基于深度强化学习的多能流楼宇低碳调度方法

建筑减排已成为中国达到"双碳"目标的重要途径,智慧楼宇作为多能流网络耦合的综合能源主体,面临碳排放量较多、多能流网络耦合程度高、负荷用能行为动态特性明显等问题.针对这一问题,提出基于深度强化学习的多能流楼宇低碳调度方法.首先,根据智慧楼宇的实际碳排放量,建立了一种奖惩阶梯型碳排放权交易机制.其次,面向碳市场和多能流耦合网络,以最小化运行成本为目标函数,建立多能流低碳楼宇调度模型,并将该调度问题转换为马尔可夫决策过程.然后,利用Rainbow算法进行优化调度问题的求解.最后,通过仿真分析验证了优化调度模型的可行性及有效性....

Full description

Saved in:
Bibliographic Details
Published in浙江电力 Vol. 43; no. 2; pp. 126 - 136
Main Authors 胥栋, 李逸超, 李赟, 徐刚, 杜佳玮
Format Journal Article
LanguageChinese
Published 国网上海市电力公司浦东供电公司,上海 200122 25.02.2024
Subjects
多能流
multi-energy flow
deep RL
深度强化学习
'dual-carbon'goals
"双碳"目标
低碳调度
low-carbon scheduling
Online AccessGet full text
ISSN1007-1881
DOI10.19585/j.zjdl.202402014

Cover

More Information
Summary:建筑减排已成为中国达到"双碳"目标的重要途径,智慧楼宇作为多能流网络耦合的综合能源主体,面临碳排放量较多、多能流网络耦合程度高、负荷用能行为动态特性明显等问题.针对这一问题,提出基于深度强化学习的多能流楼宇低碳调度方法.首先,根据智慧楼宇的实际碳排放量,建立了一种奖惩阶梯型碳排放权交易机制.其次,面向碳市场和多能流耦合网络,以最小化运行成本为目标函数,建立多能流低碳楼宇调度模型,并将该调度问题转换为马尔可夫决策过程.然后,利用Rainbow算法进行优化调度问题的求解.最后,通过仿真分析验证了优化调度模型的可行性及有效性.
ISSN:1007-1881
DOI:10.19585/j.zjdl.202402014