用于优化实时电力市场中光储系统的注意力卷积深度强化学习方法
系统与控制
2024-01-30 v1 机器学习
系统与控制
最优化与控制
摘要
本文研究了光伏-电池储能系统（BESS）的协同作用，并开发了一种可行的策略，使 BESS 通过作为备用以减少光伏弃光并参与电力市场，从而释放其经济潜力。我们将光伏-电池系统的实时竞价分别建模为光伏电站和 BESS 的两个马尔可夫决策过程。我们开发了一种新颖的深度强化学习（DRL）算法来解决该问题，该算法利用注意力机制（AC）和多粒度特征卷积处理 DRL 输入，以做出更好的竞价决策。仿真结果表明，与两个基于优化的基准和一个基于 DRL 的基准相比，我们的 AC-DRL 分别产生了高 23%、20% 和 11% 的收益，并改善了弃光响应。过剩的光伏发电量可以有效地为 BESS 充电以在市场中竞价，显著减少了 76% 的光伏弃光，并为光伏-电池系统创造了协同效应，使其更具可行性。
引用
@article{arxiv.2401.15853,
title = {Attentive Convolutional Deep Reinforcement Learning for Optimizing Solar-Storage Systems in Real-Time Electricity Markets},
author = {Jinhao Li and Changlong Wang and Hao Wang},
journal= {arXiv preprint arXiv:2401.15853},
year = {2024}
}