优博聚焦 华中科技大学帅航：基于近似动态规划（ADP）的微电网日内在线优化运行方法研究

Posted 2021-04-18 中国电机工程学报

点击标题下「中国电机工程学报」即可关注本刊微信

　　这里有最深度的科研成果报道，这里有最全面的解决方案分析，这里有最前沿的学术思想碰撞，这里是 “优博聚焦”，您不容错过的新频道。《中国电机工程学报》微信号重磅推出“优博聚焦”系列栏目，关注博士论文，分享博士生科研工作的精华，敬请关注。

基于近似动态规划（ADP）的微电网日内在线优化运行方法研究

帅航

导师：文劲宇

1

论文背景

微电网（microgrid，简称微网）作为分布式可再生能源的重要利用形式，在世界范围内获得了快速发展。然而，分布式光伏、风电等可再生能源的随机性和波动性给微电网的调度运行带来极大挑战。日内在线优化作为微电网运行的重要环节，对保障系统的安全经济运行、新能源的友好接入具有重要作用。目前微电网日内在线优化运行主要采用模型预测控制（model predictive control, MPC）等传统在线优化算法。MPC 作为一种确定性优化方法，其在决策的最优性、应对新能源随机性等方面存在诸多不足，不利于系统的最优经济运行，亟需提出新的微电网在线优化策略。近似动态规划（approximate dynamic programming，ADP）作为一种随机优化方法，通过近似求解策略克服了动态规划面临的“维数灾”难题，同时也能保证决策的近似全局最优性，其在电力系统调度运行中具有广阔的应用前景。 　

2

论文所解决的问题

为应对分布式可再生能源的随机性给微电网经济运行带来的挑战，本文围绕微电网日内优化调度问题，根据微电网在线优化模型的特点（混合整数线性优化、混合整数非线性优化）及利用的系统预测信息的不同（日前预测、日内预测），分层递进地提出了基于分段线性函数ADP、表函数ADP、深度强化学习和参数化代价函数近似（parametric cost function approximation）等算法的微电网在线优化策略，为微电网的日内经济运行提供了新方法。　

3

论文主要研究内容

3.1基于分段线性函数ADP 的微电网在线优化

建立了考虑线性化潮流约束的微电网优化调度模型，提出了一种用于求解微电网在线优化问题的分段线性函数近似动态规划（piecewise linear function ADP，PLF-ADP）算法，并改进了分段线性值函数更新策略以加快算法的收敛速度。所提算法的特点是不需要日内更新预测信息即可获得近似全局最优决策，因此可避免运行决策受到日内预测误差的影响。图1表明，相比于传统PLF-ADP算法，所提算法具有更快的收敛速度。仿真分析表明，相比于MPC等传统在线优化算法，所提ADP算法的在线优化效果更佳。

图1 PLF-ADP算法收敛过程

3.2基于表函数ADP 的微电网日内非线性优化

建立了考虑微电网交流潮流约束和电池储能精确建模的微电网优化模型，针对所建立的MINLP模型，提出了基于表函数ADP的微电网在线优化算法，仿真结果表明所提方法的在线优化效果优于MPC、PSO等传统优化算法。

表1 确定性算例优化结果

3.3计及日内预测信息时基于深度强化学习的微电网非线性在线优化

深度学习技术具有更好的特征表达及学习能力，将深度学习应用于优化调度可提升在线决策的效果。此外，微电网的日内预测信息通常处于实时滚动更新状态，为同时利用微电网日前预测信息和日内滚动更新预测，针对前一章所建立的微电网MINLP优化模型，提出了基于深度强化学习（DRL）的微电网智能在线优化算法（DRL-MG）。通过微电网仿真算例验证了所提算法的有效性，且获得了优于表函数ADP等算法的在线优化效果，如图2所示。

图2 不同在线优化算法优化结果对比

3.4计及日内预测信息时基于PCFA 的微电网在线优化

为充分利用日前及日内预测信息，提出了基于参数化代价函数近似（parametric cost function approximation，PCFA）的微电网在线优化算法。通过随机梯度下降寻优策略，将现有PCFA算法扩展到可求解非凸优化问题。此外，该算法能够同时利用微电网日前及日内预测信息。基于改进IEEE 33节点微电网系统的仿真研究表明，所提算法能用于较大规模微电网的在线优化，且获得了优于MPC策略的在线决策效果，如图3所示。

图3 相比于MPC算法， PCFA算法在线优化效果提升幅度

4

论文主要创新点

1）针对考虑线性化潮流约束的微电网优化问题，提出了一种基于分段线性函数ADP的日内在线优化算法，并改进了分段线性函数更新策略以提高算法的收敛速度，所提算法仅需要当前的系统状态信息和近似值函数便可作出近似全局最优决策，避免了对新能源发电功率等日内预测信息的依赖，为微电网的日内在线优化提供了新方法。

2）考虑交流潮流方程等非线性约束的微电网调度模型存在求解困难，现有的粒子群优化（PSO）等算法难以取得较好的在线优化效果，提出了一种基于表函数ADP的日内非线性优化算法。采用表函数近似真实值函数，获得了优于传统MPC、PSO和短视策略的在线优化效果，并分析了日前预测误差对所提算法在线优化效果的影响，为强非线性建模下的微电网在线优化问题求解提供了新方法。

3）针对 2）所提方法未同时利用系统日前及日内预测信息的不足，进一步提出了一种基于深度强化学习（DRL）的微电网日内在线优化算法，仿真验证了所提DRL算法的在线优化效果优于表函数ADP算法，为微电网日内随机非线性优化问题提供了新的求解思路，也为实现微电网智能在线调度提供了有效途径。

4）为充分利用日前及日内预测信息，提出了一种基于参数化代价函数近似算法的微电网日内在线优化方法，通过随机梯度下降寻优策略，将现有PCFA算法扩展到可求解非凸优化问题，为较大规模微电网的日内在线优化提供了有效的决策工具。

作者简介

帅航（1990），2013年毕业于武汉工程大学电气信息学院，获得学士学位；2019年毕业于华中科技大学电气与电子工程学院，获得博士学位。攻读博士学位期间在IEEE Transactions on Smart Grid、IEEE Transactions on Power Systems、IEEE Transactions on Sustainable Energy等期刊发表论文多篇，一篇论文获得国际会议IEEE Conference on Energy Internet and Energy System Integration最佳论文奖，同时担任IEEE PES协会期刊审稿人，主要研究方向为电力系统优化调度、近似动态规划。联系邮箱：[e-mail]

点击蓝色标题，阅读相关微文

声明

联系我们                    

邮箱: [e-mail]

　　  [e-mail]  

网址: www.pcsee.org  

主办：中国电机工程学会

                       

欢迎关注英文刊CSEEJPES微信：