基于物理信息深度强化学习的风储互联系统协同功率平滑控制
系统与控制
2024-12-25 v1 人工智能
系统与控制
摘要
风电储能互联系统的功率平滑控制（PSC）已成为确保高效可靠风能发电的有前景方案。然而，现有的PSC策略忽略了电池与风机之间复杂的相互作用及其不同控制频率的差异，亦未考虑风致效应和电池退化成本。为此，本文设计了一种具有分层结构的协同控制框架，以有效应对这些挑战，集成了风致模型和电池退化模型。此外，在将问题重新表述为马尔可夫决策过程后，引入多智能体强化学习方法以克服问题的双层特性。进一步提出一种基于物理信息的神经网络辅助多智能体深度确定性策略梯度（PAMA-DDPG）算法，将功率波动微分方程纳入模型中加速学习过程。通过在WindFarmSimulator（WFSim）中进行四种不同情景的仿真实验评估了所提方法的有效性。结果表明，所提算法在总体利润上实现约11%的提升，功率波动降低约19%，从而实现了经济效率和网connected能源可靠性的双重目标。
引用
@article{arxiv.2412.17838,
title = {Coordinated Power Smoothing Control for Wind Storage Integrated System with Physics-informed Deep Reinforcement Learning},
author = {Shuyi Wang and Huan Zhao and Yuji Cao and Zibin Pan and Guolong Liu and Gaoqi Liang and Junhua Zhao},
journal= {arXiv preprint arXiv:2412.17838},
year = {2024}
}