深度遞歸神經(jīng)網(wǎng)絡(luò)

考慮潮流安全約束的微電網(wǎng)結(jié)構(gòu)圖

基于深度神經(jīng)網(wǎng)絡(luò)與淺層網(wǎng)絡(luò)的近似最優(yōu)價(jià)值函數(shù)

近日，中國(guó)科學(xué)院沈陽(yáng)自動(dòng)化研究所智能微電網(wǎng)課題組在智能電網(wǎng)優(yōu)化調(diào)度領(lǐng)域取得進(jìn)展，相關(guān)成果獲智能電網(wǎng)領(lǐng)域頂級(jí)期刊IEEE TRANSACTIONS ON SMART GRID刊載。

隨著全球氣候變化及環(huán)境污染問(wèn)題的日益加重，電力系統(tǒng)的清潔性、安全性和可持續(xù)性越來(lái)越受到世界各國(guó)重視。發(fā)展大規(guī)模分布式可再生清潔能源，利用先進(jìn)的智能優(yōu)化和控制技術(shù)，加速傳統(tǒng)電力系統(tǒng)向更清潔、更安全和更可持續(xù)性的智能電網(wǎng)轉(zhuǎn)變，是未來(lái)電力系統(tǒng)的發(fā)展趨勢(shì)和新興研究熱點(diǎn)。目前，國(guó)內(nèi)外在可再生能源的接入、暫態(tài)穩(wěn)定性控制、以及電網(wǎng)運(yùn)行的經(jīng)濟(jì)性等方面的研究已取得重大進(jìn)展，然而對(duì)于接入高比例可再生能源的電力系統(tǒng)，其運(yùn)行的安全性及相關(guān)的智能優(yōu)化調(diào)度方法仍有待突破。

在題為Dynamic Energy Management of a Microgrid using Approximate Dynamic Programming and Deep Recurrent Neural Network Learning的研究論文中，智能微電網(wǎng)課題組在國(guó)際上首次提出了一種基于深度強(qiáng)化學(xué)習(xí)技術(shù)的微電網(wǎng)實(shí)時(shí)能源優(yōu)化方法。該方法考慮可再生能源出力的隨機(jī)性及其對(duì)電網(wǎng)交流潮流約束的影響，利用一個(gè)深度遞歸神經(jīng)網(wǎng)絡(luò)對(duì)微電網(wǎng)當(dāng)前運(yùn)行狀態(tài)進(jìn)行特征提取，并在保證微電網(wǎng)安全性的基礎(chǔ)上，對(duì)微電網(wǎng)各分布式發(fā)電單元進(jìn)行調(diào)度，實(shí)現(xiàn)微電網(wǎng)運(yùn)行的實(shí)時(shí)優(yōu)化控制。此外，相對(duì)于目前的微電網(wǎng)運(yùn)行控制方法，提出的方法完全是基于學(xué)習(xí)的，不需要對(duì)可再生能源出力進(jìn)行預(yù)測(cè)建模，表現(xiàn)出很好的自適應(yīng)性。該工作不僅是智能電網(wǎng)優(yōu)化調(diào)度研究中新的探索和突破，也為未來(lái)應(yīng)用人工智能技術(shù)推動(dòng)智能電網(wǎng)發(fā)展提供了新的研究思路。