脱脂南瓜籽压饼粉在饼干生产中的可持续价值化:营养、技术、感官和优化评估

《Processes》:Sustainable Valorization of Defatted Pumpkin Seed Press Cake Flour in Cookies Production: Nutritional, Technological, Sensory, and Optimization Assessment

【字体: 大 中 小 】 时间:2026年06月23日 来源:Processes 2.8

编辑推荐:

  随着分布式电力-热力可调资源日益向配电网接入,传统的聚合模型常忽略网络约束,导致调度计划不可行或不安全。为解决此问题,研究人员提出一种显式包含配电网潮流约束和区域供热网水力-热力耦合约束的源网荷储聚合优化方法。将网络约束作为惩罚项融入优化目标,并将调度问题建模

  
随着分布式电力-热力可调资源日益向配电网接入,传统的聚合模型常忽略网络约束,导致调度计划不可行或不安全。为解决此问题,研究人员提出一种显式包含配电网潮流约束和区域供热网水力-热力耦合约束的源网荷储聚合优化方法。将网络约束作为惩罚项融入优化目标,并将调度问题建模为马尔可夫决策过程(MDP)。采用双重延迟深度确定性策略梯度(TD3)与深度确定性策略梯度(DDPG)相结合的深度强化学习框架来求解序贯决策问题。仿真结果表明,所提方法能在保持经济性的同时有效保障配电网安全与供热质量,为电热耦合虚拟电厂(VPP)提供了可行且安全的调度策略。
## 论文解读:考虑电-热网络约束的虚拟电厂源网荷储聚合调度优化

### 研究背景与问题

随着“双碳”目标的推进,大量分布式电-热灵活资源在配电网侧涌现,给电网调度带来挑战。传统虚拟电厂(VPP)聚合模型主要关注经济性和市场参与,往往忽略配电网潮流约束和区域供热网的水力-热力耦合约束,导致调度计划在实际运行中可能违反电压、支路功率及供热温度等安全边界。现有研究在VPP-配网协调框架(如与配网运营商DSO的交互)或直接内嵌网络约束方面取得进展,但多限于纯电力系统或微电网场景,未同时考虑电-热耦合机制。此外,分布式能源出力的高不确定性、强非线性和多主体协调特性,使传统的迭代求解器面临计算时间长、收敛困难等问题。深度强化学习(DRL)虽能处理不确定性,但训练中频繁违反安全边界,直接部署困难。因此,亟需一种既能保障电-热网络安全又能实现经济优化且具备在线决策能力的聚合调度方法。本文基于Cai(2023)提出的两阶段DDPG聚合框架,进一步引入配电网和供热网约束,并采用课程学习机制提升训练性能和约束满足能力,填补了电-热耦合VPP调度中网络约束与DRL结合的研究空白。

### 主要技术方法

本文采用基于深度强化学习(DRL)的调度框架,使用MATLAB R2022b与Simulink构建环境,配电网潮流由MATPOWER 8.0的runpf函数求解,供热网水力-热力耦合模型通过迭代法求解。核心算法为双重延迟深度确定性策略梯度(TD3)和深度确定性策略梯度(DDPG),两者均采用Actor-Critic架构(三层全连接256-256-128)。模型采用马尔可夫决策过程(MDP)建模,状态空间包含调度时间步、风电出力、电热负荷、储能荷电状态(SOC)、节点电压极值等19维变量,动作空间为5维决策变量(储能充放电、CHP出力、燃气锅炉出力和电锅炉出力)。网络约束(配电网电压、支路功率;供热网节点温度、管道流量)以惩罚项形式嵌入奖励函数,并通过课程学习机制动态调整惩罚权重,引导智能体逐步满足约束。案例采用IEEE 33节点配电网和20节点树状区域供热网,数据源包括欧洲风电场、CREST模型和JPL数据集。

### 研究结果

#### 6.4 TD3与DDPG结果对比
通过365天数据(前25天训练,后65天测试)独立训练5次取平均,TD3的调度成本比DDPG约低16%,且约束违反惩罚也更小。训练曲线显示,前期DDPG收敛略快,但后期TD3收敛值更优且稳定性更强。TD3的双Critic机制减少了过估偏差,更适合高维决策变量。

#### 6.5 典型日负荷分配
冬季典型日调度中,主要发电单元出力从清晨逐渐增加,11:00~13:00达高峰,与供热负荷白天峰值对应;储能系统遵循“低谷充电、高峰放电”策略,但在TD3下SOC波动显著减小,储能预留容量以支撑节点电压安全,牺牲部分经济效益。供热侧CHP和燃气锅炉承担主要供热,电锅炉在白天高负荷期间仍保持一定出力,受热负荷空间分布和节点供水温度约束影响显著。

#### 6.6 网络约束验证
配电网节点电压呈白天高峰负荷时段跌落、夜间恢复的模式,最低电压出现在18号节点附近(白天高峰时段),最高电压在17号节点附近(夜间风电高发时段)。支路功率中,1号支路作为主馈线,白天正向功率峰值约4.18 MVA,夜间出现反向功率(集中在1~16号馈线),验证了6 MVA线容量限制的有效性。供热网节点温度呈“热源附近稳定、中游衰减、下游基本覆盖”的带状分布,中游节点(如11~14号)温度较低,但白天随热出力增加而恢复。管道流量呈现多源协调供热特征:CHP主要支撑上游区域,辅助热源(燃气锅炉、电锅炉)支持下游,中游管道出现反向流动或低流量,反映多热源边界处的复杂流动特性。

### 讨论与结论

#### 讨论
本文通过将电-热网络约束以惩罚项嵌入优化目标,并用DRL求解,实现了经济性与安全性的平衡。课程学习机制有效解决了早期训练中惩罚信号掩盖奖励信号的问题,使智能体从无约束逐步过渡到全约束优化。TD3相比DDPG在约束满足和成本控制上更优,但模型仍存在局限性:供热模型采用稳态假设,忽略了传输延迟和热惯性;单智能体集中调度面临维数灾难和用户隐私保护不足。

#### 结论
本文针对现有变配电台区聚合模型忽视内部电-热网络约束的不足,提出一种考虑网络约束的源网荷储聚合优化方法。电网侧将分布式资源接入IEEE 33节点系统,纳入电压和馈线约束;仿真结果表明储能调度趋于保守,优先预留容量支撑节点电压,体现经济与安全的权衡。热网侧建立20节点水力-热力耦合模型,温度呈现“热源稳定、中游衰减、远端保证”的带状分布。将电-热约束作为惩罚项融入目标,利用TD3/DDPG算法结合课程学习求解,结果显示TD3在约束满足上优于DDPG。未来可向多智能体扩展、热动态建模、模型预测控制与DRL融合以及多时间尺度优化等方向延伸。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号