基于深度强化学习的含柔性能源需求的智能能源网络中电池与氢储能控制

智能能源网络为接纳太阳能、风能等波动性可再生能源高比例渗透提供了有效途径，而这类能源对能源生产深度脱碳至关重要。然而，鉴于可再生能源与能源需求的波动性，亟需开发有效的控制与储能方案以管理波动性发电并实现预期的系统经济与环境目标。本文引入由电池与氢储能组成的混合储能系统，以应对电价、可再生能源生产与消费相关的不确定性。我们旨在改善可再生能源利用，最小化能源成本与碳排放，同时保障网络内的能源可靠性与稳定性。为此，我们提出一种多智能体深度确定性策略梯度方法，这是一种基于深度强化学习的控制策略，用于实时优化混合储能系统与能源需求的调度。所提方法为无模型方法，不需要智能能源网络环境的显式知识与严格数学模型。基于真实数据的仿真结果表明：（i）混合储能系统与能源需求的集成及优化运行，相比其他基线模型减少78.69%碳排放、提升23.5%成本节约以及超过13.2%可再生能源利用率；（ii）所提算法优于深度Q网络等SOTA自学习算法。