基于深度强化学习算法的光伏抽蓄互补系统智能(6)
表6给出了不同算法的时间效率对比,在处理器为Inter(R) Core(TM) i9-9820X CPU @ 3.30GHz的硬件平台上,由实现本文所采用的CDLRDDPG算法求解所建立的经济调度模型总共耗时237.282s,其中包含测试 168个时刻点所消耗的0.043 8s;由 Matlab实现 SQP算法来求解时耗时2.683s;基于抽样的场景分析法耗时 1 324.85s。可见 CDLR-DDPG算法在实现光伏-抽蓄互补系统的在线经济调度时,模型离线训练相对耗时;若在线实时应用已经训练好的模型,则可根据当前的光伏出力和实时电价瞬间给出在满足并网功率波动约束的条件下抽蓄的工况;SQP法直接求解耗时为CDLR-DDPG算法的 61.25倍;从抑制波动性和提升经济性的角度来评估时,SA法略优于 CDLRDDPG法,但是在同一硬件平台上采用 SA求解所消耗的时间是训练 CDLR-DDPG法的 5.58倍。因此,对于这种强随机性互补系统的经济调度,基于抽样的SA法的计算成本即时间效益远低于数据驱动型的CDLR-DDPG算法。
表6 算法时间效益对比Tab.6 Comparative analysis of the different algorithm efficient求解算法 训练时间/s 测试时间/s CDLR-DDPG 237.282 0.043 8 SQP — 2.683 SA — 1 324.854
4 结论
本文针对光伏-抽蓄互补发电系统,从并网点功率波动和抽水蓄能的经济收益等角度出发,采用改进的DDPG算法(CDLR-DDPG),研究了全额消纳光伏时抽水蓄能的实时经济调度问题;并通过不同算法对比了 CDLR-DDPG算法在应对光-蓄随机环境而实时做出决策的有效性。结果表明:
1)CDLR-DDPG算法在控制抽水蓄能,缓解功率波动和跟随电价方面,能够取得较佳的效果,使得并网点功率波动降低了12.70%的同时增加4.95%的互补系统收益。此外,改进后的CDLR-DDPG算法相对于原始的DDPG算法,并网功率波动率降低了1.05%,抽蓄的经济效益提高了0.08%。
2)与 SQP相比,CDLR-DDPG算法更能够合理地控制抽水蓄能在凌晨时段处于待机状态,避免了抽蓄设备进行频繁的低效能工况切换,有利于延长抽蓄的寿命。
3)当光伏的预测误差大于10%时,使用CDLRDDPG算法实现光-蓄互补系统的调度策略,无论是在抑制并网波动率还是提升抽蓄的经济收益方面均具有绝对优势。
4)CDLR-DDPG算法在线应用的时间效益远大于SQP法和SA法实现调度的时间效益,进而降低了计算成本。本文所研究的光-蓄互补发电系统的智能调度策略为电力系统经济调度提供了一种新思路,有助于多能耦合智能调度的分析与设计。
[1]太阳能发展“十三五”规划[EB/OL].国家能源局,2016-12-08.
[2]2018年光伏发电统计信息[EB/OL].国家能源局,2019-03-19.
[3]孙玉树, 张国伟, 唐西胜, 等.风电功率波动平抑下的MPC双储能控制策略研究[J].电工技术学报,2019, 34(3): Yushu, Zhang Guowei, Tang Xisheng, et on MPC and dual energy storage control strategies with wind power fluctuation mitigation[J].Transactions of China Electrotechnical Society, 2019,34(3): 571-578.
[4]李建林, 牛萌, 周喜超, 等.能源互联网中微能源系统储能容量规划及投资效益分析[J].电工技术学报, 2020, 35(4): Jianlin, Niu Meng, Zhou Xichao, et storage capacity planning and investment benefit analysis of micro-energy system in energy interconnection[J].Transactions of China Electrotechnical Society, 2020, 35(4): 874-884.
[5]Shah R, Mithulananthan N, Lee K PV plant with a robust controller considering power oscillation damping[J].IEEE Transactions on Energy Conversion, 2013, 28(1): 106-116.
[6]Miao Zhixin, Fan Lingling, Osborn D, et of DFIG-based wind generation to improve interarea oscillation damping[J].IEEE Transactions on Energy Conversion, 2009, 24(2): 415-422.
[7]Zhu Yongli, Liu Chengxi, Sun Kai, et of battery energy storage to improve power system oscillation damping[J].IEEE Transactions on Sustainable Energy, 2019, 10(3): 1015-1024.
[8]熊连松, 修连成, 王慧敏, 等.储能系统抑制电网功率振荡的机理研究[J].电工技术学报, 2019,34(20): Liansong, Xiu Liancheng, Wang Huimin, et of energy storage system to suppress grid power oscillations[J].Transactions of China Electrotechnical Society, 2019, 34(20): 4373-4380.
[9]Sukumar S, Mokhlis H, Mekhilef S, et control approach based on dynamic smoothing parameter to mitigate solar PV output fluctuations[J].International Journal of Electrical Power & Energy Systems, 2018, 96: 296-305.
[10]Velasquez A, Barreiro-Gomez J, Quijano N, et model predictive control for economic dispatch of power systems with high penetration of renewable energy resources[J].International Journal of Electrical Power & Energy Systems, 2019, 113:607-617.
[11]Moarefdoost M, Lamadrid J, Zuluaga L.A robust model for the ramp-constrained economic dispatch problem with uncertain renewable energy[J].Energy Economics, 2016, 56: 310-325.
文章来源:《水电与抽水蓄能》 网址: http://www.sdycsxn.cn/qikandaodu/2021/0226/470.html