%0 Journal Article
%T 基于深度强化学习的自适应不确定性经济调度
%A 孙元章
%A 廖思阳
%A 彭刘阳
%A 徐箭
%A 杨丽
%J 电力系统自动化
%D 2020
%X 当风电、光伏等间歇性电源大规模接入电力系统时，为应对其出力的不确定性，电力系统经济调度模型需建立在对不确定性建模的基础上，建模精确度将直接影响调度结果的精确度。但当系统同时包含风电、光伏和负荷复杂的不确定性时，对系统整体不确定性进行精确建模显得尤为困难。针对这一问题，引入深度强化学习中深度确定性策略梯度算法，避免对复杂的不确定性进行建模，利用其与环境交互、根据反馈学习改进策略的机制，自适应不确定性的变化。为确保算法适用性，进行了模型泛化方法的设计，针对算法稳定性问题进行了感知-学习比例调整和改进经验回放的机制设计。算例结果表明，所提方法能在自适应系统不确定性的基础上，实现任意场景下的电力系统动态经济调度
%K 间歇性电源
%K 不确定性
%K 动态经济调度
%K 深度强化学习
%K 深度确定性策略梯度算法
%K intermittent generation sources
%K uncertainty
%K dynamic economic dispatch
%K deep reinforcement learning
%K deep deterministic policy gradient (DDPG) algorithm
%U http://www.aeps-info.com/aeps/article/abstract/20190706003?st=article_issue