中科院沈阳自动化所在智能电网优化调度研究中取得进展

近日,中国科学院沉阳自动化研究所智能微电网研究小组在智能电网优化调度领域取得了进展,相关成果已由智能电网期刊IEEE TRANSACTIONS ON SMART GRID发布。

随着全球气候变化和环境污染问题日益严重,电力系统的清洁,安全和可持续性越来越受到全世界的关注。大规模分布式可再生能源的发展和先进的智能优化控制技术的使用,加速传统电力系统向更清洁,更安全,更可持续的智能电网的转变,是电力系统未来发展趋势和新兴研究热点。目前,国内外关于可再生能源接入,暂态稳定控制和电网运行经济性的研究取得了重要进展,但其电力系统运行的安全性与高比例的可再生能源相关。并且还需要打破相关的智能优化调度方法。

在一篇名为“使用近似动态规划和深度递归神经网络学习的微电网动态能量管理”的研究论文中,智能微电网研究小组提出了一种基于深度强化学习技术的微电网实时能量优化方法。该方法考虑了可再生能源输出的随机性及其对电网交流限制的影响。利用深度递归神经网络提取微电网的当前运行状态,在保证微电网安全的基础上,微电网每个分布式发电机组进行调度,实现微电网运行的实时优化控制。另外,与现有的微电网运行控制方法相比,该方法完全基于学习,不需要对可再生能源输出进行预测建模,具有良好的适应性。这项工作不仅是智能电网优化调度研究的新探索和突破,也为人工智能技术的未来应用推动智能电网的发展提供了新的研究思路。

深度递归神经网络

考虑潮流安全约束的微电网结构图

基于深度神经网络和浅层网络的近似最优值函数

(编辑:DF318)

——