《Journal of Energy Storage》:Improved table-based approximate dynamic programming for stochastic energy management of microgrid considering battery cycle life loss
编辑推荐:
微电网随机能量管理考虑电池循环寿命损耗,采用改进的表格近似动态规划算法(ITADP),通过表恢复理论优化状态决策采样,场景关系近似直接计算期望值,显著提升计算效率。
罗宇豪|朱建全|刘嘉远|陈家军
华南理工大学电力工程学院,中国广州510640
摘要
考虑电池循环寿命损耗的微电网随机能量管理(SEM)是一个随机、混合整数和非线性问题。为了解决这一难题,本文提出了一种改进的基于表格的近似动态规划(ITADP)算法。在价值表近似过程中,与传统基于表格的近似动态规划(TADP)算法不同,后者需要探索大部分状态,而ITADP算法仅基于表格恢复理论抽取有限数量的状态。在决策过程中,首次使用决策表重新描述决策空间,从而可以利用表格恢复理论避免像传统TADP算法那样遍历整个决策空间。在期望值计算过程中,与传统TADP算法需要在大量场景下重新计算期望值不同,ITADP算法可以直接从场景关系近似的视角获得期望值。所有这些改进都显著提高了算法的运行速度。对微电网SEM的数值模拟验证了所提算法的有效性。
章节摘录
缩写说明
| RE | 可再生能源 |
| SEM | 随机能量管理 |
| BCLL | 电池循环寿命损耗 |
| MINLP | 混合整数非线性规划 |
| PSO | 粒子群优化 |
| ADP | 近似动态规划 |
| MDP | 马尔可夫决策过程 |
| TADP | 基于表格的近似动态规划 |
| VTA | 价值表近似 |
| DM | 决策制定 |
| EC | 期望值计算 |
| ITADP | 改进的基于表格的近似动态规划 |
| TR | 表格恢复 |
| SRA | 场景关系近似 |
| MC | 蒙特卡洛 |
| DG | 可调发电机 |
| GG | 燃气 |
数学模型描述
本文研究的微电网由可调发电机(DGs,包括燃气发电机(GG)和燃料电池(FC))、光伏(PV)发电机、风力涡轮机(WT)、电池和负载组成[25]。然后,根据MDP理论建立了其SEM模型,该模型包括五个关键组成部分:状态变量、决策变量、外源信息、转移函数和目标函数[28]。
ITADP求解算法
在前一节中,微电网的SEM被构建为一个随机、混合整数和非线性的MDP问题,传统算法无法在合理时间内解决。尽管传统TADP算法理论上可以解决这个问题,但由于需要探索大量状态、决策和场景,仍然耗时较长。为了解决这个问题,本节提出了一种新的ITADP算法。
数值分析
首先介绍测试系统和仿真设置,然后展示仿真结果以验证所提算法的有效性。
结论
为了更有效地解决SEM问题,本文提出了一种结合了三种关键技术(基于TR的VTA技术、基于TR的DM技术和基于SRA的EC技术)的ITADP算法。结论如下:
- 1)
所提出的基于TR的VTA和DM技术表现出优异的计算性能,因为它们在保持高精度的同时,计算效率优于基准技术。
- 2)
所提出的基于SRA的EC技术
CRediT作者贡献声明
罗宇豪:撰写——原始稿件、验证、监督、软件开发、方法论、数据分析、概念化。朱建全:撰写——审稿与编辑、项目管理、资金获取。刘嘉远:监督、研究。陈家军:验证、方法论。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文的研究工作。
致谢
本研究得到了国家自然科学基金(项目编号:52477099)的支持;部分得到了广东省自然科学基金(项目编号:2024A1515240017和2025A1515011190)的支持。