融合电转气储能与台风物理感知深度强化学习的韧性岛屿综合能源系统经济调度方法

《IEEE Potentials》：Economic dispatch of resilient island integrated energy systems considering power to gas with waste heat power generation: Typhoon physics-aware deep reinforcement learning

　　

摘要：

由于地理位置独特，岛屿地区在极端台风事件期间面临维持能源供应稳定性的严峻挑战。此外，传统的岛屿综合能源系统（IESs）存在弃风率高、能源供应成本高和资源利用效率低等固有问题。为解决这些问题，本文开发了一种具有韧性的岛屿综合能源系统（RI-IES）模型，该模型采用了带有废热发电的电转气（P2G）子系统。RI-IES将P2G作为长期、大容量的储能措施，以抵御极端台风的冲击。为了高效解决RI-IES的经济调度（ED）问题，本文进一步提出了一种台风物理感知的双延迟深度确定性策略梯度（TPA-TD3）方法。具体来说，将门控循环单元（GRU）分支集成到深度强化学习（DRL）决策网络中，以捕捉未来时段台风的物理信息，从而实现针对时变台风事件的预防性经济调度。为了验证所提出的TPA-TD3在RI-IES经济调度中的有效性，使用中国某典型岛屿的历史运行数据进行了仿真。仿真结果表明，与传统模型相比，所提出的RI-IES模型有效提高了二次资源的利用效率，减少了弃电量和总运行成本，从而增强了系统的运行韧性和经济性。此外，所提出的TPA-TD3在训练和测试阶段均显著优于其他主流算法。