基于迁移深度Q网络方法的风光储系统有功平衡控制研究.pdfVIP

第

51

卷第

6

期应

用

科

技Vol.51

No.6

2024

年

11

月Applied

Science

and

TechnologyNov.

2024

DOI:

10.11991/yykj.202403023

网络出版地址：/urlid/23.1191.u2047.004

基于迁移深度Q网络方法的风光储系统有功平衡控制研究

李秋鹏，董家华，王元强，梁俊坚，刘泽健，范紫微111122

1.

广东省风力发电有限公司，广东

广州

510620

2.

深圳华工能源技术有限公司，广东

深圳

518052

摘

要：

针对电力系统中新能源发电装置发电占比较高的风光储系统有功功率平衡控制的问题以及传统深度Q网络智能

体难以快速地适应环境的问题，本文提出基于迁移深度Q网络方法的风光储系统有功平衡控制方法，用于控制风光储系统

储能装置来平衡风光储系统的有功功率；提出改进的深度Q网络智能体的学习率用于平衡深度Q网络智能体的探索和寻

优过程的矛盾以及采用迁移学习方法改进深度Q网络方法的迁移深度Q网络方法。实验结果表明，相比于基于传统深度

Q网络方法的有功平衡控制方法，本研究提出的方法减少了19.60％的训练时间和10.54%的化石能源消耗。本文分析结

果可为控制风光储系统的储能装置的有功功率提供参考。

关键词：风力；光伏；储能；有功功率平衡控制；强化学习；深度Q网络；迁移学习；训练时间

中图分类号：TM611,TM614,TM615

文献标志码：A

文章编号：1009−671X(2024)06−0095−07

Activebalancecontrolofwind-photovoltaic-storagepowersystembasedon

transferlearningdeepQ-networkapproach

LI

Qiupeng,

DONG

Jiahua,

WANG

Yuanqiang,

LIANG

Junjian,

LIU

Zejian,

FAN

Ziwei111122

1.

Guangdong

Wind

Power

Co.,

Ltd.,

Guangzhou

510620,

China

2.

Shenzhen

Huagong

Energy

Technology

Co.,

Ltd.,

Shenzhen

518052,

China

Abstract:Aiming

at

the

problems

of

active

power

balance

control

of

wind-photovoltaic-storage

power

system,

which

accounts

for

a

high

proportion

of

renewable

energy

generation

devices

in

the

power

system,

as

well

as

the

traditional

deep

Q-network

agents

that

are

hard

to

adapt

to

the

environment

quickly,

this

paper

presents

an

active

power

balance

control

method

of

wind-photovoltaic-storage

power

system

based

on

the

transfer

learning

deep