基于深度强化学习的柔性移动微电网设计与规划
系统与控制
2022-12-09 v1 人工智能
系统与控制
摘要
气候变化带来的持续风险已影响全球游牧社区的生计，并可能在未来几年导致迁徙活动增加。因此，流动性考量在能源系统规划中变得愈发重要，尤其是在发展中国家实现能源可及性方面。近期已开发出先进的即插即用控制策略，其设计初衷即为此类去中心化框架，可更便捷地实现游牧社区之间以及游牧社区与主电网的互联。鉴于上述背景，本文研究了面向游牧社区的移动多能源供应系统的设计与规划策略。考虑到相关不确定性的规模与维度会影响30年规划期内所有主要设计与决策变量，本研究采用深度强化学习（DRL）来解决所面临的设计与规划问题。将基于DRL的方案与若干刚性基线设计选项进行基准对比，以比较不确定性下的预期性能。针对蒙古包社区的案例研究表明，移动游牧能源系统在技术与经济上均可行，尤其在考虑灵活性时；尽管家庭间的空间分散程度是重要的限制因素。研究测算了成本、等效排放与总未满足负荷等关键经济、可持续性与韧性指标，表明相较可用基线分别有高达25%、67%和76%的潜在改善。最后，利用实物期权理论的变体给出了灵活性与即插即用运行的价值分解，对致力于实现能源可及性的游牧社区和相关政策制定者具有重要启示。
引用
@article{arxiv.2212.04136,
title = {Design and Planning of Flexible Mobile Micro-Grids Using Deep Reinforcement Learning},
author = {Cesare Caputo and Michel-Alexandre Cardin and Pudong Ge and Fei Teng and Anna Korre and Ehecatl Antonio del Rio Chanona},
journal= {arXiv preprint arXiv:2212.04136},
year = {2022}
}
备注
Submitted to Applied Energy