基于深度强化学习的风光耦合热电联产机组优化调度

来源：动力工程学报杂志2025年第7期北京时间：

作者：王志霄, 田雪沁, 王鹏朝, 陈海盟, 孙立,

摘要：集中供热管网蓄热在改善热电联产机组供能成本及可再生能源消纳方面具有较大潜力。但由于热电耦合和源荷不确定性,系统的有效运行和调度优化面临挑战。以风光发电耦合热电联产机组系统为研究对象,构建了考虑热电半解耦的能量调度优化模型。针对系统在运行中遇到的热电耦合和源荷不确定性问题,设计了基于马尔可夫决策过程的深度确定性策略梯度(deep deterministic policy gradient,DDPG)调度优化方法,通过训练神经网络以适应随机变化的源荷场景,实现了机组的实时能流调度优化,并在高负荷、常规负荷和低负荷3种典型场景下进行调度仿真。结果表明:基于DDPG的热电半解耦调度方法能够有效调整机组出力,可同时满足电、热负荷,并保证供热管网的安全性与可持续性;相较于基于规则的算法,DDPG算法在调度综合成本和风光能源的有效利用方面效果优越,在3种负荷场景下,DDPG算法有效降低了调度综合成本和弃风弃光率,前者分别降低了2.46%、7.49%和10.55%,后者分别减少了1.98百分比、3.40百分比和4.86百分比。

关键词：热电联产,深度强化学习,风光耦合,优化调度,