基于需求响应的异构电池工业园区的强化学习能源管理
系统与控制
2026-04-07 v1 系统与控制
摘要
光伏（PV）系统、静止能源存储系统（ESS）和电动车（EV）的集成，以及需求响应（DR）计划在工业园区为降低成本和提高可再生能源利用率提供了机遇。协调这些资源具有挑战，因为办公区和生产区具有不同的操作目标，且往往忽略电池老化成本。本文提出一种基于DR的能源管理框架，联合优化网格互动成本、热舒适、EV离站状态-of-charge要求、碳排放和电池老化。我们使用动态能源分配比率对异构负荷进行建模，并纳入ESS和EV电池的调度级老化模型。该问题被建模为马尔可夫决策过程（MDP），并使用深度确定性策略梯度（DDPG）求解。使用来自中国一个实际工业园区的数据进行高保真仿真，结果表明该框架在保持室内舒适的同时显著降低了总运营成本，分别相对于基于规则的DR策略和传统时段用电套利方法实现了44.58%和40.68%的节省。
引用
@article{arxiv.2604.03655,
title = {Reinforcement Learning-Based Energy Management for Industrial Park with Heterogeneous Batteries under Demand Response},
author = {Meng Yuan and Tinghui Yan and Zhezhuang Xu},
journal= {arXiv preprint arXiv:2604.03655},
year = {2026}
}