自适应BESS与电网设定点优化：动态电价下高效电池管理的模型无关框架
系统与控制
2024-08-20 v1 系统与控制
摘要
本文提出了一种增强的框架，用于管理住宅社区中的电池储能系统（BESS）。首先采用基于梯度的优化器处理非凸BESS控制问题，提供基准解。随后，使用多个深度强化学习（DRL）智能体对该问题进行求解，特别关注基于策略的软演员-评论家（SAC）算法。该版本的SAC通过针对非凸问题进行奖励细化，利用对数缩放来提升收敛速度。此外，一种安全机制从动作空间中仅选择可行动作，旨在改善学习曲线、加速收敛并减少计算时间。此外，该DRL方法的状态表示现在包含了由熵项量化的不确定性，增强了模型在不同熵类型下的适应性。所开发的系统遵循电池荷电状态（SOC）的严格限制，从而防止SOC边界被突破并延长电池寿命。通过在澳大利亚多个州的区域进行验证，该模型的鲁棒性得到了确认，每个区域具有独特的不确定性分布。通过实施改进的SAC，每天结束时SOC始终超过50%，使BESS控制能够以一定余量平稳启动次日。最后，与基于梯度的优化基准相比，所提出的DRL方法实现了优化时间平均减少50%、成本平均节省40%。
引用
@article{arxiv.2408.09989,
title = {Adaptive BESS and Grid Setpoints Optimization: A Model-Free Framework for Efficient Battery Management under Dynamic Tariff Pricing},
author = {Alaa Selim and Huadong Mo and Hemanshu Pota and Daoyi Dong},
journal= {arXiv preprint arXiv:2408.09989},
year = {2024}
}