基于深度强化学习的自适应不确定性经济调度

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