基于排放进度感知动态边际碳价与分层强化学习的综合能源系统日内滚动调度方法

《IEEE Access》：Dynamic Carbon-Guided HRL-MIP Dispatch for Integrated Energy Systems

　　

摘要：

配备碳捕集与电制气（CCS-P2G）以及共享储能的综合能源系统（IESs）可支持低碳运行。然而，静态的日终阶梯式碳结算对15分钟日内滚动调度几乎不提供指导。本文提出一种排放进度感知的动态边际碳价，将日阶梯阈值映射为日内参考阈值，同时保留原有的日终结算规则。研究构建了一个双时间尺度分层强化学习与混合整数规划（HRL-MIP）框架。一个带有优先经验回放的注意力增强Soft Actor-Critic智能体生成小时级调度目标。随后，15分钟级MIP层将这些目标分解为可执行设定点，并在物理约束下校正不可行决策。基于典型冬季日的案例研究表明，协调CCS-P2G与共享储能可将总运行成本降至33,359.53元人民币，系统净碳排放降至18,732.58千克。与固定碳价指导和静态阶梯边际碳价指导相比，所提机制分别降低系统净碳排放15.50%和12.56%。在三个随机种子下，所提策略后期奖励达到-9.58 ± 0.19，优于五种对比算法。在所测试的±20%碳价波动下，训练保持稳定。在十次重复测试中，960次下层MIP调用的平均模型构建与求解时间为2.75毫秒，最大时间为6.75毫秒。这些结果为15分钟滚动执行提供了充足的计算余量。