典型文献
基于双层模仿学习的多园区综合能源系统分布式协同优化调度
文献摘要：
针对多园区综合能源系统协同调度存在的源荷及电价等多重不确定性因素和隐私保护问题,提出一种分布式协同双层优化模型.模型上层采用通信神经网络依据即时信息决策各园区储能动作,通过模仿学习进行监督式训练,使智能体获得预测决策一体化功能;下层由各园区采用交替方向乘子法进行分布式优化,得到其他设备动作及园区间电力交互量,形成当前时段完整的多园区分布式协同优化运行方案,并提出了考虑上级电网实时电价和多园区系统供求关系的园区间交易机制以保障各园区利益.算例证明所提方法不依赖于对源荷及电价等不确定性因素的准确预测,能够在保护各园区数据隐私的前提下达到与理论最优策略接近的性能.
文献关键词：
多园区综合能源系统;分布式优化;多重不确定性;通信神经网络;模仿学习;交替方向乘子法
中图分类号：
作者姓名：
程义;李更丰
作者机构：
西安交通大学电气工程学院,陕西省西安市 710049
文献出处：
引用格式：
[1]程义;李更丰-.基于双层模仿学习的多园区综合能源系统分布式协同优化调度)[J].电力系统自动化,2022(24):16-25
A类：
通信神经网络
B类：
模仿学习,多园区综合能源系统,分布式协同,协同优化调度,系统协同,协同调度,多重不确定性,不确定性因素,隐私保护,保护问题,双层优化模型,信息决策,各园,智能体,交替方向乘子法,分布式优化,力交互,优化运行,运行方案,上级,实时电价,区系,供求关系,交易机制,例证,不依,准确预测,数据隐私,下达,最优策略
AB值：
0.248606
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
