储存来自压缩机的氢气，然后将其供应到分配器从而满足各时段HVs的氢[0069][0074]式中，为电池子系统的最小容量；soc"为电池子系统每个时刻的容量；[0081]在本发明的一些实施例中，当所述电池储能系统包括第一电池储能子系统A和第预设的自适应均衡参数包括第一自适应均衡参数和第二自率达到上限或电池容量达到下限时，燃料电池从氢能系统中获取氢能转第一种情况是配电网或光伏系统输出的功率不大于第一电池储能子系统A功率吸c为t时刻第二种情况，当配电网或光伏系统输出功率大于第一电池储能子系统A功率吸收上限或可用功率空间时，所述第一自适应均衡参数满足如下公式即第二预设条件的公式pr储能子系统A无法吸收而转至第一氢储能子系统C的功率；表示t时刻第一氢储能子系大于第二电池储能子系统B最大释放功率或剩余功率时，所述第二自适应均衡参数满足如[0098]如果第二氢能子系统D达到释放下限HSLua，则会购买氢能供让燃料电池转换为功[0102]式中HSLO,为t时刻第二氢能子系统D氢能状态；HSLan为氢能子系统最小氢能二电池储能子系统B交换连接对象。同样，或HSL,(1)2HSL则[0105]需要说明的是，为了求解综合电能存储系统群与配电网算子中选择算子在约束条件下求解目标函数，得到电能存储系统群分布式并网的调度结值计算所述初始种群中每个个体的IGD+和HV，并将IGD+和HV作为所述初始种群的初始状参数作为价值网络参数，将目标动作网络参数作为动作网络参数，重复步骤S303_S307迭[0120]在本发明的具体实施例中，采用基于近端策略优化算法2的自适应算子混合策略[0121]图4展示了正常条件下配电网30节点测试系统，其中综合电能存储系统接入点以标函数中进一步对光伏和风速数据以及车流量数据施加了20%的随机扰动，以模拟真实环[0124]对本发明提出的基于近端策略优化算法2的自适应搜索算子选择机制即ASOS_DRL示了案例1_3的24小时日负荷曲线和30节点电压分布情况。图9和图10分别案例1的日负荷曲线图和电压分布图，并且接入IESG后对配电网负荷波动性降低了47.6%，峰谷差降低了[0147]上述实施例提供的一种电能存储系统群分布式并网的调度装置2100可实现上述具体实现的原理可参见上述一种电能存储系统群分布式并网的调度方法实施例中的相应[0149]处理器2201在一些实施例中可以是一中央处理器（CentralProcessingUnit，示在电子设备2200的信息以及用于显示可视化的用户界面。电子设备2200的部件2201_基于预设的深度强化学习算法在更新算子中选择算子在约束条件下求解目标函设备也可以是其他便携式电子设备，诸如具有触敏表面(例如触控面板)的膝上型计算机任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，