电力系统及其自动化学报

2022, v.34;No.222(07) 120-128

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于深度学习的多微电网市场主从博弈运行优化策略
Optimization Strategy for Master-slave Game Operation in Multi-microgrid Market Based on Deep Learning

严文君;刘俊勇;

摘要(Abstract):

针对多微电网市场新能源出力不确定性以及参与主体间利益关联与冲突导致的市场运行风险大、效率低等问题,提出基于图卷积神经网络与长短时记忆网络GCN-LSTM(graph convolutional neural network and long short-term memory network)时空预测算法的多微电网市场主从博弈均衡优化策略。首先,从时空维度设计了基于深度强化学习算法的多微电网两阶段主从博弈均衡运行机制;然后,将多微电网市场中竞价主体间的相互作用构建两阶段滚动优化模型,根据决策阶段要求,以提升各微电网主体经济效益为目标,在实时调控阶段构建多主体主从博弈模型,对内部电价及设备出力进行调整,实现多微电网市场均衡独立优化运行。最后,通过算例分析表明,所提方法能有效降低微电网各发电主体出力的不确定性对市场稳定运行和新能源消纳的影响,提高市场经济效益。

关键词(KeyWords): 多微电网市场;主从博弈;深度强化学习;纳什均衡;运行优化

Abstract:

Keywords:

基金项目(Foundation):

作者(Authors): 严文君;刘俊勇;

DOI: 10.19635/j.cnki.csu-epsa.000911

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享